Si les tests fonctionnent en laboratoire, le passage dans les 36 prochains mois à phase d’industrialisation implique une prouesse exceptionnelle : le risque zéro. Imaginez une voiture capable d’éviter seule un piéton, de céder le pas à un chauffard avant de rejoindre sa file en respectant le code de la route. Imaginez, une voiture intelligente. Pour arriver à ce résultat l’équipe MAIA s’est plongée dans la recherche de principes fondamentaux, de simulations informatiques d’innombrables observations du monde vivant, du monde animal qui offrent aux scientifiques des modèles d’intelligence qui fonctionnent. Car ces voitures en libre service d’un futur très proche seront à priori doté d’un système d’intelligence calqué sur celui du vol des oiseaux. Comportement mimétique, elles circuleront en ville selon une formation qu’elles peuvent casser et reformer pour parer à toute éventualité.

Pour atteindre ce niveau de complexité dans la prise de décision, les chercheurs se sont également inspirés des araignées sociales, des fourmis, des rats, des oiseaux, des amibes, dont la compréhension a nourrit de nombreuses applications informatiques, médicales et militaires. Au travers de cette recherche qui vise à reproduire dans des domaines appliqué les mécanismes de la plus haute fonction de l’esprit humain, en reprenant le cours de la chaîne de l’évolution, en partant de l’insecte ou du mammifère dont le fonctionnement peut être plus facilement compris et reproduit, peu à peu, les scientifiques esquissent, tâtonnent et matérialisent une nouvelle pierre philosophale, ils soulèvent un coin du voile recouvrant cet ultime secret : Qu’est-ce que l’intelligence ?

​

Ce n’est plus de la science-fiction, mais une problématique concrète. Les villes seront de plus en plus saturées de véhicules, et si les agences de développement urbaines laissaient faire, l’espace ville deviendrait singulièrement pollué, surchargé, invivable. Aussi, les industriels du transport alliés à de nombreux laboratoires européens planchent sur des solutions mixtes combinant les transports en communs de type bus et tramway conduisant à l’entrée des villes pour arriver à des points de mise à disposition de véhicules urbains écologiques de petites tailles, permettant de transporter des courses, en libre service sur le modèle du Vélib. La ville d’Antibes teste avec succès depuis cet été une solution de petit véhicule électrique en libre service 24h sur 24H, disponible en trois minutes sur un simple appel téléphonique. Mais à l’instar des vélos, la contrainte de ce système de libre service demeure les points d’accumulation de véhicules qui se forment quand les usagers les laissent dans des points de dépôts du centre ville qui tarissent les disponibilités en périphérie. Si les sociétés gérant ce type d’entreprise doivent quotidiennement dépêcher des dizaines des conducteurs salariés pour rapatrier les véhicules, l’expérience ne s’avérerait ni rentable, ni pratique. Ce constat est à l’origine du projet Cristal du Loria, réalisé en partenariat industriel avec le groupe Lhor, une grosse société basée en Alsace, fabricant notamment des transports en commun ainsi que des véhicules de logistique militaire. Pour éviter ces points d’accumulation l’équipe Maia a proposé sa solution pour remplacer l’homme dans des tâches complexes trop nombreuses et donc improductives. Une solution qu’une simple machine ne peut en aucun cas remplir sans une intelligence artificielle.

 

Dans les années 50 les lecteurs du bon docteur Asimov et la société rêvaient qu’à l’horizon de l’an 2000 toutes les tâches fastidieuses seraient remplies par des robots intelligents, laissant l’homme libre de s’adonner à des activités plus importantes. Le développement de l’informatique et de la puissance de calcul, support de l’I.A, a finalement pris un autre chemin en conservant toutefois le principe moteur : l’intelligence. Les robots humanoïdes resteront dans la littérature d’anticipation, tandis que l’intelligence se distille directement dans les machines. L’intelligence se distribue dans les maisons qui répondent à nos besoins, dans les ordinateurs qui reconnaissent nos habitudes, dans des véhicules tels que Rocky, le premier robot autonome à avoir exploré Mars. Donc le programme d’intelligence des citycab (Cycab) permettra de ne déplacer qu’un seul conducteur pour que des dizaines de véhicules autonomes puissent le suivre vers les points de mise à disposition. L’originalité de ce système repose sur une intelligence complètement distribuée, sans contrôle ni centralisation, de véritables véhicules autonomes capables de réagir seuls, de se communiquer des informations entre eux pour agir de concert. Réussir ce tour de force scientifique nécessite que le citycab sache se localiser dans l’espace et donc perçoive son environnement via un capteur pour pouvoir se diriger et éviter les obstacles.

