{"id":116588,"date":"2020-01-13T14:11:58","date_gmt":"2020-01-13T13:11:58","guid":{"rendered":"https:\/\/www.pauljorion.com\/blog\/?p=116588"},"modified":"2020-01-13T14:13:47","modified_gmt":"2020-01-13T13:13:47","slug":"le-role-de-lintelligence-artificielle-dans-la-planification-par-vincent-burnand-galpin","status":"publish","type":"post","link":"https:\/\/www.pauljorion.com\/blog\/2020\/01\/13\/le-role-de-lintelligence-artificielle-dans-la-planification-par-vincent-burnand-galpin\/","title":{"rendered":"Le r\u00f4le de l\u2019intelligence artificielle dans la planification<\/b>, par Vincent Burnand-Galpin"},"content":{"rendered":"

Ouvert aux commentaires.<\/p><\/blockquote>\n

Selon l\u2019un des p\u00e8res fondateurs de l\u2019ultralib\u00e9ralisme, Friedrich von Hayek, les individus \u00e9tant n\u00e9cessairement mieux inform\u00e9s que l\u2019\u00c9tat central pour prendre leurs d\u00e9cisions \u00e9conomiques, il \u00e9tait donc de bonne politique pour celui-ci de s\u2019abstenir d\u2019interf\u00e9rer avec le fonctionnement spontan\u00e9 du march\u00e9, afin que l\u2019offre et la demande s\u2019ajustent sans entrave.<\/span><\/p>\n

L\u2019exp\u00e9rience sovi\u00e9tique montre les limites d\u2019un syst\u00e8me d\u2019information centralis\u00e9 g\u00e9r\u00e9 par l\u2019Etat. Selon C\u00e9dric Durand et Razmig Keucheyan, \u00ab la planification sovi\u00e9tique se caract\u00e9rise par d\u2019importants d\u00e9calages entre les pr\u00e9visions et les r\u00e9alisations, qui sont sources d\u2019immenses gaspillages et d\u2019incessants accommodements informels entre les firmes \u00bb (Durand et Keucheyan 2019 : 86). L\u2019information ne circulait pas correctement entre les unit\u00e9s de production et l\u2019\u00c9tat central. La planification se faisait alors \u00e0 partir de donn\u00e9es erron\u00e9es.<\/span><\/p>\n

<\/p>\n

Dans les ann\u00e9es 1950-1960, plusieurs \u00e9conomistes et informaticiens sovi\u00e9tiques \u00e9labor\u00e8rent un syst\u00e8me de \u00ab gestion \u00e9conomique automatique \u00bb. Il aurait permis de r\u00e9duire \u00e0 la fois les gaspillages et les p\u00e9nuries en optimisant le syst\u00e8me d\u2019information. Mais ce programme ne f\u00fbt jamais exp\u00e9riment\u00e9 \u00e0 cause des limites de capacit\u00e9s de calcul des ordinateurs de l\u2019\u00e9poque.<\/span><\/p>\n

\u00a0Les observations d\u2019Hayek semblaient donc relever du simple bon sens \u00e0 une \u00e9poque o\u00f9 l\u2019id\u00e9e m\u00eame d\u2019une collecte de myriades de donn\u00e9es sur l\u2019\u00e9tat instantan\u00e9 du march\u00e9 aurait sembl\u00e9 le fruit d\u2019une imagination malade. Or ceci a cess\u00e9 d\u2019\u00eatre le cas : les progr\u00e8s du num\u00e9rique et la connexion des objets dans l\u2019ensemble des secteurs de l\u2019\u00e9conomie, de la production \u00e0 la consommation, en passant par la distribution, font que l\u2019information instantan\u00e9e est disponible dans des bases de donn\u00e9es, la seule difficult\u00e9 \u00e9ventuelle pour leur interpr\u00e9tation \u00e9tant la coh\u00e9rence de la forme sous laquelle elles ont \u00e9t\u00e9 stock\u00e9es.\u00a0<\/span><\/p>\n

