Pour cet article, innovecteur s’est inspiré des travaux d’un double spécialiste, informatique et questions philosophiques … pour éclairer les enjeux de l’intelligence artificielle.

AVERTISSEMENT : Cet article, même s'il s'appuie largement sur le papier "HASARD ET INFORMATIQUE, Apprivoiser le hasard" de Lionel Loiseau, est interprété (subjectivement) et rédigé (sélectivement) sous la seule responsabilité d'innovecteur.

« Contrairement aux autres animaux, chaque humain a la capacité unique de penser à l’avenir, d’envisager les risques ainsi que les bénéfices potentiels. Cependant, toute décision ou action humaine comporte une part de hasard qui lui rappelle ses propres limites et ignorances. »

Le hasard, souvent défini comme l’absence de cause apparente dans un événement, coexiste de manière fascinante avec le concept d’innovation.

L’innovation se manifeste par l’exploration de territoires inconnus, la recherche active et la découverte parfois inattendue. Cette démarche d’exploration et de création trouve une résonance particulière dans la notion de hasard, où les éléments se rencontrent sans qu’une planification préalable soit évidente. En effet, l’acte d’innover s’ancre souvent dans cette interaction entre l’imprévu et le potentiel créatif.

Un parallèle captivant se dessine donc entre la démarche d’innovation et les aléas du hasard, où l’exploration de l’inconnu peut mener à des résultats inespérés et enrichissants.

Sur le hasard

Le hasard dans notre vocabulaire quotidien

Parfois, pour apaiser nos préoccupations, nous adoptons l’expression courante selon laquelle « le hasard fait bien les choses ».

Elle nous renvoie vers des notions d’opportunité, de destin, qui transcendent nos connaissances, nos compétences, nos certitudes et nos capacités.
Le mot « hasard » trouve ses racines dans l’arabe « az-zahr ». A l’origine, il décrivait un jeu de dés, mais aussi, par extension, tout ce qui touchait à la « science de la chance ».

Peu à peu, le hasard s’est mêlé d’une touche de danger, comme le laisse entrevoir le terme « hasardeux », évoquant des risques impulsifs et une aventure audacieuse. Cette signification additionnelle se retrouve dans le mot anglais « hazard », traduisible par « risque » ou « péril ».

Le hasard dans une perspective causale

L’être humain est contraint de suivre la trajectoire du temps qui s’étire du passé vers le futur, des origines aux aboutissements. En cela, Antoine Augustin Cournot, mathématicien et philosophe du XIXème siècle, définissait le hasard comme la « convergence de deux séries causales indépendantes.

Une sorte « d’enchaînement mécanique des causes et des effets » selon Henri Bergson.

Par essence, l’intention du hasard est profondément liée à l’objectif de l’homme dans l’univers. Si le hasard était totalement dépourvu de but, comment l’homme, l’humanité, et la vie dans son ensemble pourraient-ils posséder un dessein quelconque ?

Il est indéniable que l’être humain a une capacité cognitive particulière qui le pousse à discerner des structures significatives, même dans des manifestations aléatoires telles que des paysages, des nuages, de la fumée, ou encore dans des taches d’encre (comme le test de Rorschach).

Hasard et innovation

Au XVIIe siècle, le mathématicien suisse Jacques Bernouilli avançait que le hasard n’existait pas mais plutôt qu’il était le fruit de notre ignorance : « L’incertitude n’est pas dans les choses, mais dans notre esprit : elle provient d’un manque de connaissance. »

Dans notre vie quotidienne, il arrive que nous prenions des décisions « au hasard », souvent dans un état de confusion cognitive, ou simplement parce que la recherche d’informations supplémentaires pourrait être excessivement difficile, même en tenant compte de notre aversion pour le risque.

Les projets innovants ont cette particularité d’évoluer dans l’inconnu et l’incertitude, sans que la destination ne soit connue à priori. D’où une nécessaire « prise de risques ».

En situation d’innovation, il est important de distinguer risque et incertitude. Une façon d’aborder cette notion consiste à l’envisager sous l’angle des probabilités.

• Un risque se réfère à une situation future pour laquelle la probabilité peut être évaluée, en se basant soit sur des données historiques, soit sur l’observation des événements au fil du temps
• En contraste, l’incertitude désigne une situation pour laquelle non seulement les données manquent, mais qui ne peut pas être analysée en raison de son absence de conformité à des lois mathématiques.

Dans ce dernier cas, aucun calcul statistique ne peut aider à la compréhension d’un phénomène n’existant pas encore.

Certains auteurs proposent alors une stratégie à adopter vis-à-vis de l’incertitude inhérente aux projets innovants :

• Lorsqu’un projet est entouré d’incertitudes dues à des domaines peu explorés, il devient nécessaire de cultiver la connaissance en testant diverses solutions jusqu’à obtenir une satisfaction, en suivant une approche essai-erreur.
• En revanche, lorsque le projet est d’une telle complexité que l’apprentissage ne permet pas de comprendre l’impact de chaque solution sur le tout, il devient avantageux d’explorer simultanément différentes solutions dans l’espoir d’en trouver une qui s’adapte.
• Finalement, si le projet est à la fois incertain et complexe, la meilleure approche consiste à combiner les deux méthodes : entreprendre plusieurs recherches parallèles et fusionner les résultats intermédiaires pour définir de nouvelles directions.

Pour illustrer la capacité à gérer incertitude et complexité, la théorie mathématique du chaos étudie le comportement récurrent de systèmes dynamiques très sensibles aux conditions initiales (exemples d’application : météo ou le climat).

Pour de tels systèmes, des différences, mêmes infimes, dans les conditions initiales entraînent des résultats totalement différents, rendant en général toute prédiction impossible à long terme.

