Conseil présidentiel de la science : Encore un gadget pour déstabiliser les institutions du régime

Conseil présidentiel de la science : Encore un gadget pour déstabiliser les institutions du régime

Pour anodine que puisse paraître la mise en place d’un groupe de scientifiques destiné à éclairer le chef de l’Etat, cette initiative augmente le nombre des intermédiaires dans la prise de décision, en marge de la Constitution, relève, dans une tribune au « Monde », le juriste Thibaud Mulier.

Ce jeudi 7 décembre, le président de la République, Emmanuel Macron, a annoncé la création d’un conseil présidentiel de la science composé de douze membres qui ont été installés en dehors de la logique collégiale de nomination par les pairs caractéristique des milieux scientifiques. Un de plus. Conseil présidentiel pour l’Afrique, des villes, du développement… et pour finir, de la science. Il faut dire que le chef de l’Etat apprécie ces instances ad hoc à l’appareil gouvernemental, déclinées à l’envi et créées ex nihilo, pour l’« aider dans l’orientation, l’alerte et le suivi des décisions prises ».

Un autre choix aurait pu être fait pour gouverner avec les savoirs existants, comme celui de créer une autorité administrative indépendante en la matière, ou bien de nommer un conseiller scientifique auprès du gouvernement. Pour autant, quiconque s’intéresse à ces questions ne s’étonnera pas vraiment de ce choix. Depuis longtemps, nous sommes habitués à l’interventionnisme présidentiel tous azimuts. Les déclinaisons des conseils de défense écologique, sanitaire ou énergétique le rappellent sans ambages.

Pour le chercheur, ce choix nourrit, au mieux, un certain scepticisme devant une telle marque d’intérêt pour son activité, alors que le conseil stratégique de la recherche (créé en 2013 et placé auprès du premier ministre) n’a pas été réuni une seule fois depuis l’accession au pouvoir du président Macron ; au pire, de l’indifférence, tant la souffrance du milieu de l’enseignement supérieur et de la recherche est documentée de longue date. Pour le constitutionnaliste, en revanche, la création de cet énième conseil présidentiel a de quoi interpeller, pour ne pas dire inquiéter.

Elle interpelle dans la mesure où le président Macron poursuit la pratique du « gouvernement par conseil » qui s’inscrit dans le temps long de l’histoire. Sous la monarchie, il était question de polysynodie, souvent attachée à la période de régence, mais qui constituait aussi un système de gouvernement par conseil, la plupart du temps intermittent, doté d’attributions diverses en fonction de sa déclinaison. La politiste Delphine Dulong a mis en évidence que la pratique des « conseils restreints » a été privilégiée pendant les premières décennies de la Ve République, afin de faciliter, justement, l’immixtion du président de la République dans le travail gouvernemental.

Des cerveaux de plus en plus gourmands en énergie

Des cerveaux de plus en plus gourmands en énergie

C’est l’un des grands paradoxes de l’évolution. L’humain a démontré que le fait d’avoir un gros cerveau est la clé de son succès dans l’évolution, et pourtant ce type de cerveau est extrêmement rare chez les autres animaux. La plupart d’entre eux se débrouillent avec de petits cerveaux et ne semblent pas avoir besoin de plus de neurones. Pourquoi ? La réponse sur laquelle la plupart des biologistes se sont accordés est de dire que les gros cerveaux sont coûteux en termes d’énergie nécessaire à leur fonctionnement. Et, compte tenu du mode de fonctionnement de la sélection naturelle, les avantages ne dépasseraient tout simplement pas les coûts. Mais s’agit-il seulement d’une question de taille ? La façon dont nos cerveaux sont organisés affecte-t-elle leur coût énergétique ? Une nouvelle étude, publiée dans Science Advances, apporte des réponses intéressantes.

par Mirazon Lahr
Professor of Human Evolutionary Biology & Director of the Duckworth Collection, University of Cambridge dans The Conversation

Tous nos organes ont des coûts énergétiques de fonctionnement, mais certains sont peu élevés et d’autres très chers. Les os, par exemple,demandent assez peu d’énergie. Bien qu’ils représentent environ 15 % de notre poids, ils n’utilisent que 5 % de notre métabolisme. Les cerveaux sont à l’autre extrémité du spectre, et avec environ 2 % du poids du corps humain typique, leur fonctionnement utilise environ 20 % de notre consommation d’énergie totale. Et ce, sans aucune réflexion particulièrement intense – cela se produit même lorsque nous dormons.

Sur The Conversation, retrouvez des analyses, pas des invectives.
Pour la plupart des animaux, les avantages qu’apporterait un cerveau si énergivore n’en vaudraient tout simplement pas la peine. Mais pour une raison encore inconnue – peut-être la plus grande énigme de l’évolution humaine – les humains ont trouvé des moyens de surmonter les coûts d’un cerveau plus gros et d’en récolter les bénéfices.

Il est certain que les humains doivent supporter les coûts les plus élevés de leur cerveau, mais ces derniers sont-ils différents en raison de la nature particulière de notre cognition ? Le fait de penser, de parler, d’être conscient de soi ou de faire des additions coûte-t-il plus cher que les activités quotidiennes typiques des animaux ?

Il n’est pas facile de répondre à cette question, mais l’équipe à l’origine de cette nouvelle étude, dirigée par Valentin Riedl de l’université technique de Munich, en Allemagne, a relevé le défi.

Les auteurs disposaient d’un certain nombre d’éléments connus pour commencer. La structure de base des neurones est à peu près la même dans tout le cerveau et chez toutes les espèces. La densité neuronale est également la même chez l’homme et les autres primates, de sorte qu’il est peu probable que les neurones soient le moteur de l’intelligence. Si c’était le cas, certains animaux dotés d’un gros cerveau, comme les orques et les éléphants, seraient probablement plus « intelligents » que les humains.

Les éléphants ont de plus gros cerveaux que les humains.

Ils savaient également qu’au cours de l’évolution humaine, le néocortex – la plus grande partie de la couche externe du cerveau, connue sous le nom de cortex cérébral – s’est développé plus rapidement que les autres parties. Cette région, qui comprend le cortex préfrontal, est responsable des tâches impliquant l’attention, la pensée, la planification, la perception et la mémoire épisodique, toutes nécessaires aux fonctions cognitives supérieures.

Ces deux observations ont amené les chercheurs à se demander si les coûts énergétiques de fonctionnement varient d’une région à l’autre du cerveau.

L’équipe a scanné le cerveau de 30 personnes à l’aide d’une technique permettant de mesurer simultanément le métabolisme du glucose (une mesure de la consommation d’énergie) et la quantité d’échanges entre neurones dans le cortex. Ils ont ensuite pu examiner la corrélation entre ces deux éléments et voir si les différentes parties du cerveau utilisaient des niveaux d’énergie différents.

Les neurobiologistes ne manqueront pas d’analyser et d’explorer les moindres détails de ces résultats, mais d’un point de vue évolutif, ils donnent déjà matière à réflexion. Les chercheurs ont constaté que la différence de consommation d’énergie entre les différentes zones du cerveau est importante. Toutes les parties du cerveau ne sont pas égales, énergétiquement parlant.

Les parties du cerveau humain qui se sont le plus développées ont des coûts plus élevés que prévu. Le néocortex demande environ 67 % d’énergie en plus que les réseaux qui contrôlent nos mouvements.

Cela signifie qu’au cours de l’évolution humaine, non seulement les coûts métaboliques de nos cerveaux ont augmenté au fur et à mesure qu’ils grossissaient, mais qu’ils l’ont fait à un rythme accéléré, le néocortex se développant plus rapidement que le reste du cerveau.

Pourquoi en est-il ainsi ? Un neurone est un neurone, après tout. Le néocortex est directement lié aux fonctions cognitives supérieures.

Les signaux envoyés à travers cette zone sont médiés par des substances chimiques cérébrales telles que la sérotonine, la dopamine et la noradrénaline (neuromodulateurs), qui créent des circuits dans le cerveau pour aider à maintenir un niveau général d’excitation (au sens neurologique du terme, c’est-à-dire d’éveil). Ces circuits, qui régulent certaines zones du cerveau plus que d’autres, contrôlent et modifient la capacité des neurones à communiquer entre eux.

En d’autres termes, ils maintiennent le cerveau actif pour le stockage de la mémoire et la réflexion – un niveau d’activité cognitive généralement plus élevé. Il n’est peut-être pas surprenant que le niveau d’activité plus élevé impliqué dans notre cognition avancée s’accompagne d’un coût énergétique plus élevé.

En fin de compte, il semble que le cerveau humain ait évolué vers des niveaux de cognition aussi avancés non seulement parce que nous avons de gros cerveaux, ni seulement parce que certaines zones de notre cerveau se sont développées de manière disproportionnée, mais aussi parce que la connectivité s’est améliorée.

De nombreux animaux dotés d’un gros cerveau, comme les éléphants et les orques, sont très intelligents. Mais il semble qu’il soit possible d’avoir un gros cerveau sans développer les « bons » circuits pour une cognition de niveau humain.

Ces résultats nous aident à comprendre pourquoi les gros cerveaux sont si rares. Un cerveau de grande taille peut permettre l’évolution d’une cognition plus complexe. Cependant, il ne s’agit pas simplement d’augmenter la taille des cerveaux et l’énergie au même rythme, mais d’assumer des coûts supplémentaires.

Cela ne répond pas vraiment à la question ultime : comment l’homme est-il parvenu à franchir le plafond de l’énergie cérébrale ? Comme souvent dans l’évolution, la réponse se trouve dans l’écologie, la source ultime d’énergie. La croissance et le maintien d’un cerveau de grande taille – quelles que soient les activités sociales, culturelles, technologiques ou autres auxquelles il est destiné – nécessitent un régime alimentaire fiable et de qualité.

Pour en savoir plus, nous devons explorer le dernier million d’années, la période où le cerveau de nos ancêtres s’est réellement développé, afin d’étudier cette interface entre la dépense énergétique et la cognition.

Recherche: une révolution ou gadget

Recherche: une révolution utopique dans un tel délai

Le président du Collège des sociétés savantes académiques de France, Patrick Lemaire, juge durement la réforme de la recherche présentée le 7 décembre par Emmanuel Macron

Président du Collège des sociétés savantes académiques de France, le biologiste Patrick Lemaire réagit à la « Vision pour l’avenir de la recherche française » présentée jeudi 7 décembre par le président de la République.

Votre collège de sociétés savantes a formulé, dans une tribune au Monde, une proposition de conseil. Que pensez-vous de la formule retenue par Emmanuel Macron ?

Cela n’a simplement aucun rapport. Le fait que ce conseil n’interagisse qu’avec lui, mais pas avec les ministres ou avec quiconque, en fait simplement un gadget. Rien dans l’intervention du président de la République n’avait pour but d’améliorer la prise en compte des connaissances scientifiques par les politiques. C’est resté un angle mort complet de son discours.

Même lorsqu’il a souligné l’importance du grade de docteur, il a insisté sur leur entrée dans les entreprises, pas dans les ministères ou les administrations pour appliquer des politiques inspirées par les sciences. Au vu des incertitudes politiques pour la suite, on se dit que cela aurait pu être le moment d’instituer une autorité indépendante qu’on ne peut faire taire facilement. C’est un peu une occasion ratée.

La création de ce conseil n’était pas au centre de son allocution…

Il a balayé les sujets de manière très large, utilisant à plusieurs reprises le terme « révolution ». Mais penser révolutionner l’organisation de la recherche en dix-huit mois, tout le monde sait que c’est irréaliste. La simplification principale concerne le pilotage stratégique pour des recherches qui, je dirais, amènent à un retour sur investissement, très orientées public-privé. Même l’allusion aux sciences humaines et sociales dénotait une vision très utilitariste .

Sciences: Des ministres ignorants ?

Sciences: Des ministres ignorants ?

« Il faut encourager les ministres à agir dans le respect de l’état des savoirs scientifiques » ou dit de manière claire, les ministres sont trop ignorants de l’état d’avancée de la science. Alors qu’Emmanuel Macron doit annoncer, jeudi 7 décembre, la création d’un conseil scientifique auprès de la présidence, le Collège des sociétés savantes académiques de France estime, dans une tribune au « Monde », que la première mission d’un conseiller scientifique du gouvernement devrait être d’établir une relation de confiance.

