{"id":64825,"date":"2019-04-29T13:59:27","date_gmt":"2019-04-29T17:59:27","guid":{"rendered":"https:\/\/isarta.com\/infos\/?p=64825"},"modified":"2019-07-12T11:50:20","modified_gmt":"2019-07-12T15:50:20","slug":"le-risque-algorithmique-est-un-sujet-de-plus-en-plus-important-mais-il-nest-pas-encore-compris-par-les-entreprises","status":"publish","type":"post","link":"https:\/\/isarta.com\/infos\/le-risque-algorithmique-est-un-sujet-de-plus-en-plus-important-mais-il-nest-pas-encore-compris-par-les-entreprises\/","title":{"rendered":"Risque algorithmique : comment g\u00e9rer ce nouveau risque \u00e0 l’\u00e8re de l’intelligence artificielle ?"},"content":{"rendered":"
\"\"<\/p>\n

Michael Albo : \u00ab\u00a0On va vers des algorithmes de plus en plus complexes \u00e0 interpr\u00e9ter pour des humains. \u00c7a veut dire qu’on est en train de perdre le contr\u00f4le de ce que font ces mod\u00e8les\u00a0\u00bb.<\/span><\/em><\/p>\n<\/div>\n

27 avril 2019<\/span><\/p>\n

Les \u00c9v\u00e9nements Les Affaires organisent le 7 mai prochain, en partenariat avec Isarta, une conf\u00e9rence d\u00e9di\u00e9e \u00e0 l’intelligence artificielle<\/a><\/span> et \u00e0 ses apports pour les entreprises. En amont, nous avons interrog\u00e9 l’un des intervenants,\u00a0 Michael Albo, le co-fondateur de la firme experte en science des donn\u00e9es Data Science Institute<\/span><\/a>, \u00e0 propos de la notion \u00e9mergente de risque algorithmique. Entrevue.<\/strong><\/span><\/p>\n

 <\/p>\n

Peut-on d\u00e9j\u00e0 expliquer ce qu’est le risque algorithmique ?<\/span><\/strong><\/span><\/h2>\n

Michael Albo :\u00a0<\/strong><\/span>C’est en fait le risque de ne plus \u00eatre\u00a0capable de comprendre comment la machine a pris sa d\u00e9cision, ce qui peut avoir des cons\u00e9quences r\u00e9putationnelles ou financi\u00e8res.<\/p>\n

Si l’on regarde l’\u00e9volution de l’intelligence artificielle (IA) et de l’apprentissage machine sur ces cinquante derni\u00e8res ann\u00e9es, on voit que l’on s’oriente de plus en plus vers des mod\u00e8les pr\u00e9cis. On passe d’algorithmes qui sont extr\u00eamement interpr\u00e9tables et simples \u00e0 comprendre (\u00e0 base de r\u00e9gressions lin\u00e9aires ou d’arbres de d\u00e9cision) \u00e0 des algorithmes nettement plus pr\u00e9cis mais moins interpr\u00e9tables.<\/p>\n

En effet, plus on a de la puissance de calcul, plus on va vers des algorithmes complexes \u00e0 interpr\u00e9ter pour des humains. \u00c7a veut dire qu’on est en train de perdre le contr\u00f4le de ce que font ces mod\u00e8les.<\/p>\n

Il y a donc une question d’arbitrage : vaut-il mieux un mod\u00e8le qui a 85 % de pr\u00e9cision mais qui reste interpr\u00e9table, que je comprends, ou un autre qui offre une pr\u00e9cision de 95 % mais non interpr\u00e9table ? C’est toute la question de l’\u00e9quilibre entre interpr\u00e9tabilit\u00e9 et pr\u00e9cision. Si je te dis par exemple, ce pont, il tient, mais je ne sais pas pourquoi. Est-ce que tu vas vouloir rouler dessus ?<\/p>\n

Ce risque existe-t-il d\u00e9j\u00e0 ?<\/span><\/strong><\/span><\/h2>\n

M. A. :\u00a0<\/strong><\/span>Bien s\u00fbr. En voici trois exemples concrets :<\/p>\n