Le deep learning, une forme d’intelligence artificielle
Yannick Meneceur, juriste, définit le « machine learning » comme « l’apprentissage automatique, [ce dernier] n’étant qu’une manière de créer de l’information en donnant du sens à des données par diverses méthodes statistiques bien connues ».
Cette intelligence artificielle permet la réalisation d’une opération par l’exemple, procédé qu’un humain est normalement chargé de réaliser.
Le deep learning (aussi appelé « apprentissage profond ») permet à la machine de générer une réponse résultant d’un apprentissage autonome. Cela par le fait des algorithmes dont le concepteur l’a doté. Elle ne nécessite pas l’exécution d’une programmation préalable comme les machines classiques.
La technique de deep learning est conceptualisée par le mathématicien britannique Alan Turing. Le procédé est basé sur un algorithme intelligent, capable d’évoluer, et trouver des solutions à partir de sa conception initiale.
De façon concrète, le procédé peut consister en l’analyse de la forme de données, en la reconnaissance de motifs (pattern en anglais) pour classer des images selon un élément précis, ou en la reconnaissance faciale à partir de photos d’identité.
Les coûts de cette technologie correspond au budget qu’une entreprise consacre à l’innovation dans son secteur d’activité. Certaines entreprises sont spécialisées dans la recherche et une production de produits à l’aide du deep learning, et y consacrent le budget principal de leur activité, comme « Horizon Robotics ». D’autres entreprises consacrent une moindre part de leur budget à l’innovation, à titre d’investissement pour leur activité, comme le budget attribué aux brevets.
L’intégration du deep learning au profit de la recherche scientifique
L’utilisation de ce type de technologie fait l’objet d’une demande dans certains domaines de recherche, notamment dans le domaine scientifique.
La combinaison d’un logiciel intelligent et d’une technique d’imagerie optique appelée « Stimulated Raman Histology » résulte en une nouvelle technique de détection de tumeurs cérébrales, résultat de l’utilisation du deep learning.
L’analyse de millions d’images de biopsies est prise en compte afin de détecter la tumeur. Cette technique permettrait de déterminer le type de cancer relatif à la tumeur identifiée. Le résultat est obtenu en moins de trois minutes, alors qu’un chirurgien a besoin d’une vingtaine de minutes et d’examens de biopsie physiques préalables afin de déterminer l’existence d’une tumeur chez un patient.
L’application du deep learning en matière commerciale
Aujourd’hui, au sein de la sphère privée, des entreprises commerciales, investissent dans cette technologie, afin de produire de nouvelles créations.
Un partenariat est conclu entre les entreprises Faurecia et Horizon Robotics, par la réalisation d’un accord-cadre visant à obtenir des « solutions de perceptions multimodales par l’intelligence artificielle ». La recherche d’un système de cockpits intelligent et d’une conduite autonome est élaborée par Horizon Robotics, leader sur le marché des produits intégrant le deep learning. Ainsi, cette intelligence artificielle constitue un facteur de concurrence dans le domaine commercial.
Le procédé de fonctionnement, consiste en le fait de laisser des algorithmes faire des choix, par des calculs mathématiques. L’initiative humaine est moins sollicitée que pour d’autres technologies relatives à l’intelligence artificielle.
La nécessité de règlementation et prise en compte de la dimension éthique du deep learning
Il existe une problématique sociale, devant être prise en compte pour cerner les effets néfastes d’une utilisation démocratisée des technologies de deep learning.
Le deep learning est utilisé dans le fonctionnement des voitures autonomes, afin de reconnaître un piéton, à l’aide de caméras et de capteurs, et permet l’identification de panneaux de signalisation.
En droit pénal français, l’entrée en circulation de voitures autonomes demanderait des ajustements des règles pénales, en cas d’accidents, il faut en conséquence envisager la responsabilité pénale.
L’utilisation d’un véhicule autonome serait favorable au conducteur enfreignant la règlementation routière, écopant d’amendes et évitant le casier judiciaire. Le cas des accidents de la circulation pose un problème plus dense.
Les infractions d’homicide et violences involontaires sont applicables aux litiges impliquant une intelligence artificielle, seulement la responsabilité de l’opérateur peut être mise en œuvre, lorsque la délégation de la conduite était au niveau 5, c’est-à-dire une délégation totale de l’activité, au moment des faits. L’opérateur s’occupe Le cas échéant la faute d’imprudence reste un moyen de défense propre aux victimes.
L’absence d’une règlementation définie en matière de deep learning fait subsister des difficultés pratiques pour les consommateurs ou bénéficiaires de cette technologie. En effet, une forme de contrôle de la réglementation applicable à la technologie au moment de sa commercialisation ou de son utilisation serait opportune afin de limiter les contentieux.
Mounia Berranen
Sources :
[4] voitures autonomes : https://www-dalloz-actualite-fr.proxy.scd.u-psud.fr/dossier/droit-penal-des-vehicules-autonomes-elements-d-actualite#.XfSdt_zjLIU