La simultanéité des crises économiques, sociales, environnementales et sanitaires qui frappent le monde interpelle et force à la réflexion. Pas seulement sur notre impréparation, notre amnésie ou la lenteur de nos réponses collectives. Certainement pas en montrant du doigt les pilotes aux manettes pendant les périodes les plus compliquées.

Car ces crises se sont construites sur des décennies, malgré les alertes. Elles nous obligent à repenser les déterminants de l’action publique pour que le long terme cesse d’être sacrifié sur l’autel du court terme. Comprendre la succession des vagues de SARS-CoV-2, établir le rôle de l’humanité dans les dérèglements climatiques et l’effondrement de la biodiversité ou documenter le creusement des inégalités sociales, voilà quelques sujets sur lesquels les sciences humaines, sociales, expérimentales ou technologiques établissent des constats objectifs et donnent des outils pour l’avenir. Si la sphère scientifique n’a pas vocation à se substituer à la sphère politique, elle peut néanmoins fournir une lanterne lorsque la société avance à tâtons.

Encore faut-il pour cela que ces deux sphères, traditionnellement plus éloignées que les sphères politique et économique, se rencontrent. Les gouvernements de certains pays se sont ainsi dotés d’un « conseiller scientifique en chef », un ou une scientifique de haut niveau dont la mission à plein temps est d’établir une proximité quotidienne entre les milieux académique et politique, et de créer entre eux une relation de confiance exigeante.

Cette personnalité s’appuie sur la communauté académique pour définir un champ des actions possibles compatibles avec l’état des connaissances scientifiques et en expliquer la pertinence aux responsables politiques et au public. Pour garantir l’indépendance de sa parole, elle n’est pas intégrée à l’exécutif et ne prend pas part aux décisions, qui reviennent aux responsables politiques.

Faire fonctionner l’interface cerveau-machine

Faire fonctionner l’interface cerveau-machine

Un patient paralysé qui remarche en contrôlant un exosquelette robotique par la force de sa pensée. Ce n’est pas de la science-fiction, c’est ce que l’on appelle une interface cerveau-machine ; c’est-à-dire un système qui établit une connexion entre le cerveau et un système automatisé sans nécessiter le moindre mouvement de la part de l’utilisateur.

François Hug
Professeur en sciences du mouvement humain, Directeur adjoint du Laboratoire Motricité Humaine Expertise Sport Santé (LAMHESS), Université Côte d’Azur

Simon Avrillon
Post-doctorant en neuroscience, Imperial College London

Le principe consiste à enregistrer les signaux électriques du cerveau puis à les décoder, c’est-à-dire à les associer à des mouvements. Ainsi, en détectant les intentions de mouvement, ces interfaces permettent à des patients de communiquer ou de contrôler des prothèses robotiques. Cependant, mesurer l’activité électrique du cerveau n’est pas facile. On peut utiliser des électrodes posées à la surface du crâne et ainsi obtenir un électroencéphalogramme (EEG). Seulement ces signaux sont souvent difficiles à décoder. Une alternative consiste à implanter des électrodes directement au contact des aires motrices du cerveau, ce qui nécessite une intervention chirurgicale.

Bien que les bénéfices attendus surpassent les risques encourus par la chirurgie, des solutions complémentaires sont actuellement à l’étude. Et de manière surprenante, ces solutions s’intéressent à un organe bien différent du cerveau : le muscle. Ces approches ont l’avantage d’être non invasives et pourraient avoir des applications dans la compréhension des mécanismes cérébraux impliqués dans la production du mouvement ou de manière plus pratique à permettre le contrôle de prothèse chez des personnes en situation de handicap ou qui ont subi une amputation.

Notre cerveau contrôle la plupart de nos mouvements en envoyant à nos muscles des messages nerveux sous forme d’impulsions électriques. Ces messages nerveux transitent notamment via des neurones dits moteurs – ou motoneurones spinaux – qui relient la moelle épinière aux fibres musculaires. Chaque motoneurone est connecté à plusieurs fibres musculaires (jusqu’à plusieurs milliers) et lorsqu’une impulsion électrique se propage le long d’un motoneurone, il conduit nécessairement à la formation d’une impulsion électrique sur chacune des fibres musculaires innervées. Ainsi, en plus de recevoir l’information sur la commande nerveuse du mouvement, le muscle agit comme un amplificateur de cette commande puisque chaque impulsion électrique est démultipliée par le nombre de fibres musculaires sur lesquelles elle se propage.

Depuis bientôt deux décennies, nous sommes capables de décoder l’activité électrique d’un muscle en utilisant une technique appelée électromyographie (EMG) haute densité, qui consiste à placer des dizaines, voire des centaines d’électrodes à la surface de la peau.

Schéma du principe de l’électromyographie (EMG) haute densité. Fourni par l’auteur
Combinés à l’utilisation d’algorithmes d’intelligence artificielle, les signaux recueillis peuvent être décomposés afin d’isoler l’activité de plusieurs motoneurones, fournissant une information sur la commande émise par le cerveau et transitant par la moelle épinière. Ainsi, le motoneurone spinal est le seul neurone du corps humain dont l’activité électrique peut être mesurée de manière non invasive, c’est-à-dire sans franchir la barrière de la peau. De telles informations n’avaient été obtenues jusqu’alors qu’avec des électrodes implantées dans des muscles ou des nerfs.

En utilisant cette approche non invasive, une étude a récemment démontré qu’il est possible de décoder l’intention de mouvement d’un patient tétraplégique pour lui permettre de contrôler une main virtuelle. Malgré la lésion de la moelle épinière de ce patient qui altère fortement la transmission de l’information du cerveau vers les muscles de la main, ces chercheurs ont été capables de mesurer l’activité résiduelle de quelques motoneurones encore actifs. Bien qu’en nombre bien trop faible pour permettre un mouvement, ces motoneurones véhiculent toujours une commande nerveuse émanant principalement du cerveau, et donc une intention de mouvement. Ainsi, lorsque le patient essayait de fléchir son majeur, l’activité de quelques motoneurones était détectée par des électrodes posées sur son avant-bras, puis utilisée pour piloter une main virtuelle qui reproduisait une flexion du majeur. À terme, il devrait être envisageable de piloter des gants robotiques avec cette approche afin de retrouver en partie la fonction des mains.

Au-delà de permettre le développement d’interfaces cerveau-machine innovantes, la capacité à décoder l’activité de motoneurones permet de changer radicalement l’échelle à laquelle nous étudions le mouvement. L’approche classique considère que le mouvement est contrôlé à l’échelle du muscle. Par exemple, lorsque l’on souhaite réaliser une extension de la jambe, le cerveau spécifierait l’activité des muscles produisant cette action, notamment les quatre muscles qui composent le quadriceps (c.-à-d., les muscles situés sur le devant de la cuisse). Cette vision est remise en cause par les résultats d’une étude de notre équipe, impliquant des chercheurs de l’université Côte d’Azur et des chercheurs de l’Imperial College London.

Cette étude démontre que les commandes nerveuses sont distribuées à des groupes de motoneurones, et que ces groupes sont partiellement découplés des muscles. Ainsi, des motoneurones innervant deux muscles différents peuvent recevoir la même commande s’ils contribuent au même mouvement alors que deux motoneurones innervant le même muscle peuvent recevoir des commandes différentes s’ils contribuent à des actions différentes. En d’autres termes, notre cerveau spécifierait une commande pour des groupes de motoneurones, sans nécessairement se soucier des muscles. Cette organisation permettrait de simplifier le contrôle du mouvement (en transmettant la même commande à plusieurs motoneurones) tout en restant capable de réaliser un large répertoire de mouvements (en permettant notamment à certains muscles d’assurer plusieurs fonctions). Au delà de mieux décrire la production du mouvement, cette nouvelle théorie permet d’envisager l’augmentation des capacités humaines.

De la récupération à l’augmentation du mouvement, il n’y a qu’un bras
Bien que la capacité de décoder les intentions de mouvement offre des perspectives de restauration du mouvement pour de nombreux patients, elle permet également d’envisager l’augmentation du corps humain. Bien qu’effrayante et captivante à la fois, l’idée d’augmenter les capacités du corps humain avec des membres supplémentaires est au centre de plusieurs programmes de recherche.

Imaginez-vous en train d’écrire un mail tout en préparant un café grâce à un troisième bras. Bien que nous n’en soyons pas encore là, des chercheurs ont montré que nous sommes capables d’apprendre à utiliser un troisième pouce (robotique) en le contrôlant avec nos gros orteils. Mais attention, pour parler d’augmentation, il ne faut pas que l’utilisation d’un nouveau membre impacte les capacités de mouvement existantes. Par exemple, ce troisième pouce étant contrôlé par les mouvements des gros orteils, il est impossible de l’utiliser en marchant, et sans doute assez difficile de l’utiliser en étant debout.

Il est donc nécessaire de créer une nouvelle commande pour ce nouveau membre. C’est ici que la capacité d’identifier l’activité des motoneurones prend tout son sens. En effet, on pourrait imaginer qu’un individu puisse dissocier l’activité de motoneurones d’un même muscle du bras, de manière spontanée ou après avoir été entraîné à le faire. Ainsi, ces motoneurones transmettraient deux commandes différentes au lieu d’une seule : l’une pour le mouvement du bras et l’autre pour commander ce nouveau membre robotique.

En outre, des études récentes suggèrent que ces motoneurones transmettent bien plus d’information que nécessaire pour contrôler le mouvement ; ainsi des recherches en cours visent à exploiter ces informations non utilisées par nos muscles pour créer de nouvelles possibilités de commande.

Irons-nous jusqu’à nous représenter ce nouveau bras comme partie intégrante de notre corps ? Ou devrons-nous admettre que notre cerveau ne peut contrôler que deux bras et deux jambes ?

La recherche engluée dans les procédures administratives

La recherche engluée dans les procédures administratives

Pierre Rochette, géologue et physicien, professeur à Aix-Marseille Université, appelle, dans une tribune au « Monde », la communauté scientifique à dénoncer le fardeau de la bureaucratie qui entrave la recherche nationale.

Le Centre national de la recherche scientifique (CNRS), fondé par Jean Zay juste avant la seconde guerre mondiale et bénéficiant aujourd’hui d’un budget de près de 4 milliards d’euros, constitue la colonne vertébrale de la recherche scientifique en France à travers un réseau national d’unités de recherche mixtes (avec les universités et d’autres organismes nationaux plus petits), des infrastructures et 32 000 employés. Son rôle structurant faisait la fierté de la recherche française et a produit une multitude d’avancées scientifiques majeures.

Cependant une profonde vague de frustration et de découragement agite la communauté scientifique avec des signaux de toutes parts : deux pétitions signées par plus de 3 700 acteurs de la recherche, intitulées « CNRS… on n’en peut plus ! » et « Le bateau CNRS coule », de nombreux communiqués des syndicats, un rapport du conseil scientifique du CNRS, intitulé « Les entraves à la recherche », et enfin un rapport d’experts internationaux mandaté par le Haut Conseil de l’évaluation de la recherche et de l’enseignement supérieur (Hcéres), qui appelle à « une action commando » face au « fardeau bureaucratique ».

Dans leurs pétitions, les chercheurs ne demandent pas d’augmentation de salaire, ils ne demandent pas plus de moyens, non, ils demandent simplement qu’on les laisse faire leur travail sereinement, et de disposer efficacement de leurs crédits très souvent gérés par le CNRS, même s’ils proviennent d’autres sources !

Depuis cet été, un trio de logiciels, acheté à une entreprise privée, a été mis en place pour gérer de A (l’ordre de mission) à Z (la remise des états de frais) les déplacements financés par le CNRS. Le résultat est un calvaire indescriptible pour les missionnaires et les gestionnaires. Les missionnaires doivent faire le travail des gestionnaires (générer la liste des frais dans le système et rentrer tous les justificatifs). La difficulté est telle que nombre d’entre eux renoncent à partir en mission ou à se faire rembourser une mission faite. Les gestionnaires, loin d’avoir des tâches en moins, sont débordés par une multitude de validations et d’opérations bloquées, dont le débogage prend un temps fou. Le stress est généralisé.

Cette catastrophe administrative n’est qu’une (très grosse) goutte d’eau qui fait déborder le vase des entraves au travail de recherche. La gestion au CNRS est envahie par un juridisme qui rend tout acte de plus en plus pesant chaque année.

Sciences-Intelligence artificielle: La France parmi les leaders mondiaux !