En 2002 d\u00e9j\u00e0, Paul Jorion avait mis au point pour IndyMac Bank, importante caisse d\u2019\u00e9pargne californienne alors le 7e \u00e9tablissement de cr\u00e9dit aux \u00c9tats-Unis, une application permettant de voir \u00e0 chaque instant combien de dossiers de pr\u00eat avaient \u00e9t\u00e9 soumis, \u00e0 quel stade de traitement du l\u2019information ils se situaient, et quelle \u00e9tait la probabilit\u00e9 pour chacun – en fonction de l\u2019histoire pass\u00e9e de demandes similaires – que le pr\u00eat soit consenti et, si oui, aux environs de quelle date.<\/span><\/p>\n

Jack Ma, fondateur et ancien pr\u00e9sident d\u2019Alibaba, une des plus importantes entreprises mondiales, combinaison chinoise d\u2019\u00e9quivalents d\u2019Amazon et de Paypal, d\u00e9clarait r\u00e9cemment ceci :\u00a0\u00a0<\/span><\/p>\n

Nous allons assister \u00e0 une \u00e9volution significative au cours des trois d\u00e9cennies \u00e0 venir, et l\u2019\u00e9conomie planifi\u00e9e en deviendra d\u2019autant plus importante. Pourquoi ? Parce que gr\u00e2ce \u00e0 l\u2019acc\u00e8s \u00e0 divers types de donn\u00e9es, nous serons sans aucun doute en mesure de d\u00e9couvrir o\u00f9 se situe la main invisible du march\u00e9.<\/span><\/p><\/blockquote>\n

Or, comme nous l\u2019avons d\u00e9j\u00e0 signal\u00e9, dans un monde qui a soudain pris conscience du degr\u00e9 avanc\u00e9 de sa d\u00e9gradation, du caract\u00e8re limit\u00e9 de ses ressources restantes, et des cons\u00e9quences catastrophique de la somme de comportements o\u00f9 chacun poursuit en toute qui\u00e9tude ses buts \u00e9go\u00efstes (la \u00ab trag\u00e9die des communs \u00bb), la fameuse \u00ab main invisible \u00bb d\u2019Adam Smith a cess\u00e9 d\u2019\u00eatre d\u2019application, qui supposait que l\u2019harmonie universelle serait garantie aussit\u00f4t que chacun se comporterait selon son int\u00e9r\u00eat bien compris, hypoth\u00e8se qui n\u2019\u00e9tait en r\u00e9alit\u00e9 valide que dans un monde faiblement peupl\u00e9.<\/span><\/p>\n

Un article \u00e9crit par un collectif de chercheurs en intelligence artificielle montre comment le <\/span>machine learning<\/span><\/i> (ou l\u2019\u00ab apprentissage automatique \u00bb) peut \u00eatre un outil puissant dans la lutte contre le d\u00e9r\u00e8glement climatique (Rolnick et al. 2019). Pour rappel, le <\/span>machine learning<\/span><\/i> est un ensemble de techniques sp\u00e9cifiques \u00e0 l\u2019intelligence artificielle, se fondant soit sur des m\u00e9thodes statistique ou alg\u00e9briques, soit, dans le cas du <\/span>deep learning<\/span><\/i>, sur des r\u00e9seaux de neurones artificiels (filtres constitu\u00e9s d\u2019un r\u00e9seau de fonctions non-lin\u00e9aires) pour donner aux ordinateurs la capacit\u00e9 d\u2019 \u00ab apprendre \u00bb \u00e0 partir de donn\u00e9es. Plus la base de donn\u00e9es est importante plus l\u2019ordinateur a la capacit\u00e9 d\u2019am\u00e9liorer ses performances dans la r\u00e9solution de t\u00e2ches, sans \u00eatre explicitement programm\u00e9 pour le faire.<\/span><\/p>\n

