Apprentissage et intelligence artificielle : comment une machine apprend, et ce que la comparaison éclaire

Pour faire apprendre une machine, il a fallu rendre explicites des décisions que votre cerveau prend sans vous en avertir. Les regarder de près apprend quelque chose sur les deux, à condition de savoir où la ressemblance s’arrête.

Ce qu’une machine rend visible

On peut apprendre toute sa vie sans jamais se demander comment on s’y prend. Les décisions se prennent quelque part, elles se prennent bien ou mal, et elles ne remontent presque jamais à la conscience : ce qu’on garde d’une page, ce qu’on laisse tomber, l’endroit où l’on ralentit, le moment où l’on revient sur ce qu’on croyait su.

Faire apprendre une machine oblige à sortir ces décisions du silence. Il faut dire ce qu’on encode et sous quelle forme, ce qu’on garde et ce qu’on jette, où l’on porte l’attention dans un texte long, à quel moment on repasse sur ce qui a déjà été vu. Rien de tout cela ne peut rester implicite : une machine n’a pas d’intuition à laquelle déléguer.

Cela ne prouve rien sur le cerveau, et ce module ne prétendra jamais le contraire. Cela donne autre chose, qui vaut le déplacement : un vocabulaire et une série de questions précises, qu’on peut ensuite retourner vers sa propre façon de travailler.

Quinze mots, et ce que vous en garderez

Lisez la liste qui suit une seule fois, à votre vitesse habituelle, sans y revenir. Regardez ensuite ailleurs une dizaine de secondes, puis notez ce qui vous revient, dans l’ordre que vous voulez.

soleil · tabouret · framboise · wagon · plume · casserole · sable · tambour · échelle · miroir · noisette · ficelle · hameçon · brouette · cloche

Vous avez très probablement retrouvé les deux ou trois premiers et les deux ou trois derniers, et perdu à peu près tout le milieu. Ce n’est pas un défaut de votre mémoire et ce n’est pas propre à vous : c’est ce que donne à peu près n’importe qui devant une liste présentée dans cet ordre. Le phénomène s’appelle l’effet de position sérielle, il est mesuré et publié depuis 1962, et vous venez de le reproduire chez vous en trente secondes.

Ce qui nous intéresse ici n’est pas son nom. C’est qu’un système qui reçoit de l’information en séquence, sans pouvoir tout retenir avec la même force, finit par privilégier certains endroits plutôt que d’autres. Une machine qui lit un texte long rencontre le même genre de question. Elle a sur vous un avantage : on peut ouvrir le capot et regarder comment elle s’y prend. C’est ce que fera ce module.

Trois problèmes que les deux ont à résoudre

Il faut donner une forme à ce qu’on veut garder: Une information brute ne se range pas. D’un côté on la transforme en images, en structures, en histoires ; de l’autre en nombres. Ce n’est pas la même opération, mais l’obligation est la même : rien ne se retient tel quel.
Il faut jeter: Tout garder n’est pas un idéal, c’est une panne. Vous ne savez plus ce que vous avez mangé mardi dernier, et c’est très bien : ce qui n’a pas servi a été laissé de côté. Un système qui apprend a le même problème à traiter, et il le traite explicitement.
Il faut décider où regarder: Un texte long ne se parcourt pas d’un bout à l’autre avec la même attention, et vous venez d’en faire l’expérience. Choisir où porter l’effort est une compétence, des deux côtés.

Ces trois questions sont exactement celles que le Système d’Apprentissage Buzan traite, une par module : la forme qu’on donne à un contenu, le rythme auquel on y revient, et la manière de parcourir un texte. C’est pour cette raison que ce module vient après eux, et pas avant.

Là où la comparaison s’arrête

On lit souvent que l’intelligence artificielle a été conçue en copiant le cerveau. C’est commode, et c’est faux. Les premiers modèles de neurones artificiels s’inspiraient de très loin d’une description du neurone biologique publiée dans les années quarante ; ce qui se construit aujourd’hui ne modélise aucune structure cérébrale connue, et personne dans le domaine ne le prétend.

Ce qui reste vrai est plus modeste et bien plus utile : deux systèmes qui doivent apprendre à partir d’exemples se heurtent à des problèmes qui se ressemblent. Ils ne les résolvent pas de la même manière, et c’est précisément l’écart qui instruit, pas la ressemblance.

Une comparaison sert à penser, elle ne sert pas à conclure. Nous enseignons la même prudence ailleurs, sous une autre forme : la carte n’est pas le territoire. Ce module s’y tiendra, et dira chaque fois de quel côté il se trouve.