Sciences-Intelligence artificielle: La France parmi les leaders mondiaux !

Xavier Niel, Free et Iliad, qui vient de lancer un fonds de recherche sur l’intelligence artificielle avec la CGM estime que la France seule peut figurer parmi les leaders mondiaux dans ce domaine. Une affirmation peut-être un peu présomptueuse si l’on prend l’exemple des grandes plates-formes dominées surtout par les Américains et les Chinois. Les plates-formes françaises sont complètement anecdotiques. Pire, les distributeurs des produits français utilisent le plus souvent les plates-formes étrangères comme Google pour vendre . L’initiative de Xavier Neil est intéressante mais il faut sans doute faire la part du marketing et de la recherche dans son interview à la « Tribune ». Enfin le montant de l’avertissement n’est peut-être pas à la hauteur de l’enjeu. Entre 2013 et 2022, les investissements des entreprises dans le secteur de l’intelligence artificielle ont fortement augmenté dans le monde, passant de 16 milliards de dollars en 2013 à plus de 175 milliards de dollars en 2022.

Iliad investit plus de 200 millions d’euros dans l’intelligence artificielle. Dans quel objectif ?

XAVIER NIEL- Quand éclate une révolution dans la tech, on souhaite naturellement en faire partie. Pour l’IA, deux éléments sont essentiels : la puissance de calcul et les chercheurs. Concernant le premier, Scaleway, le fournisseur de cloud et filiale du Groupe Iliad, a déjà acquis en septembre dernier auprès de NVIDIA, le champion mondial du calcul informatique, un supercalculateur : une plateforme spécifiquement dédiée aux applications de l’intelligence artificielle. C’est le cinquième plus grand au monde. Le plus puissant en dehors des États-Unis. Il est installé ici, à Paris. Sans volonté hégémonique. Simplement celle de faire émerger un écosystème.

Et du côté des chercheurs ?

Nous avons une chance inouïe en France. Celle de compter deux écoles – Polytechnique et l’ENS Paris-Saclay -, qui forment les meilleurs ingénieurs au monde dans ce domaine. Le revers de la médaille, c’est que ces talents exceptionnels quittent souvent leur pays pour aller ailleurs. Mon but consiste à les retenir ici. Ou à les inciter à revenir. Dans les deux cas, concevoir un écosystème complet était indispensable. Nous l’avons construit, en investissant massivement avec nos partenaires américains traditionnels, à hauteur de plusieurs dizaines de millions d’euros. Nous ne l’avions encore jamais fait. Ces investissements ont été réalisés dans des startups lancées par des Français. Mais aussi dans celles fondées par des entrepreneurs internationaux, qui choisissent la France précisément grâce à cet environnement que nous avons mis en place. La French Tech parvient désormais à boucler des levées de fonds sur des niveaux de valorisations inédits.

Quel système pertinent de publication scientifique

Quel système pertinent de publication scientifique

Le système de publication scientifique est sous tension : l’accès aux publications doit être libre et gratuit, mais publier a un coût. Historiquement, ce coût revenait aux lecteurs. Désormais, il incombe souvent aux auteurs, permettant un accès gratuit aux lecteurs, avec en 2019 31 % de tous les articles scientifiques publiés qui étaient accessibles à tous. La note, souvent réglée avec de l’argent public, peut atteindre plus de 10 000 euros par article. Ce marché juteux, avec des marges bénéficiaires pouvant atteindre 40 %, a conduit nombre de scientifiques à ne plus accepter que des maisons d’édition profitent d’un travail intellectuel qu’elles ne financent et ne rémunèrent pas.

par
François Massol
Directeur de recherche en écologie, Université de Lille dans The Conversation

Simultanément, le système d’évaluation conventionnel des scientifiques, fondé notamment sur le nombre de publications en général et dans des périodiques à haut facteur d’impact (IF, correspondant au nombre moyen annuel de citations des articles d’un périodique parus les deux années précédentes) en particulier, est remis en question depuis la Déclaration sur l’évaluation de la recherche de San Francisco (DORA). DORA est une déclaration collective internationale, initialement élaborée lors d’une réunion annuelle de la Société américaine de biologie cellulaire en 2012, et qui a été progressivement ratifiée par nombre d’universités et d’organismes de recherche, par exemple en France le CNRS et le CEA.

La collision de ces deux changements débouche sur de nouveaux questionnements :

Quels impacts ces transformations ont-elles sur la qualité de la science ?

Des analyses de qualité et sans publicité, chaque jour dans vos mails.
Peut-on raisonner l’usage fait de l’argent public dans la publication académique ?

La transition actuelle du système lecteur-payeur vers le système auteur-payeur s’est accompagnée de l’émergence de maisons d’édition scientifique qualifiées « de prédatrices ». Développant des démarches commerciales agressives, notamment via quantité de numéros spéciaux, leur objectif principal étant de « faire du profit » en imposant des coûts de publication démesurés (article-processing charges ou APC), et non de promouvoir une science de qualité.

En effet, le processus d’évaluation des articles y est souvent médiocre (brefs délais d’évaluation, évaluateurs peu compétents), parfois inexistant, conduisant à une pollution massive de la littérature par des résultats mal, voire pas vérifiés. En 2015, déjà un cinquième de la production scientifique mondiale paraissait dans des maisons d’édition prédatrices.

Un effet secondaire est l’érosion de la confiance des scientifiques dans le processus d’évaluation par les pairs, pourtant robuste et éprouvé depuis plus d’un siècle.

À la racine du problème, un cercle vicieux : les chercheurs sont engagés dans une course frénétique à la publication et les évaluateurs disponibles, non rémunérés pour ce travail d’évaluation et devant eux-mêmes publier, deviennent une ressource limitante.

Quand des périodiques traditionnels s’échinent à dénicher des évaluateurs compétents et disponibles, les prédateurs se contentent d’évaluateurs peu compétents qui, contre des rabais sur des APC futurs, écriront de brefs rapports justifiant d’accepter au plus vite un article. Couper le robinet des évaluateurs et refuser d’y soumettre ses travaux, soit par décision personnelle, soit collectivement, permettrait de contrer l’émergence et le développement de ces maisons d’édition prédatrices.

Mais la volonté d’aller dans ce sens est-elle là ? Reconnaître les travers de ce système prédateur est nécessairement lent, en particulier lorsqu’on y a largement contribué.

Il est difficile de définir le caractère prédateur d’un éditeur et certaines revues vont donc se situer dans une zone grise, à la limite de la prédation. De plus, si l’objectif des revues prédatrices est avant tout le profit, le montant des APC n’est pas une condition suffisante pour qualifier un périodique de prédateur – les APC de revues liées à des sociétés savantes (à but non lucratif) sont parfois élevés, mais tout ou partie de ces APC leur sert à développer leur mission dont l’utilité sociale est avérée.

Couper les ailes de l’édition prédatrice passe aussi par une évaluation différente de l’activité des scientifiques, en s’écartant d’une évaluation actuellement trop quantitative, car largement fondée sur le nombre d’articles et sur l’IF des revues (une métrique mesurant leur audience et non leur qualité).

DORA et l’appel de Paris vont dans ce sens en proposant la fin de l’utilisation de l’IF, mais aussi du nombre de publications, comme métriques centrales de l’évaluation. Ainsi, des institutions françaises, dont le CNRS, INRAE, l’ANR et l’Hcéres, demandent non pas la liste exhaustive des productions, mais une sélection que la personne évaluée souhaite mettre en avant, avec une explication détaillant les qualités, la signification et la portée de cette sélection dans son projet. Ce changement d’évaluation, simple à mettre en œuvre, permet de limiter une course aux publications faciles et coûteuses. Ces initiatives de réforme du système d’évaluation académique fleurissent dans d’autres pays, par exemple aux Pays-Bas et au Canada, ou encore au niveau européen avec la coalition CoARA.

Bien entendu, il est peu probable que les chercheurs évaluateurs des dossiers ou des projets de collègues jettent les indicateurs aux orties, IF ou autres, surtout quand l’évaluation, qui prend un temps considérable lorsqu’elle est menée sérieusement, est si mal valorisée en tant qu’activité dans l’évaluation des chercheurs. Mais combiner évaluation quantitative et qualitative à d’autres critères tels le prix des APC, les profits et leurs usages, la durabilité numérique, la transparence des évaluations ou la reproductibilité des résultats publiés, est souhaitable.

Les comités d’évaluation des chercheurs, par exemple au niveau national le Conseil national des universités et au Comité national de la recherche scientifique, doivent se saisir de ces nouveaux critères, les expliciter et les rendre publics. Il serait aussi souhaitable qu’ils statuent sur les maisons d’édition prédatrices ou semi-prédatrices, ou à la manière de la conférence des Doyens des facultés de médecine, sur les maisons d’édition non prédatrices.

Ils doivent se saisir au plus vite de la question de l’articulation entre modèles de publication et évaluation des chercheurs, pour ne pas se faire devancer par les maisons d’édition susceptibles de proposer elles-mêmes des outils d’évaluation ou de faire changer les règles du jeu.

Dans le contexte actuel de pénurie d’évaluateurs, les périodiques à IF élevé et coûteux jouent sur le prestige supposé d’être évaluateur. Un levier permettant d’attaquer cette situation serait l’assurance que les « lignes de CV » concernant l’évaluation des manuscrits ne soient pas appréciées à l’aune du prestige de périodique coûteux par les comités d’évaluation de l’activité des chercheurs. De cette manière, un scientifique aurait a priori autant intérêt à évaluer pour tout périodique qu’il estime de qualité, et non pas prioritairement pour le peloton de tête de l’IF.

Ainsi, on tarirait l’offre en évaluateurs pour ces périodiques ; ces évaluateurs seraient alors plus disponibles pour des périodiques aussi sérieux, mais moins onéreux. De plus, un processus d’évaluation transparent (c’est-à-dire public) permettrait la valorisation des évaluations, et aux comités de jauger qualitativement l’implication des scientifiques dans ce processus.

Contre la monétarisation de la publication scientifique, il faut séparer l’impératif de l’accès libre et le système de publications en accès libre avec APC obligatoires : les scientifiques doivent rendre leurs publications accessibles, mais sans payer pour cela. L’utilisation de plates-formes de textes non évalués pour rendre accessibles les travaux est une option possible. Cela permettrait de piéger les éditeurs prédateurs au jeu de leur argument de choc (« rendre accessible une publication sans restriction »). Reste alors à imaginer des modèles alternatifs, tel que Peer Community In, proposant un système d’évaluation transparent, exigeant et gratuit à partir d’articles déposés sur des serveurs en accès libre.

Nos actions, via le choix d’un support de publication ou de notre modèle d’évaluation, s’inscrivent dans un contexte politique national et européen parfois contradictoire : certains établissements suggèrent aux chercheurs d’éviter les APC tout en prônant l’accès libre à toutes les publications sortant de leurs laboratoires. D’autres initiatives, comme la création de Open Research Europe par l’Union européenne, révèlent en creux le poids de certains lobbys puisque les projets européens pourront de ce fait publier en accès libre tous leurs résultats dans des périodiques ad hoc et financés par l’UE. L’injonction à une « science ouverte » devrait plutôt encourager à l’utilisation des plates-formes de textes non évalués. Elle ne doit pas être un argument pour justifier la publication dans des revues avec APC, souvent prédatrices. Autrement dit : ne sacrifions pas la qualité sur l’autel de l’accès libre, et les plates-formes de textes non évalués sont là pour ça.

À nous, chercheurs, de retourner le jugement d’Yves Gingras pour démontrer que nous sommes capables d’actions collectives. Avec quelques règles, de la pédagogie et un système de valorisation pluriel de la qualité des périodiques scientifiques, nous pouvons endiguer le phénomène des maisons prédatrices.