​

Dans la grande salle blanche où les scientifiques du Loria se livrent à leurs expériences on retrouve à côté du citycab, les test à petites échelles : des petites voitures ressemblant à des jouets radio-télécommandés surmontés d’une simple webcam. Le principe de l’expérience : un des petits véhicule est aveugle et doit se diriger en recevant les information sur sa localisation via les autres voitures qui elles perçoivent leur espace. Mais il restait un dernier détail à régler, il fallait que les voitures se reconnaissent entre elles. Qu’a cela ne tienne ! Un coup de peinture de couleur sur chaque webcam, une petite programmation et le tour est joué. L’équipe MAIA formée d’informaticiens, de mathématiciens associés à des biologistes, des éthologues est une autre illustration des Geek’s au pouvoir. Les questions fondamentales fusent d’un bureau à l’autre avec l’entrain jovial d’une intelligence bien distribuée. Mais cette intelligence, comment la fabrique-t-on, comment passe-t-on de l’observation d’une colonie de fourmis à un programme informatique puis à une multitude de petits robots effectuant des tâches en commun selon l’exact modèle. Le responsable de l’équipe MAIA, François Charpillet montre sur son écran d’ordinateur une simulation de fourmis informatiques dans un labyrinthe avec quelques points de nourriture. Quand un point est épuisé, on peut voir le groupe de fourmi se disperser aléatoirement, puis, quand une fourmi a trouvé un autre point, on assiste au regroupement de l’ensemble du groupe autour de la nourriture. En lieu et place des phéromones, les fourmis informatiques laissent sur leur passage un sillage d’informations perceptible par les autres. Ce sont bel et bien des fourmis. Individuellement, on ne peut pas parler d’intelligence propre mais d’intelligence collective, comme un neurone n’est pas en soi intelligent mais accomplit une partie d’un processus plus large qui lui est intelligent. En passant du modèle insecte à son alter ego informatique, quelle soit naturelle ou artificielle quand peut-on dire qu’un agent est doué d’intelligence ?

​

LE PROGR’ÂME DES MACHINES. 

 

Dans les années 50, le scientifique Alan Turing auquel on objectait qu’une machine ne pouvait pas penser a proposé une méthode empirique pour démontrer le contraire, le test de Turing. Un être humain est placé dans une pièce et converse via un ordinateur avec un autre être humain suivant une série de questions réponses. Puis on substitue au second être humain un ordinateur qui fournit ses propres réponses. Si l’individu ne se rend pas compte qu’il est face à une machine on peut alors qualifier cette dernière d’intelligente. En 2008, les joueurs de jeux vidéo sont des usagers de cette curiosité. Dans les environnements virtuels le personnage du joueur se confronte à d’autres personnages gérés par une intelligence artificielle qui peuvent réagir des façons très différentes dans les mêmes situations. La réponse n’étant pas systématique, l’effet de surprise qui naît théoriquement du seul comportement humain provient bel et bien d’une machine.

François Charpillet poursuit trois axes de recherches pour définir le comportement de ses agents (simulations informatiques ou robots) 

​

1- Un problème est posé, l’agent répond en fonction d’une réponse modèle
2- Identification d’un problème par l’agent et auto-apprentissage des réponses par renforcement.
3- Imitation des modèles biologiques

 

Dans le premier cas, il s’agit en fait de listes de réponses pré-programmées adaptées à chaque situation que l’agent peut rencontrer. Ce modèle est viable dans l’exécution de tâches relativement simples mais devient vite très lourd en cas de problèmes complexes. Par contre l’exécution de ces tâches peut être laissée à l’agent de façon décentralisée sans aucun contrôle extérieur. Ce type d’I.A se retrouve par exemple dans les appareillages médicaux qui surveillent les constantes d’un patient. La machine doit répondre à des impératifs simples : si telle variable du patient atteint tel seuil alors effectuer telle tâche.

