La frontière entre réalité et illusion technologique s’estompe souvent dans notre quotidien, inondé de promesses marketing et d’innovations éphémères. Au cours des cinq dernières années, des termes comme métavers, blockchain et réalité virtuelle sont devenus omniprésents, mais à présent, c’est l’intelligence artificielle (IA) qui occupe le devant de la scène. Pour mieux comprendre cette effervescence, nous avons eu l’opportunité d’échanger avec Jon McLoone, directeur de la communication technique et de la stratégie chez Wolfram Research, une organisation reconnue pour son expertise en intelligence computationnelle et en innovation scientifique.
### L’Approche Unique de Wolfram Research
Fort d’une expérience de 32 ans au sein de Wolfram Research, Jon McLoone a contribué à divers projets et est actuellement à la tête de l’équipe technique en Europe. Lors de notre entretien, il a décrit la mission de Wolfram de manière concise : « Notre proposition de valeur réside dans notre connaissance de la computation et des technologies Wolfram. Nous adaptons notre technologie en fonction des problèmes rencontrés par nos clients, qui sont souvent engagés dans des démarches novatrices. »
Cela se traduit par un large éventail d’applications, allant de l’analyse des réseaux sociaux à la biologie, en passant par les sciences actuariales et les calculs financiers. Wolfram se positionne comme un acteur clé dans le domaine des applications mathématiques structurées.
### L’IA comme Outil de Résolution de Problèmes
Jon souligne que l’IA ne doit pas être perçue comme une solution miracle, mais comme une forme de computation supplémentaire. Bien que certains algorithmes aient été créés il y a plusieurs siècles, les modèles d’IA générative sont des ajouts récents à cet arsenal. Cependant, il est crucial de garder une perspective réaliste quant à ce que l’IA peut réellement accomplir.
« L’intelligence humaine demeure le facteur stratégique », insiste Jon. Les modèles générés par l’IA, malgré leur fluidité, manquent parfois de fiabilité, leur rôle étant de fournir des résultats plausibles plutôt que corrects. Dans le cadre spécifique de Wolfram, cela se révèle particulièrement problématique lorsqu’une réponse mathématique nécessite une précision rigoureuse.
### Symbolic AI : La Spécialité de Wolfram
L’accent est mis sur l’IA symbolique, que Jon illustre par une analogie simple : modéliser la trajectoire d’une balle lancée. L’IA générative se contentera de déduire la trajectoire d’après des milliers d’exemples, offrant ainsi une description susceptible d’être correcte, mais pauvre en compréhension. En revanche, une approche symbolique utilise des équations différentielles et divers facteurs pour donner une réponse précise, même dans un contexte inédit, comme la projection de la trajectoire d’une balle sur Mars.
L’harmonie parfaite pour résoudre des problématiques, qu’elles soient commerciales, scientifiques ou techniques, réside dans la synergie entre l’intelligence humaine, le raisonnement symbolique (représenté par le langage Wolfram) et l’IA, qui sert d’interface entre ces éléments.
### Interfaces et Structures : LIA au Service de l’Analyse
Un défi fréquent consiste à transformer le langage naturel en informations structurées exploitables. Les systèmes d’IA générative excellent dans ce domaine, offrant des conversions qui permettent ensuite de traiter les données de manière plus précise. L’exemple récent de travaux menés par Wolfram sur des dossiers médicaux souligne cette approche : en combinant des rapports manuscrits, tapés et numériques, ils ont pu structurer et analyser des données pour en tirer des statistiques pertinentes.
### Cas Pratique : De la Théorie à l’Application
Lors d’une présentation, Jon a pris comme exemple une usine fictive de préparation de barres chocolatées. En modifiant un ingrédient, les modèles computationnels peuvent quantifier l’impact sur la durée de conservation du produit. Les modèles de langage génératifs tenteraient de faire une prédiction sur une durée basée sur des tendances passées, mais une approche computationnelle rigoureuse permettrait d’obtenir des résultats probants, optimisant ainsi la productivité de la chaîne de production.
### Conclusion : Vers Une Collaboration Humain-IA
La multiplicité des applications de l’IA en entreprise nécessite une réflexion précise sur l’intégration de ces technologies. La combinaison d’un raisonnement symbolique rigoureux et d’outils d’exploitation des données offre une voie prometteuse pour répondre à des questions complexes, tout en gardant l’intelligence humaine au coeur du processus décisionnel.
Wolfram Research participera à l’événement TechEx à Amsterdam, les 1er et 2 octobre, où il présentera ses innovations dans le domaine de l’IA et de la science des données. Pour découvrir comment Wolfram peut apporter des solutions à des problématiques spécifiques, une visite à leur stand pourrait s’avérer enrichissante.