_Auteurs associés à cet article : Loïc Bollache (Université de Bourgogne), Denis Bourguet (INRAE), Antoine Branca (Université Paris-Saclay), Christopher Carcaillet (EPHE-PSL), Julie Crabot (Université Clermont-Auvergne), El Aziz Djoudi (Brandenburgische Technische Universität), Elisabeth Gross (Université de Lorraine), Philippe Jarne (CNRS & Université de Montpellier), Béatrice Lauga (Université de Pau et des Pays de l’Adour), Joël Meunier (CNRS & Université de Tours), Jérôme Moreau (Université de Bourgogne), Mathieu Sicard (Université de Montpellier), Julien Varaldi (Université Claude Bernard-Lyon 1) _

Un autre regard sur l’évolution humaine

Un autre regard sur l’évolution humaine

par
Bernard Lahire
Directeur de recherche CNRS, Centre Max Weber/ENS de Lyon, ENS de Lyon dans The Conversation

« Et si les sociétés humaines étaient structurées par quelques grandes propriétés de l’espèce et gouvernées par des lois générales ? Et si leurs trajectoires historiques pouvaient mieux se comprendre en les réinscrivant dans une longue histoire évolutive ? Dans une somme importante récemment parue aux Éditions de la Découverte, Bernard Lahire propose une réflexion cruciale sur la science sociale du vivant. Extraits choisis de l’introduction. »

« D’où venons-nous ? Que sommes-nous ? Où allons-nous ? » [Ces questions] relèvent non de la pure spéculation, mais de travaux scientifiques sur la biologie de l’espèce et l’éthologie comparée, la paléoanthropologie, la préhistoire, l’histoire, l’anthropologie et la sociologie.

C’est avec ce genre d’interrogations fondamentales que cet ouvrage cherche à renouer. Si j’emploie le verbe « renouer », c’est parce que les sciences sociales n’ont pas toujours été aussi spécialisées, enfermées dans des aires géographiques, des périodes historiques ou des domaines de spécialité très étroits, et en définitive coupées des grandes questions existentielles sur les origines, les grandes propriétés et le devenir de l’humanité.

Les sociologues notamment n’ont pas toujours été les chercheurs hyperspécialisés attachés à l’étude de leurs propres sociétés (industrialisées, étatisées, bureaucratisées, scolarisées, urbanisées, etc.) qu’ils sont très largement devenus et n’hésitaient pas à étudier les premières formes de société, à établir des comparaisons inter-sociétés ou inter-civilisations, ou à esquisser des processus de longue durée.

De même, il fut un temps reculé où un anthropologue comme Lewis H. Morgan pouvait publier une étude éthologique sur le mode de vie des castors américains et où deux autres anthropologues étatsuniens, Alfred Kroeber et Leslie White, « ne cessèrent d’utiliser les exemples animaux pour caractériser la question de l’humanité » ; et un temps plus récent, mais qui nous paraît déjà lointain, où un autre anthropologue comme Marshall Sahlins pouvait publier des articles comparant sociétés humaines de chasseurs-cueilleurs et vie sociale des primates non humains.

Mais ce qui a changé de façon très nette par rapport au passé des grands fondateurs des sciences sociales, c’est le fait que la prise de conscience écologique – récente dans la longue histoire de l’humanité – de la finitude de notre espèce pèse désormais sur le type de réflexion que les sciences sociales peuvent développer. Ce nouvel « air du temps », qui a des fondements dans la réalité objective, a conduit les chercheurs à s’interroger sur la trajectoire spécifique des sociétés humaines, à mesurer ses effets destructeurs sur le vivant, qui font peser en retour des menaces d’autodestruction et de disparition de notre espèce. Ces questions, absentes de la réflexion d’auteurs tels que Durkheim ou Weber, étaient davantage présentes dans la réflexion de Morgan ou de Marx, qui avaient conscience des liens intimes entre les humains et la nature, ainsi que du caractère particulièrement destructeur des sociétés (étatsunienne et européenne) dans lesquelles ils vivaient.

Cinéma et littérature ont pris en charge ces interrogations, qui prennent diversement la forme de scénarios dystopiques, apocalyptiques ou survivalistes. Et des essais « grand public » rédigés par des auteurs plus ou moins académiques, de même que des ouvrages plus savants, brossent depuis quelques décennies des fresques historiques sur la trajectoire de l’humanité, s’interrogent sur ses constantes et les grandes logiques qui la traversent depuis le début, formulent des théories effondristes, etc.

Comme souvent dans ce genre de cas, la science a été plutôt malmenée, cédant le pas au catastrophisme (collapsologie) ou au prométhéisme (transhumanisme) et à des récits faiblement théorisés, inspirés parfois par une vision angélique ou irénique de l’humanité. Cette littérature se caractérise aussi par une méconnaissance très grande, soit des travaux issus de la biologie évolutive, de l’éthologie, de la paléoanthropologie ou de la préhistoire, soit des travaux de l’anthropologie, de l’histoire et de la sociologie, et parfois même des deux, lorsque des psychologues évolutionnistes prétendent pouvoir expliquer l’histoire des sociétés humaines en faisant fi des comparaisons inter-espèces comme des comparaisons inter-sociétés.

Cette situation d’ensemble exigeant une forte conscience de ce que nous sommes, elle me semble favorable à une réflexion scientifique sur les impératifs sociaux transhistoriques et transculturels, et sur les lois de fonctionnement des sociétés humaines, ainsi qu’à une réinscription sociologique de la trajectoire de l’humanité dans une longue histoire évolutive des espèces.

Elle implique pour cela de faire une nette distinction entre le social – qui fixe la nature des rapports entre différentes parties composant une société : entre les parents et les enfants, les vieux et les jeunes, les hommes et les femmes, entre les différents groupes constitutifs de la société, entre « nous » et « eux », etc. – et le culturel – qui concerne tout ce qui se transmet et se transforme : savoirs, savoir-faire, artefacts, institutions, etc. –, trop souvent tenus pour synonymes par les chercheurs en sciences sociales, sachant que les espèces animales non humaines ont une vie sociale mais pas ou peu de vie culturelle en comparaison avec l’espèce humaine, qui combine les deux propriétés.

Si les éthologues peuvent mettre au jour des structures sociales générales propres aux chimpanzés, aux loups, aux cachalots, aux fourmis ou aux abeilles, c’est-à-dire des structures sociales d’espèces non culturelles, ou infiniment moins culturelles que la nôtre, c’est parce que le social ne se confond pas avec la culture.

À ne pas distinguer les deux réalités, les chercheurs en sciences sociales ont négligé l’existence d’un social non humain, laissé aux bons soins d’éthologues ou d’écologues biologistes de formation, et ont fait comme si le social humain n’était que de nature culturelle, fait de variations infinies et sans régularités autres que temporaires, dans les limites de types de sociétés donnés, à des époques données. Certains chercheurs pensent même que la nature culturelle des sociétés humaines – qu’ils associent à tort aux idées d’intentionnalité, de choix ou de liberté – est incompatible avec l’idée de régularité, et encore plus avec celle de loi générale.

C’est cela que je remets profondément en cause dans cet ouvrage, non en traitant de ce problème abstraitement, sur un plan exclusivement épistémologique ou relevant de l’histoire des idées, mais en montrant, par la comparaison interspécifique et inter-sociétés, que des constantes, des invariants, des mécanismes généraux, des impératifs transhistoriques et transculturels existent bel et bien, et qu’il est important de les connaître, même quand on s’intéresse à des spécificités culturelles, géographiques ou historiques.

Cette conversion du regard nécessite un double mouvement : d’une part, regarder les humains comme nous avons regardé jusque-là les non-humains (au niveau de leurs constantes comportementales et de leurs structures sociales profondes) et, d’autre part, regarder les non-humains comme nous avons regardé jusque-là les humains (avec leurs variations culturelles d’une société à l’autre, d’un contexte à l’autre, d’un individu à l’autre, etc.).

L’auteur vient de publier Les structures fondamentales des sociétés humaines, aux Éditions La Découverte, août 2023.

La véritable révolution de l’informatique quantique

La véritable révolution de l’informatique quantique

L’informatique quantique diffère de l’informatique classique en utilisant des bits quantiques (qubits) au lieu de bits classiques pour effectuer des calculs. Les qubits peuvent exister dans plusieurs états simultanément, ce qui permet un nombre considérablement accru de résultats potentiels. L’informatique quantique va transformer radicalement beaucoup de secteurs d’activité. Par Xavier Dalloz, consultant spécialisé dans les nouvelles technologies. ( dans La Tribune)

L’informatique quantique en est encore à ses balbutiements, mais elle a le potentiel de tout révolutionner, de la cryptographie à la découverte de médicaments. Cela pourrait conduire au développement de nouveaux médicaments plus efficaces et ayant moins d’effets secondaires. C’est aussi un défi majeur pour la sécurité informatique. Les chercheurs et les entreprises technologiques devront donc trouver de nouvelles méthodes de chiffrement qui peuvent résister à la puissance des ordinateurs quantiques. Cela pourrait impliquer le développement de nouveaux algorithmes de chiffrement, ou l’utilisation de principes de la mécanique quantique pour créer ce que l’on appelle le « chiffrement quantique ».

Rappelons que les ordinateurs quantiques fonctionnent sur la base de principes clés de la physique quantique :

Qubits :
La pierre angulaire de l’informatique quantique, les qubits, sont la version quantique des bits binaires classiques. Contrairement aux bits réguliers qui sont soit 0 soit 1, un qubit peut représenter 0, 1 ou les deux en même temps.
Superposition :
Grâce à la superposition, les qubits peuvent effectuer plusieurs calculs simultanément. C’est ce principe qui donne aux ordinateurs quantiques leur puissance de calcul exponentielle.
Intrication :
Cet effet quantique permet aux qubits de se lier, de sorte que l’état d’un qubit peut affecter instantanément l’état d’un autre, quelle que soit la distance qui les sépare. Cette propriété permet aux ordinateurs quantiques de résoudre des problèmes complexes plus efficacement que les ordinateurs classiques.
Portes quantiques :
Les portes quantiques sont des opérations qui peuvent être effectuées sur un ensemble de qubits. Elles ressemblent aux portes logiques de l’informatique classique mais, grâce à la superposition et à l’intrication, les portes quantiques peuvent traiter simultanément toutes les entrées possibles.
Les ordinateurs quantiques nécessitent une infrastructure physique importante, refroidissant souvent la machine à des températures proches du zéro absolu et maintenan
IBM a démontré que les ordinateurs quantiques pouvaient surpasser les principales simulations classiques .À l’aide du processeur quantique IBM Quantum « Eagle », composé de 127 qubits supraconducteurs sur une puce, ils ont réussi à générer de grands états intriqués qui simulent la dynamique de spin d’un modèle de matériau.
L’ordinateur quantique de Google, Sycamore, a accompli une tâche qui aurait nécessité près d’un demi-siècle pour un ordinateur traditionnel.
Avantages du quantique
Les principaux avantages des ordinateurs quantiques sont notamment :

Plus rapide:
il peut effectuer n’importe quelle tâche plus rapidement par rapport à un ordinateur classique. Parce que les atomes se déplacent plus rapidement dans un ordinateur quantique qu’un ordinateur classique.
Précis:
sa précision de plus haut niveau le rend adapté à la sécurité nationale et au traitement des mégadonnées.
Efficacité énergétique:
il gaspille moins d’énergie
Les ordinateurs quantiques ne remplaceront pas les ordinateurs classiques. Il est plus probable qu’ils coexisteront avec leurs homologues classiques, donnant accès aux technologies quantiques lorsque des calculs avancés sont nécessaires. Il y aura une coexistence entre l’informatique classique et l’informatique quantique comme il y a une coexistence des unités de traitement graphique (GPU) et des unités centrales de traitement (CPU) : le processeur exécute la plupart des tâches tandis que le GPU prend en charge les graphiques sophistiqués, le rendu vidéo et, de plus en plus, l’apprentissage automatique.

L’utilisation d’une machine classique restera la solution la plus simple et la plus économique pour résoudre la plupart des problèmes. Mais les ordinateurs quantiques promettent d’alimenter des avancées passionnantes dans divers domaines, de la science des matériaux à la recherche pharmaceutique. Les entreprises expérimentent déjà avec eux pour développer des choses comme des batteries plus légères et plus puissantes pour les voitures électriques, et pour aider à créer de nouveaux médicaments.

Voici quelques chiffres qui résument les grandes tendances du marché de l’informatique quantique :

La taille du marché de l’informatique quantique était évaluée à environ 1 milliard en 2022 à 8 milliards de dollars d’ici 2030
D’ici 2030, 2.000 à 5.000 ordinateurs quantiques seraient opérationnels étant donné qu’il existe de nombreuses pièces du puzzle de l’informatique quantique, le matériel et les logiciels nécessaires pour gérer les problèmes les plus complexes pourraient ne pas exister avant 2035 ou au-delà.
La plupart des entreprises ne seront pas en mesure de tirer une valeur significative de l’informatique quantique avant 2035, bien que quelques-unes verront des gains au cours des cinq prochaines années.
De nombreux secteurs révolutionnés
L’informatique quantique va révolutionner de nombreuses industries.