​

Dans le second cas, on touche véritablement à l’origine de l’intelligence via la capacité de prendre en compte son environnement. Prenons le cas d’un robot (ou d’une simulation informatique) devant apprendre à de déplacer dans un espace accidenté. L’apprentissage par renforcement de l’agent s’effectue dans une première étape en milieu clos, dans un espace déterminé. Les informaticiens divisent le terrain en zones avec des valeurs positives ou négatives. Un obstacle aura une valeur négative punitive tandis que l’agent sera programmé avec la volonté d’accumuler le maximum de « bons points ». Finalement, comme un enfant en bas âge à l’école, le robot se trouve dans une démarche de problématiques et d’expérimentations avec succès et échecs. A force d’erreurs et de réussites, le robot apprend les meilleures stratégies de déplacement et se prépare à pouvoir opérer sans contrôle extérieur. On retrouve notamment dans des versions grand public ce type d’intelligence artificielle dans les jeux vidéos qui doivent gérer les déplacements de nombreux personnages ou unités. L’aspect le plus fascinant étant que la machine ou le programme est perfectible par lui-même. Des développeurs informatiques soutiennent que le réseau internet via les moteurs de recherche devient lui- même une colossale intelligence artificielle. On cite à titre d’exemple les corrections orthographiques de Google, puisque quand vous tapez une recherche avec une faute d’orthographe, le moteur vous propose tout de même un volume considérable de réponses adaptées tout en suggérant la meilleure orthographe. Bien sûr à l’origine sont les êtres humains qui rentrent les informations ou effectuent des recherches mais pour le moteur ces deux facteurs ne sont que des données qu’il traite lui-même sur la base du plus grand nombre de réponses justes. A ce titre Google est plus performant que le correcteur orthographique de word.

​

Dans le troisième cas les informaticiens et les mathématiciens doivent collaborer étroitement avec des biologistes et des éthologues pour déduire les règles de comportement de groupes d’animaux, les plus à mêmes d’effectuer des tâches complexes collectives. Le monde vivant fourni un nombre infini de modèles d’intelligence dont l’étude empirique remplace la phase de conception d’une architecture intelligente par une déduction de comportements complexes ouvrant la voie à une infinité d’applications. De l’animal à l’animal-machine.

 

BIO-LOGIQUES.       

 

Le professeur Kraft, éthologue nancéien et spécialiste des araignées sociales dont les travaux ont servi à la Direction Général de l’Armement a longuement collaboré avec l’équipe du Loria pour modéliser une intelligence collective d’un groupe d’araignées dont résulte une nouvelle définition de l’intelligence. Le professeur Kraft a sillonné le monde pour observer les 15 espèces connues d’araignées sociales sur les 35.000 espèces répertoriées. Dans la nature, en général, quand deux araignées se croisent, elles sont immédiatement rivales. Aussi, il en allait de même pour les araignées virtuelles modélisées par le Loria. Jusqu’à ce que l’équipe injecte un facteur de tolérance à l’autre. Et là, surprise, dès que les araignées se supportent elles collaborent indirectement et directement. La différence entre l’araignée sauvage et sociale résidant donc simplement dans la tolérance à l’autre : première règle. Pour réaliser ses observations le professeur Kraft a monté au Loria une cage de plexiglas et introduit progressivement des araignées pour voir à quel stimulus correspondait quelle réponse. Il est vite apparu que la nappe formée par le tissage d’une araignée ne se positionne pas au hasard mais systématiquement à mi-hauteur entre les sommets et le sol. L’araignée construit sa toile en fonction des caractéristiques de son environnement.

 

Quand l’équipe Maia est passée au modèle virtuel, l’araignée remplissait de fil tout l’espace et fixait un point d’accroche sur tous les obstacles formant une structure sans répondre au modèle classique. Pour qu'il fonctionne, il a fallu introduire une 2ème règle : la soie de la toile est attractive. L’araignée est en quelque sorte piégée par sa propre toile. Quand un fil de soie relie deux obstacles, elle aura tendance à réemprunter ce fil. Idem pour une autre araignée sociale étrangère qui aura tendance à utiliser le fil de sa congénère et à compléter le travail en reliant d’autres obstacles. Finalement, c’est la préciosité de leur travail qui conduit les araignées à agir de concert, une attraction de la matière soie. Et cette constatation est logique puisque le tissage de toile draine les protéines des araignées. Pour mettre ce fait en évidence, l’équipe a monté une autre expérience. Des toiles ont été sélectionnées pour être nourries de proies quotidiennement tandis que d’autres étaient laissées à leur propre labeur. Au bout de quelque temps les toiles des araignées nourries étaient devenues de plus en plus petites alors que les autres s’étaient agrandies. La toile coûte à l’araignée une énergie vitale provenant de sa nourriture, aussi quand elle est nourrie a satiété elle n’éprouve plus le besoin de dépenser inutilement ses protéines. Donc non seulement la soie est attractive, mais son tissage correspond à un besoin proportionnel à son niveau de faim. Les règles sont dégagées.