Ce que le module traitera

Les modules sont écrits, leur enregistrement est en cours. Voici ce qu’ils traiteront, dans l’ordre. Nous n’annonçons pas de date d’ouverture : nous préférons ne pas en donner une dont nous ne serions pas sûrs.

Une vision d’ensemble des réseaux de neurones artificiels
Ce qu’est un Transformer, l’architecture des grands modèles de langage
Les parallèles entre le cerveau et les modèles d’apprentissage automatique
Les parallèles entre les sens humains et les entrées d’un modèle
Ce que l’apprentissage automatique éclaire de l’apprentissage des langues
Extraire d’un contenu l’information qui compte
Construire des stratégies d’apprentissage à partir de ces comparaisons
La visualisation et la créativité, vues depuis ces mêmes comparaisons
Les éléments d’attitude que la comparaison met en évidence

Qui l’anime

Michel Wozniak

Ingénieur en systèmes d’information et en informatique, avec une option en intelligence artificielle, il travaille dans ce domaine depuis une vingtaine d’années : c’est le métier qu’il exerçait avant d’enseigner, et il ne l’a jamais tout à fait quitté. Il est par ailleurs l’un des cinq Grand Master Trainers nommés par Tony Buzan, l’inventeur du mind mapping, et le responsable pédagogique monde de son groupe. Il est titulaire du Brevet fédéral suisse de formateur.

Trois choses à savoir

Les trois modules Buzan sont un prérequis, pas une recommandation: Ce module part de ce que la mémorisation, le mind mapping et la lecture efficace vous ont fait pratiquer, et il ne les réenseigne pas. Sans eux, vous suivrez le raisonnement sans avoir sous la main ce à quoi il se compare. Le Système d’Apprentissage Buzan les réunit tous les trois.
Ce module n’apprend pas à se servir de l’intelligence artificielle au travail: Ni la façon de formuler une demande, ni les automatisations, ni le choix des outils, ni ce qu’on a le droit d’y mettre. Ici, on regarde comment une machine apprend, pour ce que cela éclaire de la façon dont vous apprenez. Pour l’usage quotidien, notre formation A.I. From Threat to Ally s’y consacre entièrement ; elle est en anglais.
Ce n’est pas une formation technique: Aucun code, aucune mathématique, rien à installer. On regarde comment cela fonctionne, pas comment on en construit.

L’inscription

L’inscription n’est pas encore ouverte. Les modules sont en cours d’enregistrement, et tant qu’ils ne le sont pas, il n’y a ici ni tarif ni bouton : nous ne mettons pas un prix sur une formation qu’on ne peut pas encore suivre.

Laissez-nous votre adresse et nous vous préviendrons à l’ouverture. C’est nous qui répondons.

Me prévenir de l’ouverture

Les questions fréquentes

Faut-il avoir suivi les trois modules Buzan ?

Oui. Ce module s’appuie sur ce qu’ils font pratiquer et ne les réenseigne pas. Ils sont réunis dans le Système d’Apprentissage Buzan.

Faut-il des connaissances techniques ?

Aucune. Ni code, ni mathématiques, rien à installer. Le module explique comment cela fonctionne, il n’apprend pas à en construire.

Est-ce que ce module apprend à se servir de l’intelligence artificielle au travail ?

Non, et c’est une autre formation. Ici on regarde comment une machine apprend, pour ce que cela éclaire de la façon dont nous apprenons. Pour l’usage quotidien — formuler une demande, décider ce qu’on lui confie —, notre formation A.I. From Threat to Ally s’y consacre entièrement ; elle est en anglais.

Quand la formation ouvre-t-elle ?

L’enregistrement est en cours et nous n’annonçons pas de date. Nous préférons ne pas en donner une dont nous ne serions pas sûrs. Écrivez-nous et nous vous préviendrons à l’ouverture.

Comment se suivra-t-elle ?

En ligne, sur la plateforme GoKollab, à l’heure qui vous arrange et à votre rythme, sans limite de durée. Il existe une application mobile pour reprendre un module depuis un téléphone.

Reçoit-on un document à la fin ?

Oui, une attestation de suivi sera remise.

Vos formations sont-elles éligibles au CPF ou aux OPCO ?

Non. Rendre une formation éligible au CPF suppose de l’académiser fortement, ce qui va contre une pédagogie expérientielle comme la nôtre. S’ajoute une difficulté que nous n’avons pas choisie : nos participants viennent d’une dizaine de pays, et les exigences y sont rarement compatibles entre elles — la certification Qualiopi en France ne l’est pas avec la certification Eduqua en Suisse. Nous avons préféré mettre ce travail dans les contenus.