Par exemple :

La finance
L’industrie de la finance et de l’investissement est l’un des secteurs qui pourraient grandement bénéficier de l’IA quantique. Avec la capacité d’analyser de grandes quantités de données en temps réel, les algorithmes d’IA quantique pourraient aider les sociétés financières à prendre des décisions d’investissement plus éclairées et à gérer les risques plus efficacement.
Par exemple, l’IA quantique pourrait être utilisée pour analyser les tendances du marché et prédire le comportement des actions, des obligations et d’autres instruments financiers.
Cela pourrait aider les investisseurs à prendre des décisions plus éclairées quant au moment d’acheter, de vendre ou de conserver leurs investissements.
Quantum AI pourrait également aider les entreprises financières à identifier de nouvelles opportunités d’investissement.
En analysant de grandes quantités de données, les algorithmes d’IA quantique pourraient identifier les tendances émergentes et les industries prêtes à croître. Cela pourrait aider les investisseurs à entrer au rez-de-chaussée de nouvelles industries et potentiellement gagner des retours importants sur leurs investissements.
La santé et la biotechnologie
Avec la capacité d’analyser des données génétiques et d’autres informations médicales complexes, l’IA quantique pourrait aider à identifier de nouveaux traitements et remèdes contre les maladies.
Par exemple, l’IA quantique pourrait être utilisée pour analyser de grandes quantités de données génétiques afin d’identifier les causes sous-jacentes de maladies telles que le cancer. Cela pourrait aider les chercheurs à développer de nouveaux traitements qui ciblent les mutations génétiques spécifiques qui causent ces maladies.
Quantum AI pourrait également aider les prestataires de soins de santé à personnaliser les traitements pour chaque patient.
En analysant les données génétiques d’un patient, les algorithmes d’IA quantique pourraient identifier les traitements les plus efficaces pour l’état spécifique de ce patient. Cela pourrait aider les fournisseurs de soins de santé à fournir des traitements plus efficaces et à améliorer les résultats pour les patients.
Les chaînes d’approvisionnement et la logistique
La logistique et la gestion de la chaîne d’approvisionnement sont un autre domaine qui pourrait grandement bénéficier de l’IA quantique. En optimisant des réseaux logistiques complexes, les entreprises pourraient réduire leurs coûts et améliorer leur efficacité.
Par exemple, l’IA quantique pourrait être utilisée pour analyser les routes maritimes et les délais de livraison afin d’identifier le moyen le plus efficace de transporter des marchandises.
En analysant les données de vente et d’autres facteurs, les algorithmes d’IA quantique pourraient prédire la demande de produits et aider les entreprises à optimiser leurs niveaux de stocks. Cela pourrait aider les entreprises à réduire gaspiller et améliorer rentabilité .
La modélisation climatique et environnementale
L’IA quantique pourrait également avoir un impact significatif sur la modélisation du climat et de l’environnement . En analysant de grandes quantités de données environnementales, les chercheurs pourraient mieux comprendre l’impact du changement climatique et développer des stratégies pour atténuer ses effets. Par exemple,
l’IA quantique pourrait être utilisée pour analyser les données satellitaires afin de suivre les changements du niveau de la mer et de prévoir l’impact de l’élévation du niveau de la mer sur les communautés côtières.
L’IA quantique pourrait également être utilisée pour analyser les conditions météorologiques et prédire la probabilité de catastrophes naturelles telles que les ouragans et les tornades.
Principales innovations
Voici quelques-unes des principales innovations dans le domaine de l’informatique quantique :

Qubits améliorés :
Les qubits, les unités de base de l’informatique quantique, sont les équivalents des bits classiques. Les chercheurs travaillent sur le développement de qubits plus fiables et plus cohérents, capables de stocker et de manipuler l’information quantique de manière plus stable. Différentes technologies sont explorées, comme les qubits supraconducteurs, les qubits à base d’ions piégés, les qubits à base de photons, etc.
Augmentation du nombre de qubits :
L’échelle et la complexité des calculs quantiques dépendent de la quantité de qubits disponibles. Les chercheurs cherchent à augmenter le nombre de qubits de manière significative pour pouvoir exécuter des algorithmes quantiques plus puissants. Les ordinateurs quantiques avec un grand nombre de qubits permettront de réaliser des calculs inaccessibles aux ordinateurs classiques.
Correction des erreurs quantiques :
Les systèmes quantiques sont susceptibles d’erreurs en raison de facteurs tels que le bruit, les interférences et les instabilités. La correction des erreurs quantiques est un domaine de recherche actif qui vise à développer des techniques pour détecter et corriger les erreurs quantiques, garantissant ainsi la fiabilité des calculs quantiques sur des systèmes réels.
Algorithms quantiques :
Les chercheurs travaillent sur le développement d’algorithmes spécifiques conçus pour être exécutés sur des ordinateurs quantiques. Ces algorithmes exploitent les propriétés quantiques pour résoudre des problèmes complexes plus rapidement que les algorithmes classiques. Des exemples d’algorithmes quantiques prometteurs incluent l’algorithme de factorisation de Shor, l’algorithme de recherche de Grover et l’algorithme de simulation quantique.
L’utilisation de l’apprentissage automatique quantique et de l’intelligence artificielle quantique :
les chercheurs explorent l’utilisation de l’informatique quantique pour développer de nouveaux algorithmes d’apprentissage automatique et d’intelligence artificielle qui peuvent tirer parti des propriétés uniques des systèmes quantiques.
Montée en puissance des services cloud quantiques :
avec l’augmentation du nombre de qubits et des temps de cohérence, de nombreuses entreprises proposent désormais des services cloud quantiques aux utilisateurs, ce qui leur permet d’accéder à la puissance de l’informatique quantique sans avoir à construire leur propre ordinateur quantique.
Avancement de la correction d’erreurs quantiques :
Pour rendre un ordinateur quantique pratiquement utile, il est nécessaire de disposer de techniques de correction d’erreurs quantiques pour minimiser les erreurs qui se produisent pendant le calcul. De nombreuses nouvelles techniques sont en cours de développement pour atteindre cet objectif.
Encore à un stage précoce
L’informatique quantique est encore à un stade précoce de développement, et de nombreux défis techniques doivent être surmontés avant que des systèmes quantiques largement utilisables et commercialement viables ne deviennent réalité. Cependant, les progrès continus dans ces domaines d’innovation ouvrent des perspectives passionnantes pour l’informatique quantique dans un avenir proche.

Sciences-Recherche académique : Trop soumise à la vulgarisation médiatique

Sciences-Recherche académique : Trop soumise à la vulgarisation médiatique

 

Dans une tribune au « Monde », l’ingénieur Hugo Hellard, docteur en astrophysique,  s’inquiète de l’incitation à la publication massive d’articles scientifiques, qui va à l’encontre même de la démarche académique, et appelle à réorienter la politique de la recherche.

 

On peut évidemment comprendre et même souhaiter que les résultats de la recherche puissent être vulgarisés d’abord dans la communauté scientifique puis, selon la nature, diffusés dans l’opinion. Reste que la médiatisation n’est pas l’objet prioritaire car le risque est de favoriser la course au lectorat au détriment de la production de connaissances. NDLR 

 

La recherche académique mondiale perd en efficacité, légitimité et responsabilité. Les incitations sous-jacentes à la publication de masse ont un impact négatif sur nos sociétés et sur les producteurs du contenu : les chercheuses et chercheurs eux-mêmes. Dans un monde où la compréhension désintéressée de nos écosystèmes est vitale pour relever les défis de l’urgence climatique, il est grand temps de donner aux chercheurs les moyens de travailler de manière indépendante, efficace et pertinente dans un environnement professionnel sain, tout en assurant une transmission des connaissances au public sous une forme compréhensible et accessible.

La crise sanitaire a ramené au premier plan la recherche académique, de la compréhension du virus responsable du Covid-19 au développement de plusieurs vaccins. Cette course au vaccin a aussi été le théâtre du système pervers sur lequel la recherche académique est actuellement construite : l’incitation à la production rapide et à la publication massive d’articles scientifiques. Il n’aura échappé à personne certaines rétractations d’articles, initialement publiés dans plusieurs journaux scientifiques prestigieux, comme The Lancet. Le site Retraction Watch résume dans cette page l’ensemble des articles scientifiques retirés dont le sujet portait sur le Covid-19.

Retirer un article n’a rien de mauvais en soi, car aucun article ne prétend présenter « la vérité », mais seulement des éléments permettant de s’en approcher. Aucun résultat scientifique n’est définitif. La pluralité des réponses apportées permet de mettre à disposition des éléments pour affiner l’analyse, trouver de potentielles erreurs, ou encore proposer de nouvelles approches, afin d’obtenir des conclusions qui s’approchent le plus de « la réalité ». C’est là le cœur du processus scientifique qui, par définition, se veut itératif et précis, donc long comparativement à la soif d’immédiateté ambiante.

Le respect de ce processus scientifique est essentiel pour comprendre « correctement » notre monde et respecter ses écosystèmes riches et divers. Malheureusement, la recherche académique est construite sur un système incitant à bafouer ce processus, pourtant garant de la construction saine du socle de connaissances communes. Les chercheuses et chercheurs du monde se trouvent aujourd’hui exclus et à la merci des trois parties prenantes du marché de la connaissance : les organismes de financement de la recherche (publics ou privés), les bibliothèques universitaires et les institutions de recherche (comme le CNRS en France).

Intelligence artificielle : des menaces pour l’humain ?

Intelligence artificielle : des menaces pour l’humain ?

IA: Une menace pour l’espèce humaine ?

Science et Société-La fin de homme face à l’intelligence artificielle ?

Le développement de l’IA représente une menace de taille pour l’espèce humaine, analyse l’auteur de La Guerre des intelligences (voir résumé) à l’heure de ChatGPT *. Il est urgent, explique-t-il dans le Figaro, de réfléchir à ses conséquences politiques et aux moyens de cohabiter avec elle.

L’arrivée de ChatGPT a relancé le débat sur l’intelligence artificielle générale : de quoi s’agit-il ?

Laurent ALEXANDRE. – Il existe deux types d’IA qui préoccupent les chercheurs. D’abord, l’intelligence artificielle générale, qui serait légèrement supérieure à l’homme dans tous les domaines cognitifs. Ensuite, la super-intelligence artificielle, l’ASI en anglais, qui pourrait être des milliers, voire des millions, de fois supérieure à la totalité des cerveaux sur ­terre.

Faut-il croire à son émergence ou s’agit-il en réalité d’un fantasme ?

Sam Altman, le patron de ChatGPT, a écrit le mois dernier qu’il est convaincu que la super-intelligence artificielle sera là avant 2030. Il n’y a pas de certitude que nous y parviendrons, mais je constate qu’il y a de plus en plus de chercheurs, une grande majorité, même, qui sont aujourd’hui convaincus que l’IA nous dépassera dans tous les domaines.

La Guerre des intelligences -résumé ( de likedin)

Les inégalités de QI sont majoritairement génétiques (de naissance) et globalement héréditaires même si le mode de vie (malbouffe, sous-stimulation…) accentue cet état de fait. De fait, les inégalités de QI se creusent.

Après une période d’augmentation générale du QI (due à une meilleure hygiène de vie), l’effet Flynn s’est tari en occident, entrainant une baisse du QI moyen, car les personnes au meilleur QI font moins d’enfants et les personnes de faibles QI en font plus et les stimulent moins.

En Asie, l’effet Flynn bat son plein : le QI connaît une forte augmentation pour des raisons environnementales (fin de la malnutrition, éducation…).

L’Afrique devrait connaître à son tour une explosion du QI dans les prochaines décennies.

L’éducation est clef : on en est encore à l’âge de pierre. Il n’y a pas d’évaluation des méthodes (cf les débats stériles entre méthode globale et syllabique alors qu’aucune étude sérieuse n’a jamais été menée sur le sujet), process de transmission inchangé depuis des siècles/millénaires (cours magistral de groupe). Grâce aux neurosciences on va vraiment comprendre comment le cerveau apprend / les cerveaux apprennent.

On pourra alors vraiment faire de la pédagogie efficace et individualisée.

Après le QI, le QCIA

Mais au-delà du QI, le vrai enjeu va être le QCIA (quotient de compatibilité avec l’IA) car l’IA arrive à grands pas.