 

Les araignées sociales travaillent ensemble par la modification commune de leur environnement destiné à maximiser leur circulation et leur capacité à attraper des proies. Parallèlement, la soie sert de facto de moyen de communication par les vibrations de leur déplacement. La toile est un réseau qui distribue l’information entre individus. Car les araignées sociales qui piègent leur proie voient très mal. Aussi, a capture se décompose en 4 phases : une projection de toile gluante pour l’entraver, une projection de toile sèche pour fixer la proie au réseau, une morsure injectant du venin et enfin le transport de la proie vers un coin plus excentré de la nappe de toile qui généralement se trouve dans la lumière que les araignées n’apprécient pas, mais demeure un emplacement nécessaire pour les proies. La déduction de ces règles est applicable à de multiples domaines nécessitant une action d’une multitude d’agents autonomes ayant pour mission de collaborer pour remplir et surveiller un espace, modifier un environnement. Parmi les modèles dégagés par le Loria citons les drones espion de l’armée avec une mission supposée de surveillance d’un aéroport. La problématique repose sur un nombre x de drones ayant pour tâches de surveiller l’ensemble des points de la zone efficacement, sans se télescoper et en complétant logiquement le champ de vision découvert par ses homologues. Dans ce cas, l’intelligence et l’expérience des araignées ou des fourmis avec un système de communication distribué constitue un excellent modèle. Les drones militaires peuvent remplir de nombreuses fonctions d’espionnage, de surveillance, d’approche du terrain pour renseigner les hommes au sol quant à la présence d’obstacles ou d’ennemis. Dans tous ces cas de figure, ils doivent pouvoir couvrir une zone avec logique et ne laisser aucune zone dans l’ombre, être capable d’identifier l’ennemi et de s’en cacher. Toutes ces fonctions nécessitent une véritable intelligence inspirée de la vie animale. Aussi pourrait-il y avoir meilleur exemple que celui des animaux qui combattent quotidiennement un environnement hostile pour survivre ?

​

 DE L'INTELLIGENCE AU SERVICE   

​

L’équipe Maia travaille à des dizaines de simulations répondant à des problématiques concrètes, sans jamais breveter commercialement le savoir, mais plutôt en remplissant un rôle d’incubateur d’idée d’où peuvent sortir des entreprises commercialisant des applications au service de l’homme. Comme la société Diatélic créée depuis quelques années à Nancy qui commercialise des appareillages dotés d’intelligences artificielles permettant à des patients traités dans la cadre de dialyses péritonéales, ou des patient souffrant d’insuffisance rénales d’être traités et suivis à domicile plutôt qu’en milieu hospitalier. Concrètement les analyses sont effectuées à domiciles et transmises informatiquement à un médecin, dans l’intervalle les patients sont surveillés par la machine qui peut donner l’alerte quand le taux de déshydratation augmente. Et ça leur change la vie. Dans les années 70, il n’existait pas assez de lits d’hospitalisation pour suivre une dialyse, aussi, beaucoup mouraient. Même en 2008, de l’aveu des médecins, il est impossible de suivre quotidiennement les informations relevées par chaque patient. Des associations comme l’Altir (Association Lorraine pour le Traitement de l’insuffisance Renale), qui suit plus de 70 patient, s’est dotée d’un système expert fourni par Diatelic permettant au dialysé d’effectuer son traitement à domicile, accompagné par un ordinateur qui donne l’alerte aux médecins quand les constantes ne sont pas bonnes. Le médecine n’a plus à traiter que les patients en ayant urgemment besoin. Le malade, de son côté, est sécurisé par une machine qui le surveille en permanence. Le tout pour un coût humain et matériel modique. Maia travaille actuellement à l’élaboration d’un système de surveillance de la marche des personnes âgées visant à ce que la machine puisse établir un diagnostic en cas d’altération et de donner l’alerte en cas de chute. Leurs apports dans le domaine de la télé-médecine sont considérables et ne demanderaient qu’à être largement diffusés si des questions d’argent et de corporatismes ne grippaient pas comme toujours le système. Si les machines commencent à abriter ces petites étincelles, l’humain lui, manque encore parfois d’intelligence. Les règles informatiques sont pourtant simples. Une petite dose de tolérance. Un peu de travail en commun. C’est juste de la logique.

​

Sébastien Di Silvestro

 

Toute reproduction, citation, totale ou partielle est interdite sans l'autorisation du diffuseur. 

​