La collecte massive de données, sous le nom de big data, les capacités de calcul multipliées et les techniques de l’intelligence artificielle sont les principaux moteurs de la transformation technologique à l’œuvre. Même si l’intelligence artificielle est encore loin de l’objectif ultime qu’elle s’est donné de reproduire l’intelligence humaine, ses progrès et ses potentialités, discutés lors du séminaire par Jean-Gabriel Ganascia, professeur à l’université Pierre et Marie Curie, et Yann LeCun, directeur du Facebook Artificial Intelligence Research (FAIR) et professeur à New York University, ont largement transformé la société ces dernières années : le web, la biométrie, la reconnaissance d’images et de parole, la recherche d’itinéraire en sont des exemples quotidiens. Dans les années 2000, on a observé une nouvelle vague avec l’arrivée de l’apprentissage automatique (machine learning), qui permet d’entraîner les ordinateurs à réaliser une tâche à partir d’exemples, et plus seulement de les programmer pour réaliser une tâche. Dans les années 2010, l’intelligence artificielle a bénéficié des progrès de nouvelles techniques de l’apprentissage profond (deep learning), grâce auxquelles on peut appliquer l’apprentissage automatique à des tâches plus complexes comme la reconnaissance d’images. Une application emblématique de ces techniques, dont Yann LeCun a été précurseur, est l’assistance à la conduite, avec des systèmes de vision et de perception qui permettent à une voiture de détecter les obstacles ou de changer de voie automatiquement. Les robots sociaux doués d’empathie, de forme humanoïde ou non, sont une autre application – présentée lors du séminaire par Laurence Devillers, professeure à l’université ParisSorbonne – de ces machines apprenantes développées grâce à des algorithmes de deep learning. Introduits peu à peu dans nos foyers ou nos hôpitaux, ils sont programmés pour capter, interpréter et répondre aux informations émotionnelles. Le prochain grand défi de la recherche est l’apprentissage non supervisé, pour apprendre aux machines le sens commun et améliorer par exemple les assistants virtuels, dont Google Now et Siri sont les premiers modèles.