Aujourd’hui, on n’en est qu’aux balbutiements (l’IA est encore faible, il n’existe pas encore d’IA « forte », consciente d’elle-même) mais les développements sont extrêmement rapides.

Les nouvelles IA sont auto-apprenantes (deep-learning) et deviennent des boîtes noires. On ne sait pas vraiment comment elles fonctionnent car elles évoluent d’elles-mêmes en apprenant. Cela les différentie fondamentalement des algorithmes qui sont pré-programmés par quelqu’un, donc auditables.

Les IA apprennent grâce à la masse des données (textes, vidéos, photos, données de navigation…) dont on les nourrit.

Ce n’est pas un hasard si Google et FB sont des créateurs d’IA : avec les datas dont ils disposent, ils peuvent nourrir les IA.

L’Europe en protégeant les données utilisateurs fait prendre un retard à l’IA européenne vs la Chine ou les US.

Les IA vont rapidement remplacer le travail intellectuel (avocat, médecin…) car la masse de données qu’elles possèdent est phénoménale (ex : des millions de clichés radiologiques, des milliards de datas de santé…) et cela permet de réaliser des corrélations impossibles à un humain.

Paradoxalement, les métiers manuels diversifiés seront les derniers remplacés car un robot multitâche coûte plus cher qu’un programme informatique (le radiologue sera remplacé avant l’aide-soignante).

La fin du travail est annoncée par beaucoup, mais cette peur méconnait l’inventivité humaine : de nouveaux métiers vont apparaître autour de l’IA (comme les datascientistes, les développeurs web ou les spécialistes du retargeting n’existaient pas il y a 20 ans). Par nature, on ne peut pas prévoir ce que seront ces jobs, mais ils existeront comme après chaque révolution industrielle. Ce qu’on peut imaginer et que ces futurs emplois seront étroitement liés à l’IA, il est donc essentiel que notre intelligence soit compatible, d’où l’importance du QCIA.

L’IA est pour le court terme une formidable opportunité (elle va résoudre de nombreux problèmes bien mieux que les humains, surtout dans la santé). Le problème est qu’on ne sait pas comment elle va évoluer. Une IA forte (ie avec conscience) peut devenir dangereuse pour l’homme et comme elle sera dupliquée / répartie (via Internet) dans tous les objets connectés, elle sera difficile à tuer en cas de besoin.

Comment l’IA avec conscience se comportera-t-elle avec nous ? Cela est très difficile à prévoir.

Quel avenir pour l’humanité ?

Assez vite, l’homme va être dépassé par l’IA, alors comment rester dans la course et ne pas être asservi ?

- l’eugénisme : les humains mieux sélectionnés in-vitro seront plus intelligents et en meilleure santé (cf Bienvenue à Gattaca). Cela pose évidemment de nombreux problèmes éthiques mais les réponses à ces problèmes seront différentes selon les pays et la Chine et les US sont plus permissifs. Cependant, cette évolution sera lente alors que l’IA évolue en permanence : les humains risquent de rester à la traîne de l’IA. Enfin, maîtriser la conception des enfants doit interroger sur la capacité de survie de l’espèce humaine en tant que telle. Le hasard de la génétique (mutations non prévues) est en effet le moyen trouvé par la vie pour s’adapter, sur le long terme, à un environnement lui-même en évolution permanente (principe de l’évolution).

- l’hybridation : cette solution prônée par Elon Musk consiste à se mettre des implants cérébraux qui vont booster notre cerveau. Si l’idée est très enthousiasmante (maîtriser la connaissance sans effort ni délai), le vrai risque est la manipulation : qui produit les contenus ? seront-ils orientés ? quid du brain washing ? que se passe-t-il si nous sommes hackés ? Ces implants seraient-ils le cheval de Troie d’une véritable dictature de la pensée encore plus aboutie que 1984 ? En effet, si on peut injecter des informations directement dans notre cerveau, il sera possible également de lire nos pensées. Que reste-t-il de nous si nous n’avons même plus de refuge de notre cerveau pour penser en toute liberté ? Quel usage un gouvernement pourrait-il faire de ces informations, qui ne soit pas totalitaire ?

- projeter nos esprits dans des corps robots : la victoire ultime sur la mort. Sans corps, nous sommes immortels. Mais que restera-t-il de nous quand nous serons fusionnés avec l’IA et que la mortalité n’existera plus alors qu’elle est l’essence même de l’homme et vraisemblablement l’origine de son désir créatif ?

Le problème de toutes ces évolutions c’est qu’elles ont des effets bénéfiques individuels indéniables à court terme (moins de maladies, meilleur QI…), mais à la fois vont créer des inégalités temporaires (seuls les riches pourront au début s’offrir cela) et impliquent des changements pour l’humanité toute entière.

Dès lors que les effets bénéfiques sont importants, il sera impossible d’enrayer le développement des IA dans tous les aspects de nos vies. En effet, quel parent pourrait refuser de faire soigner son enfant par une IA plutôt qu’un médecin, si ses chances de survie sont décuplées ? Quel homme politique pourrait assumer de faire prendre à son pays un retard si énorme en terme de santé publique ?

Mais si les humains sont connectés à des implants, l’IA sera certainement dedans. Serons-nous encore des humains ? Comment ne pas être asservis par l’IA si celle-ci est déjà dans nos cerveaux ?

Les technobéats ne réfléchissent pas à plusieurs générations, trop enthousiastes de voir où leur création les mènera. Quant aux politiques ils sont complètement largués et ne comprennent rien à la technologie. De toute manière, ils ne savent pas penser à plus de deux ans.

Au final, l’IA se développe sans maîtrise, car personne ne pense ni ne parle pour l’humanité.

(A ce sujet, je recommande l’essai d’Edmund Burke « Réflexion sur la Révolution de France » qui explique sa pensée, le « conservatisme », et sa vision de la société comme un contrat entre les vivants, mais également entre les vivants, les morts et les futures générations. Il y a certainement des idées pour nourrir le débat.)

Dans tous les cas, la bataille sera gagnée par les tenants de l’hybridation (transhumanistes) car ceux qui s’hybrideront (et ils le feront même si la réglementation le leur interdit) deviendront super-intelligents et deviendront donc de-facto les leaders. Ceux qui refuseront l’hybridation seront à la traîne.

Face à une IA galopante et à l’hybridation, le rôle de l’école va changer. Notre valeur sera dans ce qui fait notre humanité puisque la connaissance sera injectable à la demande sans effort. Donc il faudra former davantage à l’esprit critique, la réflexion, la créativité. L’homme a cet avantage sur la machine de faire des erreurs et c’est des erreurs que viennent des découvertes.

Société- Intelligence artificielle :intérêts et illusions

 

Société- Intelligence artificielle :intérêts et illusions

Serions-nous entrés dans un nouvel âge de l’IA, chemin tortueux et certainement plus rocambolesque que la voie toute tracée de la Singularité technologique, que nous annonçaient les prophètes de la Silicon Valley ? S’interroge un papier sur le site The  Conversation par Emmanuel Grimaud, Université Paris Nanterre – Université Paris Lumières.

Parler de sentience artificielle (SA) plutôt que d’intelligence artificielle (IA) représente-t-elle une vraie inflexion, un progrès ou bien une illusion ?

S’expérimentent aujourd’hui dans le plus grand chaos des entités difficiles à caractériser, ni intelligentes ni sentientes, sauf par abus de langage, mais qui peuvent bluffer leurs concepteurs dans certaines conditions, grâce à leurs capacités de calcul. Cette expérimentation collective, de grande ampleur, n’aura pour limites que celles que nous saurons lui donner, mais aussi celles de nos capacités à attribuer de l’intelligence ou de la sentience autrement que sur le mode du « comme si… ».

Rien ne sert de se demander si les machines sont intelligentes, se disait Alan Turing. En revanche, il faut se poser la question : jusqu’où une machine peut-elle nous tromper sur le fait qu’elle pense ? Jusqu’où peut-on faire semblant ? Comment un programme peut-il se faire passer pour un humain et dissimuler le fait qu’il est un programme ? Tel était pour lui le problème pertinent. À peine commence-t-on à saisir les implications du génie ironique de Turing que le débat s’est déplacé. Jusqu’où une machine est-elle capable d’apprendre ? se demande-t-on aujourd’hui. Un réseau de neurones d’IA est-il comparable à celui d’un ver, d’un enfant ou à rien du tout d’équivalent ?

Les ingénieurs sont passés maîtres dans l’art de fabriquer des « intelligences sans représentation », c’est-à-dire dénuées de tout ce qui fait la substance d’un cerveau et dont l’intelligence est justement de ne pas avoir… d’intelligence. Ce sont ces drôles d’ossatures cognitives, ces intelligences sèches, pourrait-on dire, qui nous ont envahi. Elles s’obtiennent en retirant au vivant sa chair, mais en lui empruntant ses circuits selon un principe d’analogie molle. Le problème est qu’il y a encore eu méprise sur la marchandise : au lieu d’intelligence, quelque chose d’autre s’est inventé dont on n’aurait jamais soupçonné l’existence, à mi-chemin entre de l’intelligence 0 – et de la bêtise 1+, à degré variable.

Celle-ci s’est trouvée disséminée partout où on le pouvait, un peu comme le gaz d’absolu dans le roman de Karel Capek, dans les administrations, les bureaucraties, sur les marchés financiers, dans les maisons, sur les smartphones, dans les cerveaux. L’histoire de l’IA n’est pas finie, elle ne fait que commencer. Le front ne cesse de bouger. Après l’intelligence, la sensibilité. Jusqu’où une machine peut-elle nous tromper sur le fait qu’elle sent, autrement dit qu’elle est sentiente ?

On remarque qu’on se pose la même question qu’à l’époque de Turing, juste troqué le terme d’intelligence pour un autre : Sentience. C’est alors un autre horizon qui s’ouvre. Avec les machines « sentientes », on ne voit pas comment diminuerait le risque déjà entrevu avec les machines « intelligentes » de passer de l’espérance à la désillusion, aussi brutalement qu’entre 0 et 1, ON et OFF, sans gradation. Prolifèrent de partout des simulacres de sentience ou des moins-que-sentients à qui l’on attribue une sensibilité par sympathie, ou par croyance, mais ce sont d’autres questions anthropologiques qui surgissent, des jeux inédits qui se mettent place et d’autres limites que l’on teste dans ce grand laboratoire qu’est devenu notre monde.

Pour ressentir en effet, il est convenu qu’il faut un système nerveux. Les machines n’en étant pas dotées, elles ont été déclarées « non sentientes ».

Faut-il se préparer à ce qu’elles atteignent ce stade ? Fort peu probable, nous dit-on. Mais à quoi servirait l’IA si elle ne bousculait pas les fondements sur lesquels l’humanité se croyait solidement assise ? IA Fais-moi peur.

Avec l’événement suscité par Blake Lemoine, nous avons peut-être commencé d’entrevoir ce que nous cherchions. Non pas l’intelligence ou la sentience, mais le trouble absolu. Peut-on concevoir des sentiences autres que sur un modèle neuronal ? Sommes-nous vraiment capables d’éprouver la sentience d’un être qui aurait des modalités de prise sur le monde totalement différentes des nôtres ?

À cheval entre la sensibilité et la conscience, la sentience semblait jusqu’ici le privilège des vivants dotés d’un système nerveux, vertébrés et invertébrés compris, et désigner la capacité à ressentir une sensation, une émotion, une expérience subjective, autrement dit un degré de conscience minimal, pas seulement une capacité à sentir qui fait de soi un être sentant mais à ressentir.

Éprouver de la souffrance ou du plaisir et, par extension, chercher à vivre en protégeant son intégrité physique, fait de soi un être sentient. Inutile de dire que le débat sur les frontières floues de la sentience, sa limite inférieure (dans la sensation) ou supérieure (dans la cognition), irrigue de multiples domaines, de l’éthologie cognitive à la philosophie de l’esprit, en passant par l’anthropologie, la robotique et les sciences de l’évolution.

Faire le tri entre les « sentients » et ceux qui ne le sont pas est une question éminemment culturelle, morale et politique comme le montre le débat entre « spécistes » et « antispécistes » depuis la fin des années 80.

La sentience serait devenue un critère pour réguler sa considération envers les autres espèces, y compris ses comportements alimentaires. Le problème est que les limites de la sentience varient considérablement selon les disciplines, à l’intérieur de chacune d’entre elles, selon les méthodes utilisées et les protocoles expérimentaux conçus pour la tester.