Le <\/span>machine learning<\/span><\/i> permet d\u00e9j\u00e0 d\u2019optimiser l\u2019utilisation des ressources actuelles. Ainsi, dans le transport de fret, David Rolnick et al. montrent qu\u2019on peut r\u00e9duire significativement le nombre de camions ou de cargos circulant \u00e0 vide. La centralisation d\u2019une quantit\u00e9 consid\u00e9rable de donn\u00e9es permet par son traitement de maximiser le taux de remplissement.<\/span><\/p>\n

Le <\/span>machine learning<\/span><\/i> peut r\u00e9soudre certains probl\u00e8mes techniques jusqu\u2019alors sans solution. Par exemple, il a longtemps \u00e9t\u00e9 difficile de concevoir technologiquement un r\u00e9seau \u00e9lectrique reposant uniquement sur les \u00e9nergies renouvelables. Contrairement aux \u00e9nergies fossiles ou nucl\u00e9aire, les \u00e9nergies renouvelables ont une production al\u00e9atoire \u2013 d\u00e9pendant de la m\u00e9t\u00e9o – alors qu\u2019un r\u00e9seau \u00e9lectrique n\u00e9cessite une \u00e9galisation tr\u00e8s fine de l\u2019offre par rapport \u00e0 la demande. Aujourd\u2019hui, le <\/span>machine learning<\/span><\/i> peut g\u00e9rer des <\/span>smart grids<\/span><\/i> (ou \u00ab r\u00e9seaux intelligents \u00bb) permettant un ajustement automatique en fonction des contraintes de la production et de la consommation.<\/span><\/p>\n

Dans un contexte de complexification de la soci\u00e9t\u00e9, la prise de d\u00e9cision politique peut \u00eatre de plus en plus difficile. Avec le grand nombre de donn\u00e9es disponibles, le <\/span>machine learning<\/span><\/i> permet d\u2019extraire les \u00e9l\u00e9ments les plus pertinents pour le d\u00e9cideur politique. Le <\/span>machine learning<\/span><\/i> peut notamment permettre la visualisation de diff\u00e9rents sc\u00e9narios en fonction des politiques publiques projet\u00e9es. \u00c0 la diff\u00e9rence des mod\u00e8les statistiques, le <\/span>machine learning<\/span><\/i> permet d\u2019agr\u00e9ger les informations quelle que soit leur nature (donn\u00e9es chiffr\u00e9es, informations textuelles,\u2026). Les mod\u00e8les cr\u00e9\u00e9s gr\u00e2ce \u00e0 cette technique sont aussi beaucoup plus flexibles que les mod\u00e8les statistiques actuels : ils reposent sur un nombre significativement r\u00e9duit d\u2019hypoth\u00e8ses, et permettent d\u2019analyser un plus grand nombre d\u2019interactions entre les variables.<\/span><\/p>\n

Ce ne sont que quelques exemples parmi d\u2019autres car le <\/span>machine learning <\/span><\/i>est aujourd\u2019hui une technologie m\u00fbre aux applications infinies : conception de modes de transport alternatifs, optimisation du design de v\u00e9hicules, r\u00e9alisation d\u2019immeubles et de villes intelligentes, gestion de fermes et de for\u00eats,\u2026 Alors que cette technique \u00e9tait en cours d\u2019\u00e9laboration quand Paul Jorion \u00e9tait chercheur en intelligence artificielle (1987-90), il s\u2019agit aujourd\u2019hui d\u2019un enseignement \u00e0 part enti\u00e8re en \u00e9cole d\u2019ing\u00e9nieur (dont b\u00e9n\u00e9ficie, 30 ans plus tard, l\u2019autre auteur de ce livre \u00e0 l\u2019ENSAE !).<\/span><\/p>\n