Hasard et créativité

Pour Guy Aznar, chercheur spécialisé en prospective sociale et en créativité, la créativité est la capacité à produire des solutions nouvelles, sans utiliser de processus logique, mais en établissant des rapports d’ordre lointain entre les faits.

Il s’agit donc de l’aptitude de notre cerveau à croiser, à remettre sous une forme exploitable toutes les idées emmagasinées. Ces idées vont se recomposer, s’agencer et produire – peut-être – des étincelles !

Cette découverte s’accompagne souvent d’une joie, d’un « eurêka » ! Car cette illumination allège la tension accumulée par la recherche d’une « bonne » idée et l’inconfort provoqué par l’absence d’une perspective réjouissante.

En ce qui concerne la sérendipité, c’est l’art de faire des découvertes par chance, accident ou même négligence. Elle combine à la fois le hasard et l’intelligence et comme nous venons de le voir, un peu (beaucoup) de travail préparatoire.

Car la chance ne favorise que les esprits bien préparés. Louis Pasteur

Que ce soit la pseudo-sérendipité – la découverte accidentelle d’une vérité que l’on cherchait – comme dans le fameux « Eurêka » d’Archimède, ou la vraie sérendipité – la découverte accidentelle de quelque chose que l’on ne cherchait pas – comme dans les cas des bandes velcro ou du téflon, toutes ces situations croisent en diverses mesures l’intentionnalité, une réaction inattendue et la capacité à laisser le hasard agir.

Les découvertes de Darwin sur la théorie de l’évolution consacrent, quant à elles, le rôle du hasard dans la vie et ses mutations. La dérive génétique, par exemple, souligne comment une population et une espèce évoluent en raison d’événements aléatoires. Nos décisions qui peuvent parfois sembler suboptimales – que l’on peut appeler des « intuitions » – existent parce que l’évolution a favorisé ce trait. Plutôt que d’adopter un comportement prévisible en toute situation, une part de hasard résiduel, ou de créativité, permet une certaine variabilité et une adaptation aux conditions changeantes de notre environnement.

Hasard, informatique … et intelligence artificielle

Dès l’avènement des ordinateurs, les jeux ont été un terrain privilégié pour l’expérimentation et la démonstration.

Les règles, initialement simples et peu nombreuses, les choix limités et les configurations faciles à analyser, ont permis de créer des modes simplifiés mais néanmoins intéressants. Dans ces modes, la puissance brute de l’ordinateur a été largement mise en avant, entraînant des optimisations graduelles. Il s’est notamment mis en place des arbres de décisions que les ordinateurs ont appris à ne plus explorer systématiquement en en supprimant certaines ramifications.

C’est ainsi qu’en 1952, le premier exemple de « machine learning », également appelé apprentissage automatique, a vu le jour sous la forme d’un programme.

Ce programme jouait au Jeu de Dames et s’améliorait de façon autonome. L’idée à l’origine de cette innovation provient d’Alan Turing, un mathématicien et cryptologue britannique renommé. Turing avait réussi à décrypter le code – supposé aléatoire – de la machine Enigma allemande durant la Seconde Guerre mondiale.

Les avancées du « machine learning », conjuguées à de vastes échantillons de données, ouvrent sans cesse de nouvelles perspectives. Parmi elles, l’analyse prédictive est capable, en croisant des données de différentes sources, de trouver des corrélations entre des séries causales d’apparence indépendantes.

Le machine learning trouve bien entendu de nombreux champs d’application : aide au diagnostic, médical notamment, détection de fraudes à la carte de crédit, cybersécurité, analyse financière, dont celle du marché boursier, classification des séquences ADN, analyse prédictive en matière juridique et judiciaire.

Les algorithmes de machine learning possèdent une particularité intriguante : leur logique sous-jacente reste insondable et opaque, même pour leurs concepteurs.

Ils ne nous divulgueront jamais ce qu’ils ignorent, car leur structure ne le permet pas. À l’instar du mythe de Frankenstein, ces créations non organiques échappent au contrôle de leurs créateurs, se nourrissent d’elles-mêmes et se développent de manière autonome. Pour reprendre les termes d’Ali Rahimi, chercheur en Intelligence Artificielle chez Google, le machine learning équivaut à de l’alchimie.

En avalant des quantités massives de données, propulsés par leur puissance de calcul extraordinaire et leur capacité d’apprentissage infatigable, ces algorithmes repoussent constamment les limites du hasard fortuit et les frontières de notre ignorance.

Conclusion

Nous, humains ne sommes pas « programmés » pour un monde aussi complexe, aussi dense en informations.

Dépassés mais tout de même férus de progrès, nous en sommes venus à confier des décisions impactant directement notre quotidien à des algorithmes auto-apprenants.

Le hasard, autrefois perçu comme accidentel, naturel, divin, ou chaotique, est progressivement délégué aux ordinateurs et à leurs algorithmes. Ces systèmes de pensée, bien qu’ils ne se pensent pas eux-mêmes, sont désormais en train de penser pour nous !

Finalement, quelles décisions voulons-nous vraiment déléguer à des machines dans nos vies ?

C’est une question d’éthique. Cf. article précédent de Lionel sur ce sujet.

---

Pour aller plus loin

1. Pour comprendre les enjeux de l’éthique appliquée à l’innovation, le livre « Du projet innovant au management responsable de l’innovation »
2. Un teaser gratuit à télécharger sur l’innovation responsable
3. Plusieurs articles sur l’innovation d’exploration : https://innovecteur.com/?s=exploration
4. Plusieurs articles sur l’intelligence artificielle

---

Vous avez aimé ce billet ? 
Partagez-le pour le promouvoir. 
C'est immédiat avec les boutons ci-dessous. 
Merci d'avance.