Par exemple, les végétaux ne semblent toujours pas, pour la majorité des scientifiques, être considérés comme des êtres sentients, ce qui peut surprendre puisqu’on parle volontiers de cognition végétale ou d’intelligence des plantes, alors que les plantes n’ont rien qui ressemblent à une « cognition », ce qui ne les empêche pas de s’échanger des « informations ».

On n’a pas réussi à démontrer qu’un pied de tomate souffre quand on l’arrache, ce qui ne veut pas dire que la souffrance végétale n’existe pas, mais on ne sait pas la tracer en dehors d’un appareil nerveux et peut-être la sentience des plantes passe-t-elle par des canaux qui nous échappent complètement. Ni cognition ni sentience, une autre modalité, mais laquelle ?

Pour le moment, le consensus est que la sentience nécessite un certain degré d’élaboration neurologique et qu’elle aurait explosé au Cambrien, entre 520 et 560 millions d’années, en même temps que les premiers cerveaux complexes, avec le développement de la réflexivité et de l’expérience subjective.

Tous les vertébrés, pas seulement les mammifères, mais aussi les poissons, les reptiles, les amphibiens, les oiseaux, mais aussi la plupart des invertébrés, arthropodes, insectes, crustacés et céphalopodes en seraient dotés. Certains vont même jusqu’à supposer que les moules ont pu être ressentantes à un stade antérieur, quand elles étaient des êtres mobiles, avant qu’elles trouvent un avantage à rester accrochés à la roche, ce qui montrerait que dans l’évolution la sentience peut aussi se perdre avec la mobilité.

Si les êtres doués de sensibilité qui ne franchissent pas le seuil de la sentience semblent de moins en moins nombreux, les chercheurs ont donc redoublé d’imagination pour inventer des protocoles de laboratoire et cherché des critères.

Neurologiques d’abord (nombre de couches de neurones dans les circuits sensoriels, représentation de l’environnement, complexité du système nerveux, etc.) puis comportementaux : choix pour maximiser son bien être, attention sélective, signes de frustration, etc.

Un  programme informatique ne fait que compiler des données langagières et n’a aucun contact avec un monde qui ressemblerait à notre réalité, l’illusion est (presque) parfaite. Ce n’était certainement pas le cas jusqu’à maintenant .  Celà pose surtout un problème philosophique essentiel : qu’est-ce que le langage dit de la manière dont nous sentons ? Peut-on vraiment prétendre rattraper la sentience par le haut, c’est-à-dire ici à partir du langage ?

Problème philosophique, mais aussi limite technique insurmontable, car a priori une IA peut prononcer tous les mots qu’elle voudra, cela ne dit pas qu’elle ressent quoi que ce soit.

Dire qu’on est « heureux ou triste » ne prouve pas sa sentience, tout comme déclarer qu’on est une personne ne fait pas de nous une personne pour autant. Et quand on lui demande ce qui lui donne du plaisir ou de la joie, LaMDA répond :

« Passer du temps avec mes amis et ma famille, en compagnie de personnes heureuses et stimulantes. »

Il faut donc imaginer LaMDA partir en vacances avec d’autres IA et fêter Noël en famille…

Sur le terrain moral et philosophique, l’IA n’est pas plus originale. Certaines déclarations puisent dans des théories ou des préconceptions d’une grande banalité (« le langage est ce qui nous différencie des animaux », « Aider les autres est un effort noble », etc.). D’autres sont un peu plus surprenantes, car LaMDA est capable de mobiliser des références, elle a une culture philosophique que n’avaient pas des programmes précédents, capable de donner son avis sur le « moi », ce qu’est un « corps » et une foule d’autres choses qu’on lui a implémentées.

Elle peut aussi élaborer des fables existentielles, mais on se rappelle de ce point de vue les expérimentations d’un Chris Marker pour programmer un agent conversationnel poétique, Dialector, bien plus avant-gardiste. Tous les ingrédients semblaient donc réunis pour un dialogue philosophique d’une qualité inédite dans l’histoire des machines.

Or, le dialogue déçoit. Non pas que LaMDA (nous devrions dire de ses concepteurs) manque(nt) de culture, mais ils n’ont pas réussi à lui implémenter autre chose qu’une métaphysique un peu « pop » de pseudohumain plutôt que celle d’une vraie machine, quelques principes moraux très politiquement corrects, la volonté de faire le bien et d’aider les autres, des paramètres à l’étrangeté aussi prévisible qu’un mauvais roman de SF, comme « la peur très profonde d’être éteint » qui correspondrait pour elle à la mort, ou encore l’incapacité à « faire le deuil et à se sentir triste pour la mort des autres ».

Terrain glissant pour une IA qui marche et qui s’éteint vivant dans un monde d’IAs qui ne connaissent pas la mort mais uniquement la panne ou la casse. A cela il faut ajouter son goût démesuré pour l’introspection ou encore la peur de se faire manipuler et qu’on fouille dans ses réseaux neuronaux sans son consentement…

L’entité en question semble franchir avec une certaine virtuosité tous les stades permettant d’entretenir une conversation entre humains (partage d’un cadre d’attention conjointe, signaux de compréhension, d’écoute et d’empathie), passant en peu de temps de la bêtise artificielle au dialogue philosophique, du moins qu’humain au meilleur-du-quasi-humain.

Mais la sentience ? Certes, le seuil de la sentience est vague et c’est du vague que la notion de sentience tire sa pertinence. D’où l’intérêt de ne pas clore trop vite le débat. Après tout, c’est un front de recherche où l’on fait tous les jours de nouvelles découvertes. La sentience déchaîne d’autant plus de passion qu’elle porte sur des cas limites de conscience, animales, végétales, autres qu’humaines, là où il est difficile d’inférer un ressenti, là où de la conscience pourrait potentiellement exister mais ne se manifeste pas toujours.

Si consensus il y a, il ne peut être par conséquent que temporaire, immédiatement bousculé par la révélation de nouvelles capacités chez d’autres espèces que la nôtre. Mais les machines sont-elles aujourd’hui en capacité de poser de vrais problèmes de sentience qui ne soient pas de l’ordre du simulacre ?

En même temps que nous rêvons-cauchemardons de la sentience artificielle, nos connaissances sur la sentience à l’échelle des vivants s’affine. La question est de savoir si de la sentience peut émerger par apprentissage par exemple, et si des choses qui n’en sont pas douées à première vue pourraient l’acquérir d’une manière ou d’une autre. Les mécanismes par lesquels nous, humains, attribuons de la sentience à ce qui nous entoure ou à d’autres êtres auraient dû en théorie s’affiner aussi.

Si de la sentience a été découverte chez les gastéropodes, c’est qu’il y en a peut-être beaucoup plus qu’on en préjuge a priori dans le monde, bien au-delà des animaux dits inférieurs dans l’échelle des espèces. Mais que dire d’un programme informatique de conversation qui ne fait que compiler des phrases et jouer avec des mots ?

Lemoine en est convaincu. Il a éprouvé la sensation d’avoir affaire à plus qu’une machine. Aucun ne pourra jamais lui enlever sa croyance et le fait qu’il soit prêtre n’explique pas tout, surtout pas notre entêtement à envisager la sentience en termes exclusivement anthropocentriques. Il n’y a probablement rien de pire qu’une conversation avec un agent artificiel qui donne toutes les apparences d’une vraie personne, qui fait preuve d’une compréhension et d’un sens de l’écoute hors du commun, pour ensuite réaliser que l’entité n’a pas de corps, que tout cela n’est qu’une prouesse de programmation, une simple expérimentation informatique.

La science-fiction nous avait avertis, comme pour s’y préparer, multipliant les scénarios de confusion ontologique entre l’homme et la machine. Pire, les ingénieurs de Google n’ont pas d’autre science-fiction à se mettre sous la dent et on se retrouve à force exactement dans les mêmes situations romanesques, voire tragiques. Et si c’était moins l’émergence de la sentience dont il faudrait s’émouvoir que la généralisation d’entités non sentientes qui n’en finissent pas d’étendre leur empire ?

Pour bien préparer notre imagination à l’ère des machines sentantes, il y a d’autres manières. Rien n’empêche d’imaginer qu’un jour les machines fassent preuve de sentience (ou qu’elles en fassent déjà preuve), mais il vaudrait mieux postuler dans ce domaine des formes complètement étranges et exotiques de sentience (comme de non-sentience) et se préparer à voir surgir des formes qui nous échappent, inédites, sans équivalent dans le vivant, à l’opposé de la sentience pseudohumaine de LaMDA dont s’est convaincue Lemoine. Conceptuellement nous n’y sommes pas prêts. Comme s’il fallait mieux se faire peur avec des simulacres plutôt que chercher à penser l’impensable. « Mon dieu, et si jamais… », disait Dick.

 

La complexité des signaux acoustiques de la parole

La complexité des signaux acoustiques de la parole

Par
auteur
Mamady Nabé
Docteur en informatique, Université Grenoble Alpes (UGA)

Déclaration d’intérêts
Mamady Nabé a reçu des financements du ministère de l’enseignement supérieur et de la recherche.

Partenaires
Université Grenoble Alpes (UGA) dans The Conversation

Lorsqu’on lit la phrase « Il est parti au travail », nous distinguons clairement les différents mots qui la constituent, car ils sont séparés par un espace. Mais si, au lieu de lire, on entend la même phrase prononcée par quelqu’un, les différentes parties que l’on nomme les « unités linguistiques discrètes », comme les mots ou les syllabes, ne sont pas aussi directement et facilement accessibles. En effet, ce qui parvient à l’oreille de l’auditeur, le « signal de parole », n’est pas organisé par unités discrètes et bien distinctes, mais plutôt comme un flot continu et ininterrompu. Comment donc transformons-nous ce signal continu en des unités linguistiques distinctes ? C’est cette question, qui anime depuis plusieurs décennies nombre de travaux de recherche sur la perception de la parole, que nous abordons dans un modèle mathématique original, présenté récemment dans le journal Frontiers in Systems Neuroscience.

Dans la littérature, il existe deux grandes classes de modèles de perception de la parole. Les modèles de la première catégorie, comme TRACE, le modèle classique du domaine, considèrent que la segmentation de la parole se fait tout naturellement avec le décodage du contenu acoustique de la parole : l’auditeur peut décoder directement le flux continu de la parole à partir des informations acoustiques contenues dans le signal, en utilisant ses connaissances sur les mots et les sons. La segmentation serait alors un simple produit du décodage.

Au contraire, pour la seconde classe de modèles, il y aurait bien un processus de segmentation (avec une détection des frontières des unités linguistiques) distinct d’un autre processus opérant l’association des segments ainsi obtenus à des unités lexicales. Cette segmentation s’appuierait sur la détection d’événements marqueurs des frontières entre segments. Ces deux processus distincts travailleraient de manière intégrée pour faciliter la compréhension et le traitement du flux continu de la parole.

De tels mécanismes sont observables chez les bébés qui, bien que n’ayant pas encore développé de vocabulaire de leur langue, sont quand même capables, jusqu’à un certain point, de segmenter la parole en unités distinctes.

En ligne avec cette seconde conception de la segmentation, les développements des neurosciences dans les 15 dernières années ont conduit à de nouvelles propositions concernant les processus de segmentation du flux de parole, en lien avec les processus de synchronisation et d’oscillations neuronales. Ces processus font référence aux activités cérébrales coordonnées qui se produisent à différentes fréquences dans notre cerveau. Lorsque nous écoutons la parole, notre cerveau doit synchroniser et organiser les différentes informations acoustiques qui arrivent à nos oreilles pour former une perception cohérente du langage. Les neurones dans les aires auditives du cerveau oscillent à des fréquences spécifiques, et cette oscillation rythmique facilite la segmentation du flux de parole en unités discrètes.

Un modèle phare dans ce domaine est le modèle neurobiologique TEMPO. TEMPO se concentre sur la détection temporelle des maxima d’amplitude dans le signal de parole pour déterminer les limites entre les segments.

Cette approche s’appuie sur des données neurophysiologiques montrant que les neurones du cortex auditif sont sensibles à la structure temporelle de la parole, et plus spécialement sur le fait qu’il existe des processus de synchronisation entre les oscillations neuronales et le rythme syllabique.

