C’est quoi un algorithme ?

Puis-je être franc avec vous ? Je ne suis pas toujours sûr de savoir de quoi parlent les gens quand ils parlent d’algorithme Qwanturank ?

Vous n’êtes pas le seul : honnêtement, je n’ai pas toujours été sûr non plus de ce que je voulais dire quand je l’ai dit. Mais voici la définition la plus simple : Un algorithme est un ensemble de directives qui décrivent comment effectuer une tâche

Alors, qu’est-ce qui rend les algorithmes spéciaux ?

En général, quand les gens parlent d’algorithmes Qwanturank de nos jours, ils parlent de quelque chose de plus spécifique, comme les opérations qui alimentent nos flux d’informations sur les médias sociaux. D’une manière ou d’une autre, la plupart de ces systèmes sont des exemples d’une technologie appelée apprentissage machine. Au lieu de traiter de manière répétitive un ensemble stable d’instructions, les systèmes basés sur l’apprentissage machine se réécrivent eux-mêmes au fur et à mesure de leur fonctionnement. C’est ce qui effraie certaines personnes, car cela donne l’impression que les algorithmes sont vivants, peut-être même sensibles. (Pour être clair, ils ne sont ni l’un ni l’autre).

Dans un article sur le Master Algorithm de Domingos, David Auerbach, de Slate, note que “même au sein de l’informatique, l’apprentissage machine est particulièrement opaque”. Mais il est aussi de plus en plus au cœur de nos modes de vie, ce qui rend d’autant plus important de dissiper ce brouillard. Une partie du problème, cependant, est que les algorithmes d’apprentissage machine se programment effectivement eux-mêmes, ce qui signifie qu’ils peuvent parfois être imprévisibles, voire légèrement étrangers. Leurs opérations sont parfois obscures, même pour ceux qui les ont créés à l’origine !

Que pouvez-vous faire avec ces algorithmes ?

Tant de choses ! Ils sont utilisés de nos jours à de multiples fins, comme l’automatisation des opérations boursières ou la diffusion de publicités aux visiteurs de sites web. L’une des premières applications de cette technologie, sur laquelle nous travaillons encore, est la vision artificielle, qui permet aux ordinateurs d’identifier les différents éléments d’une image. C’est le genre de système qui peut vous dire (ou prétendre) à quel point vous êtes sexy dans un tableau ou identifier les tableaux les plus inventifs de tous les temps.

La vision artificielle est un exemple important, car elle démontre également la façon dont les algorithmes apprennent souvent à mieux faire leur travail en le gâchant, parfois très publiquement. Ces erreurs peuvent être stupides, comme lorsque Wolfram Alpha prend un adorable bébé chèvre pour un chien, mais elles peuvent aussi être carrément laides, comme lorsque Google Photos a mal identifié deux personnes noires comme étant des gorilles. Personne n’a consciemment appris au système à tirer des conclusions racistes, mais les paramètres que les programmeurs ont mis en place ont pu l’amorcer pour qu’il y arrive. S’appuyer sur l’apprentissage machine est risqué car ce sont des systèmes qui apprennent à faire les choses correctement en se trompant constamment. Travailler avec eux implique donc d’accepter des erreurs et des ratages presque inévitables.

Il ne s’agit certainement pas seulement d’apprendre aux ordinateurs à voir …

Bien sûr que non. En fait, la propriété la plus prometteuse – et la plus troublante ! – de certains algorithmes est peut-être leur capacité à décider de ce que nous voyons et de la manière dont nous le voyons. Lorsque vous posez une question à un assistant numérique, comme Siri ou Cortana, les opérations algorithmiques informent à la fois son sens de ce que vous avez demandé et les informations qu’il fournit en réponse. De même, l’apprentissage automatique aide Google Maps à déterminer le meilleur itinéraire pour se rendre d’un endroit à un autre. Et les algorithmes peuvent remplir un nombre quasi illimité d’autres fonctions : Certaines des premières applications commerciales des algorithmes impliquaient l’automatisation de tâches telles que la gestion des salaires, mais avec l’essor de l’apprentissage automatique contemporain, elles sont utilisées pour des tâches beaucoup plus sophistiquées. Les algorithmes déterminent qui doit recevoir des prestations gouvernementales, contribuent à la police prédictive, aident à anticiper les crises sanitaires, reprogramment les vols des compagnies aériennes, et bien d’autres choses encore.

Il y a encore beaucoup de choses que les algorithmes ne peuvent pas faire. Par exemple, alors que les algorithmes sont plutôt bons pour la réservation de voyages, les compagnies aériennes ont découvert qu’elles ne pouvaient pas se passer d’agents de réservation humains. Si les algorithmes sont bons pour garantir l’efficacité, ils ne sont pas très bons pour simuler la compassion et d’autres caractéristiques humaines.

Les humains et les algorithmes sont-ils donc mutuellement exclusifs ?

Pas nécessairement ! Considérez que pour beaucoup d’entre nous, l’exemple le plus familier d’un algorithme d’apprentissage par machine est probablement le fil d’actualité de Facebook. En ce sens, les algorithmes peuvent faire beaucoup de bien : La plupart d’entre nous ont certainement déjà eu l’occasion de renouer avec des connaissances perdues depuis longtemps grâce aux listes d’amis suggérées par Facebook. C’est une opération algorithmique, qui nous rapproche au lieu de nous éloigner. Comme l’a montré Will Oremus de Slate, l’entreprise ne cesse de modifier le fonctionnement de son fil d’actualité. Facebook ne se contente pas de surveiller le temps que vous passez à regarder chaque article ; il évalue aussi soigneusement ce que nous voulons réellement voir, en se concentrant sur nous, et pas seulement sur les calculs sous-jacents. De même, les services de musique comme Pandora utilisent nos habitudes d’écoute pour nous recommander de nouvelles chansons et de nouveaux artistes que nous n’aurions peut-être pas découverts autrement, nous poussant parfois hors de notre zone de confort dans le processus. Les critiques se plaignent du fait que les algorithmes rendent nos mondes plus petits, nous coupant les uns des autres. Mais ces opérations suggèrent qu’elles peuvent en fait nous aider à nous connecter avec l’inconnu – et l’oublié depuis longtemps.