La recherche universitaire pour relever les défis de l’intelligence artificielle

Data science, intelligence artificielle (IA) et machine learning étaient au cœur des réflexions et des exposés présentés lors de la chaire en data science organisée ces 25 et 26 juin par la faculté d’informatique de l’UNamur en collaboration avec IBM. L’occasion pour les experts en data science et machine learning de l’UNamur de présenter un panel de challenges auxquels l’intelligence artificielle est confrontée, et d’évoquer les pistes de solutions étudiées à l’UNamur.

Bases de données hétérogènes et difficile à concilier, reproduction d’erreurs (qu’elles soient accidentelles ou volontaires), manque de garanties sur les résultats obtenus, problème de visualisation : si l’intelligence artificielle a ses forces et le potentiel de révolutionner nos sociétés, elle a aussi ses faiblesses. Au-delà des questions éthiques et juridiques qu’elle pose, l’intelligence artificielle doit aussi contourner des problèmes techniques. A l’occasion de la première « IBM chaire on data science » organisée à l’UNamur avec l’appui d’IBM, des professeurs de la Faculté d’informatique de l’UNamur ont listé dix challenges informatiques pour les professionnels de l’intelligence artificielle et des data sciences. Parmi ceux-ci, la certification, l’interprétabilité et l’intégration de l’humain.

Lorsqu’un logiciel utilise de l’intelligence artificielle, il est difficile de garantir qu’il fonctionnera correctement.  Il « apprend », change de comportement au fil du temps et peut même se tromper.  Du coup, il faut de nouvelles techniques pour garantir que le logiciel ne se mette à dérailler.  C’est le sujet de l’ambitieux projet EOS « VeriLearn » mené à la Faculté d’informatique.

Pour permettre aux humains de rester dans le coup, il faut évidemment que les intelligences artificielles restent compréhensibles par eux et qu’ils puissent interagir avec celles-ci.  Plusieurs thèses de doctorats sont menées sur cette thématique dans l’équipe de Benoît Frénay.  L’enjeu est de taille : rendre interprétable des décisions prises par une IA et nous permettre de corriger son comportement.

En data science, les données sont souvent difficiles à obtenir.  Elles viennent de vieux systèmes informatiques, de base de données incompatibles, etc.  Le projet H2020 Typhon, auquel participe Anthony Cleve, propose des solutions pour permettre de faire évoluer des systèmes utilisant des données à grande échelle.  

Finalement, l’intelligence artificielle a pour but de fournir des supports aux utilisateurs, notamment dans l’exploration de leurs données. C’est dans ce cadre que le domaine de la visualisation de l’information entre en jeu. Là aussi la Faculté d’informatique est active, notamment dans l’exploration de techniques d’interaction avancées pour la visualisation avec l’équipe de Bruno Dumas.

« On pourrait encore lister de multiples autres challenges dans le domaine des data sciences et de l’intelligence artificielle. Cela montre à quel point la recherche universitaire est nécessaire pour proposer des pistes de solutions », conclut Benoît Frenay.

Une recherche universitaire développée depuis de nombreuses années par la Faculté d’informatique de l’UNamur et au travers du NaDI (Namur Digital Institute) qui rassemble plus de 150 chercheurs.

Cette expertise de pointe en matière de data science est aussi mise à profit dans son enseignement avec l’organisation depuis septembre 2017, d’une finalité spécialisée en Data Science proposée dans les masters en sciences mathématiques, en informatique et en ingénieur de gestion. Cette formation interdisciplinaire a pour objectif de former des analystes de données, mais également les concepteurs des solutions de demain. Les étudiants deviendront ainsi experts en big data, data warehousing, machine learning, data mining, visualisation de l'information, graph mining et business intelligence.