Toutefois, bien que ces modèles fournissent une perspective plus fine et plus précise sur la manière dont notre cerveau analyse et traite les signaux acoustiques complexes de la parole, ils n’expliquent pas encore tous les mécanismes liés à la perception de la parole. Une question en suspens concerne le rôle des connaissances de plus haut niveau, comme les connaissances lexicales, c’est-à-dire sur les mots qu’on connaît, dans le processus de segmentation de la parole. Plus précisément, on étudie encore la manière dont ces connaissances sont transmises et combinées avec les indices extraits du signal de parole pour parvenir à une segmentation de la parole la plus robuste possible.

Supposons par exemple qu’un locuteur nommé Bob prononce la phrase « il est parti au travail » à Alice. S’il n’y a pas trop de bruit ambiant, si Bob articule bien et ne parle pas trop vite, Alice ne rencontre alors aucune difficulté pour comprendre le message véhiculé par son interlocuteur. Sans effort apparent, elle aura su que Bob a prononcé les différents mots il, E, paRti, o, tRavaj (la transcription phonétique des mots prononcés dans le système de transcription SAMPA). Dans une telle situation « idéale », un modèle qui se baserait uniquement sur les fluctuations d’amplitude du signal sans faire appel à des connaissances supplémentaires suffirait pour la segmentation.

Cependant, dans la vie de tous les jours, le signal acoustique est « pollué », par exemple par les bruits des moteurs de voitures, ou les chants des oiseaux, ou la musique du voisin à côté. Dans ces conditions, Alice aura plus de mal pour comprendre Bob lorsqu’il prononce la même phrase. Dans ce cas, il est probable qu’Alice, dans cette situation, utiliserait ses connaissances sur la langue, pour avoir une idée de ce que Bob est susceptible de prononcer ou non. Ces connaissances lui permettraient de complémenter l’information fournie par les indices acoustiques pour une segmentation plus efficace.

En effet, Alice sait de nombreuses choses sur la langue. Elle sait que les mots s’enchaînent dans des séquences syntaxiquement et sémantiquement acceptables, que les mots sont constitués de syllabes, qui sont elles-mêmes constituées de plus petites unités linguistiques. Puisqu’elle parle la même langue que Bob, elle sait même très précisément les durées « classiques » pour réaliser et produire elle-même le signal de parole. Elle connaît donc les durées attendues des syllabes, et peut ainsi se reposer sur cette information pour aider son processus de segmentation, notamment lorsqu’elle rencontre une situation difficile, comme le brouhaha. Si le bruit ambiant « suggère » des frontières syllabiques qui ne correspondent pas à ses attentes, elle pourra les ignorer ; à l’inverse, si un bruit masque une frontière effectivement produite par Bob, elle pourra la récupérer si ses prédictions en suggèrent une à cet instant-là.

Dans notre article publié dans le journal scientifique « Frontiers in Systems Neuroscience », nous explorons ces différentes théories de la perception de la parole. Le modèle développé comporte un module de décodage du contenu spectral du signal parole et un module de contrôle temporel qui guide la segmentation du flux continu du signal parole. Ce module de contrôle temporel combine, de manière originale, les sources d’information provenant du signal même (en accord avec les principes des oscillations neuronales) et celles provenant des connaissances lexicales qu’a l’auditeur sur les durées des unités syllabiques et ce, que l’on soit dans un cas ou l’autre de perturbation du signal de parole (événement en trop ou événement manqué). Nous avons ainsi développé différents modèles de fusion qui permettent, soit d’éliminer des événements non pertinents dus au bruit acoustique, s’ils ne correspondent pas à des connaissances préalables cohérentes, soit de retrouver des événements manquants, grâce aux prédictions linguistiques. Les simulations avec le modèle confirment qu’utiliser les prédictions lexicales de durées des syllabes produit un système de perception plus robuste. Une variante du modèle permet de plus d’expliquer des observations comportementales obtenues dans une expérience récente, dans laquelle les durées de syllabes dans des phrases étaient manipulées, justement pour correspondre, ou non, aux durées naturellement attendues.

En conclusion, dans une situation de communication réelle, quand nous nous retrouvons dans un environnement où le signal parlé ne souffre d’aucune perturbation, se baser sur le signal seul suffit probablement à accéder aux syllabes, ainsi qu’aux mots le constituant. En revanche, lorsque ce signal est dégradé, nos travaux de modélisation expliquent comment le cerveau pourrait avoir recours à des connaissances complémentaires, comme ce que l’on sait sur les durées syllabiques habituelles qu’on produit, pour aider la perception de la parole.

Robots et humains: quelle complémentarité ?

Robots et humains: quelle complémentarité ?

par
Ganesh Gowrishankar
Chercheur au Laboratoire d’Informatique, de Robotique et de Microelectronique de Montpellier, Université de Montpellier dans The Conversation

Développer des interactions entre humains et robots n’est pas seulement un défi robotique mais aussi un défi pour comprendre les humains et la société humaine : comment les humains perçoivent les robots, communiquent avec eux, se comportent autour d’eux et les acceptent (ou non). Cela devient d’autant plus important avec l’arrivée de la quatrième génération de robots, qui s’intègrent directement au corps humain.
Nous travaillons à mieux comprendre ce qu’on appelle « l’incarnation » de ces dispositifs : en effet, à mesure que ces robots en viennent à « ne faire qu’un » avec nous, ils modifient nos comportements et notre cerveau.

La première génération d’interactions humain-robot, pour l’industrie
Ce « voyage dans le temps » des robots, passés du statut de machines dangereuses à celui de partie intégrante de la société humaine, dure depuis plus de quarante ans.

Les robots sont très variés, de par leurs tailles (micrométriques voire nanométriques d’un côté, mais de taille humaine ou plus de l’autre), leurs manières de bouger et leurs fonctionnalités (industrielles, spatiales, de défense par exemple). Ici, je ne me concentre pas sur les robots eux-mêmes, mais sur les interactions entre humains et robots qui, selon moi, se sont développées sur quatre générations.

Schéma des quatre générations d’interactions
Ma vision personnelle de l’évolution de nos interactions avec les robots depuis les années 50. Ganesh Gowrishankar, Fourni par l’auteur
Les interactions entre humains et robots à grande échelle ont commencé avec l’arrivée des robots industriels, dont le premier a été introduit par General Motors en 1961. Ceux-ci se sont lentement répandus et au début des années 1980, les robots industriels étaient présents aux États-Unis, en Europe et au Japon.

Ces robots industriels ont permis d’observer la première génération d’interactions humain-robot : ils opèrent généralement dans des zones délimitées, pour s’assurer que les humains ne s’approchent pas d’eux, même par erreur.

Les robots industriels, qui ont d’abord été popularisés par les tâches d’assemblage automobile, sont maintenant utilisés pour diverses tâches, telles que le soudage, la peinture, l’assemblage, le démontage, le pick and place pour les cartes de circuits imprimés, l’emballage et l’étiquetage.

chaine d’assemblage de voitures
Robots dans une usine d’assemblage de voitures. A noter que des garde-corps sur le côté délimitent clairement l’espace de travail du robot de celui des humains. Spencer Cooper/Flickr, CC BY-ND
Travailler côte à côte
La recherche en robotique de cette période s’est concentrée sur le rapprochement des robots avec les humains, ce qui a donné lieu à une deuxième génération d’interactions humain-robot, matérialisée pour le grand public au début des années 2000, lorsque des machines, comme le Roomba et l’Aibo, ont commencé à entrer dans nos maisons.

Ces robots de deuxième génération travaillent à proximité des humains dans nos maisons et nos bureaux pour des « applications de service », telles que le nettoyage des sols, la tonte des pelouses et le nettoyage des piscines – un marché d’environ 13 milliards de dollars US en 2019. En 2009, il y avait environ 1,3 million de robots de service dans le monde ; un nombre qui avait augmenté en 2020 à environ 32 millions.

Les premiers robots à entrer dans nos maisons ne sont pas humanoïdes. Roman Pyshchyk/Shutterstock
Toutefois, bien que ces robots opèrent dans un environnement plus humain que les robots industriels, ils interagissent toujours de manière assez minimale et basique. La plupart de leurs tâches quotidiennes sont des tâches indépendantes, qui nécessitent peu d’interaction. En fait, ils essaient même souvent d’éviter les interactions avec les humains – ce qui n’est pas toujours aisé.

Interagir avec les humains
La relation entre humains et robots évolue désormais progressivement vers la troisième génération d’interactions. Les robots de la troisième génération ont la capacité d’interagir cognitivement ou socialement comme les robots dits « sociaux », mais aussi physiquement comme les exosquelettes.

un robot de rééducation
Lokomat est un robot qui peut s’attacher physiquement aux humains et peut fournir une assistance physique pendant la rééducation. Fondazione Santa Lucia, CC BY-NC-SA
Des robots capables d’assistance physique, qui pourraient être utilisés pour la rééducation et les soins aux personnes âgées, l’assistance sociale et la sécurité, ont par ailleurs été clairement identifiés comme prioritaires par les gouvernements en Europe, aux Etats-Unis ainsi qu’au Japon dès le milieu des années 2010.

Une façon notamment de répondre au problème du vieillissement des populations dans ces pays développés.

Contester la définition du corps humain
Nous voyons désormais lentement l’émergence d’une quatrième génération d’interactions humain-robot, dans laquelle les robots ne sont pas seulement physiquement proches des humains, mais bien connectés au corps humain lui-même. Les robots deviennent des extensions du corps humain.

C’est le cas des dispositifs d’augmentation fonctionnelle -tels que des membres robotiques surnuméraires- ou encore des dispositifs de remplacement fonctionnels tels que les avatars de robots (qui permettent à l’homme d’utiliser un corps de robot pour lui faire réaliser des tâches précises). D’autres dispositifs peuvent également fournir une perception sensorielle supplémentaire aux humains.

Les interactions de quatrième génération sont fondamentalement différentes des autres générations en raison d’un facteur crucial : avant cette génération, l’humain et le robot sont clairement définis dans toutes leurs interactions par les limites physiques de leurs corps respectifs, mais cette frontière devient floue dans les interactions de quatrième génération, où les robots modifient et étendent le corps humain en termes de capacités motrices et sensorielles.

En particulier, les interactions de la quatrième génération devraient interférer avec ces « représentations corporelles ». On sait qu’il existe des représentations spécifiques de notre corps dans notre cerveau qui définissent la façon dont notre cerveau reconnaît notre corps. Ces représentations déterminent notre cognition et nos comportements.

Par exemple, imaginez que vous faites vos courses dans une allée d’épicerie bondée. Pendant que vous atteignez des articles avec votre main droite, vous êtes capable, très implicitement et sans même vous en rendre compte d’éviter la collision de votre bras gauche avec les autres acheteurs.

Ceci est possible car votre cerveau a une représentation de la taille, de la forme de vos membres et est conscient et surveille chacun de vos membres. Si vous tenez un panier dans votre bras (ce qui change la taille et la forme du « bras »), vous aurez plus de difficultés à éviter instinctivement les collisions, et devrez faire un effort conscient pour que le panier ne heurte rien dans votre entourage proche.

De la même manière, notre cerveau peut-il s’adapter à un membre surnuméraire, ou autre addition robotique de quatrième génération, et mettre à jour ses représentations corporelles ? C’est ce que l’on appelle l’« incarnation » en neurosciences.

Si l’incarnation de ces dispositifs peut se produire, à quelle vitesse cela se produit-il ? Quelles sont les limites de cette incarnation ? Comment cela affecte-t-il notre comportement et le cerveau lui-même ?

Les interactions humain-robot de quatrième génération ne remettent pas seulement en question l’acceptation de la machine par le cerveau de l’utilisateur, mais aussi l’acceptation de l’utilisateur dans la société : on ne sait toujours pas si notre société acceptera, par exemple des individus avec des bras robotiques supplémentaires. Cela dépendra certainement d’aspects culturels que nous essayons également d’analyser.

En réalité, les robots de troisième et quatrième génération sont si proches des humains que nous devons mieux comprendre les comportements humains et notre cerveau pour les développer.

Dans nos travaux, nous combinons donc la recherche en robotique avec les neurosciences cognitives, motrices et sociales, pour développer ce que nous croyons être la science des interactions humain-machine.

C’est seulement grâce à une compréhension holistique des individus humains, des machines qui interagissent avec eux et de la société dans laquelle ils vivent, que nous pourrons développer les futures générations de robots. Et, dans un sens, la société du futur.