Le <\/span>big data<\/span><\/i> assure aujourd\u2019hui la collecte de donn\u00e9es \u00e0 une \u00e9chelle colossale ainsi que leur premier traitement statistique en explorant l\u2019ensemble des dimensions pertinentes et leur influence r\u00e9ciproque. Le <\/span>deep learning<\/span><\/i>, fond\u00e9 sur des r\u00e9seaux neuronaux \u00e0 m\u00eame de se corriger en cas d\u2019\u00e9chec dans l\u2019identification et la pr\u00e9vision, permet ensuite d\u2019y d\u00e9couvrir des formes que l\u2019intuition humaine per\u00e7oit occasionnellement, mais \u00e0 qui elles \u00e9chappent le plus souvent.\u00a0<\/span><\/p>\n

Nous \u00e9crivions plus haut : \u00ab N\u2019est-il pas envisageable alors que l\u2019humain ait engendr\u00e9, une fois de plus par ruse de la Raison, la machine qui pense comme lui (\u00e0 l\u2019aide d\u2019un r\u00e9seau neuronal artificiel) pour comprendre ce qui (\u00e0 de tr\u00e8s rares exceptions pr\u00e8s) lui \u00e9chappe : le sens de l\u2019\u00e9poque qui est la sienne. Le Big Data et le Machine Learning ne sont-ils pas pr\u00e9cis\u00e9ment les outils susceptibles de faire du genre humain tout entier \u2018le h\u00e9ros, le grand homme\u2019 qu\u2019\u00e9voquait Hegel ? \u00bb<\/span><\/p>\n

R\u00e9fl\u00e9chissons-y : le moment n\u2019est-il pas venu – le <\/span>timing<\/span><\/i> \u00e9tant en r\u00e9alit\u00e9 id\u00e9al par une co\u00efncidence proprement providentielle – de mobiliser les moyens d\u00e9sormais pharaoniques de la machine que nous avons su mettre au point par notre g\u00e9nie technologique, pour nous dire avec un degr\u00e9 de pr\u00e9cision inimaginable jusqu\u2019\u00e0 tr\u00e8s r\u00e9cemment, qui nous sommes en r\u00e9alit\u00e9 et quels sont les moyens qui nous permettront d\u2019\u00e9chapper au destin tragique qui se profile \u00e0 l\u2019horizon pour l\u2019humanit\u00e9.<\/span><\/p>\n

====================<\/p>\n

Durand, C\u00e9dric et Keucheyan, Ramzig, \u00ab Planification \u00e0 l\u2019\u00e2ge des algorithmes \u00bb dans <\/span>Actuel Marx<\/span><\/i>, n\u00b065, 2019\/1<\/span><\/p>\n

Rolnick, David, et al., \u00ab Tackling Climate Change with Machine Learning \u00bb, 5 novembre 2019<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

\n

Ouvert aux commentaires.<\/p>\n<\/blockquote>\n

Selon l\u2019un des p\u00e8res fondateurs de l\u2019ultralib\u00e9ralisme, Friedrich von Hayek, les individus \u00e9tant n\u00e9cessairement mieux inform\u00e9s que l\u2019\u00c9tat central pour prendre leurs d\u00e9cisions \u00e9conomiques, il \u00e9tait donc de bonne politique pour celui-ci de s\u2019abstenir d\u2019interf\u00e9rer avec le fonctionnement spontan\u00e9 du march\u00e9, afin que l\u2019offre et la demande s\u2019ajustent sans entrave.<\/span><\/p>\n

[…]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6105,13,6801],"tags":[940,6260,5348,968],"class_list":["post-116588","post","type-post","status-publish","format-standard","hentry","category-declarer-letat-durgence-pour-le-genre-humain","category-intelligence-artificielle","category-planification","tag-intelligence-artificielle-2","tag-jack-ma","tag-machine-learning","tag-planification"],"_links":{"self":[{"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/posts\/116588","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/comments?post=116588"}],"version-history":[{"count":1,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/posts\/116588\/revisions"}],"predecessor-version":[{"id":116589,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/posts\/116588\/revisions\/116589"}],"wp:attachment":[{"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/media?parent=116588"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/categories?post=116588"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/tags?post=116588"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}