Les cybercriminels agissent en bandes très organisées, et surtout très modulables. Dan Asaki, Unsplash , CC BY Par Jean-Yves Marion , Université de Lorraine Europol vient d’ annoncer le démantèlement d’un groupe de rançongiciels en Ukraine . Dans leur forme la plus basique, ces cyberattaques bloquent les systèmes informatiques et exfiltrent les données de la victime, promettant de les restituer contre rançon. Ainsi, en août 2022, une cyberattaque attribuée au rançongiciel LockBit a paralysé le centre hospitalier sud-francilien en exfiltrant 11 Gigaoctets de données de patients et d’employés. L’hôpital a dû fonctionner en « mode dégradé » pendant plusieurs mois, avec les dossiers médicaux inaccessibles et des appareils de soin inutilisables. En juillet 2023, c’est le port de Nagoya, l’un des plus importants du Japon, qui a été obligé de s’arrêter pendant deux jours à cause d’un rançongiciel. De l’exfiltration des données à leur revente sur des marc
Par Charles Teissèdre, Directeur Scientifique – Synapse Développement
L’intelligence artificielle entre dans une nouvelle aire avec l’émergence de la technologie dite d’IA frugale. Économe en données, en ressources machines et en énergie, l’intelligence artificielle frugale est particulièrement pertinente lorsque l’entité qui souhaite la déployer ne possède pas de volumes de données qualifiées importants. Appliquée aux nouvelles générations de chatbots intelligents, l’IA frugale permet à des industries ou des secteurs de pointes, même à partir de documents très techniques, d’adopter des agents conversationnels très performants.
L’intelligence artificielle est partout… Mais bien souvent, pour déployer des technologies de Machine Learning ou Deep Learning, il est indispensable de disposer d’un volume de données considérable (Big Data). Relativement accessibles pour des domaines génériques, ces données sont en revanche bien plus rares (et bien plus chères) lorsqu’il s’agit de domaines bien spécifiques ou très techniques. On peut ainsi penser aux industries telles que l’aéronautique et le spatial, la défense, la pharmacologie, la chimie, la banque et l’assurance… et plus globalement, à tous les secteurs de pointe.
En effet, le manque de données abondantes est un frein à l’utilisation des modèles d’intelligence artificielle aujourd’hui dominants. Dans ce contexte, l’analyse sémantique, la thématisation ou le déploiement d’un chatbot intelligent sont alors impossibles pour bon nombre de secteurs avec ces modèles. Mais désormais, la technologie dite d’intelligence artificielle frugale lève ce frein et va révolutionner, entre autres, l’univers des chatbots. Tous les secteurs, même les plus pointus, pourront ainsi se doter d’un agent conversationnel intelligent pour faciliter l’accès et le partage de connaissances.
L’IA frugale, comment ça marche ?
Contrairement au modèle dominant qui repose sur le Deep Learning ou le Machine Learning, l’IA frugale ne nécessite pas de grands volumes de données pour entraîner son modèle. Il s’agit bien là de la force première de cette technologie. En effet, la plupart des entreprises qui sollicitent un spécialiste en intelligence artificielle pour, par exemple, déployer un chatbot, ne possèdent pas un volume de données suffisant. Il faut alors envisager d’utiliser des ressources libres de droits ou tierces payantes, pas forcément très représentatives de leur secteur d’activité.
Une solution possible pour pallier ce problème est de créer ses propres ressources de données. Cette solution nécessite de mobiliser de très nombreux experts d’un sujet donné, sur le long terme. Difficile par exemple, pour un avionneur, de mobiliser des pilotes et des mécaniciens pendant des mois pour annoter des ressources documentaires. Le coût serait exorbitant et le travail particulièrement fastidieux et éloigné de leur métier. De plus, les besoins en ressources machines seraient alors particulièrement élevés, de même que la consommation d’énergie associée.
Seconde solution, adopter des modèles qui contournent le problème d’un grand volume de données disponibles : l’IA frugale. Cette technologie est capable d’apprendre à partir de très peu d’exemples. Le défi majeur est de réussir à initier un modèle suffisamment performant dans un premier temps, afin de susciter l’adhésion des utilisateurs, et ensuite d’apprendre en continu au fil des interactions homme-machine. L’acquisition de données ne se fait donc plus uniquement en amont du projet, mais sur un temps long, sans mobiliser d’importantes ressources humaines expertes.
L’IA frugale appliquée aux chatbots intelligents
Certains chatbots - ou agents conversationnels – dits intelligents, sont capables de lire et de comprendre une documentation, grâce à des technologies comme le Machine Reading. Là où l’intelligence artificielle frugale va encore plus loin, c’est qu’elle permet à ce type de technologie d’être efficiente sur des corpus documentaires très techniques, avec très peu d’exemples. Ainsi, il est tout à fait envisageable pour un laboratoire pharmaceutique, une entreprise de l’aérospatiale ou encore une société spécialisée dans la finance de déployer un chatbot afin de faciliter l’accès et le partage de connaissances au sein de ses équipes.
IA frugale, un gros plus pour un numérique plus vertueux
Le saviez-vous ? En six ans, les besoins en calculs liés au Deep learning – modèle actuellement dominant d’intelligence artificielle - ont été multipliés par 300.000, rien que ça ! Sachez également que le coût d'entraînement de ce type de technologie double plusieurs fois chaque année ! L’intelligence artificielle est donc loin de la sobriété de l’intelligence humaine. Quand un cerveau utilise une vingtaine de watts pour fonctionner, une IA basée sur le Deep Learning nécessite près d’un demi-million de watts ! L’IA frugale apparaît clairement comme un levier considérable pour accélérer la sobriété des technologies basées sur l’intelligence artificielle.