La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
L'illusion de la menace de l'IA
Dans le monde numérique d'aujourd'hui, il n'est pas rare d'entendre des voix s'élever, que ce soit en ligne ou lors de discussions en personne, pour affirmer que l'intelligence artificielle (IA) est sur le point de remplacer les data scientists. Cette peur, bien que répandue, est souvent alimentée par ceux qui ne sont pas directement impliqués dans le secteur. Elle peut dissuader des talents potentiels de s'engager dans cette carrière prometteuse. Cependant, après cinq années d'expérience dans ce domaine, je suis convaincu que l'IA ne prendra pas la place des data scientists, du moins pas dans les dix prochaines années. Cet article vise à dissiper cette crainte infondée.
L'IA comme alliée, pas comme rivale
Mon approche de l'IA n'est pas celle d'un sceptique. Au contraire, j'intègre cette technologie dans mon quotidien professionnel, cherchant constamment à améliorer mes compétences en IA. Cet outil se révèle être un allié précieux pour diverses tâches telles que l'écriture de code standard, la génération d'idées techniques, la création de documents, et la production rapide de visualisations de données. L'IA est là pour rester, et il est crucial de l'adopter pour ne pas être laissé pour compte. La maîtrise de ces outils deviendra aussi essentielle que l'utilisation de l'e-mail ou de Microsoft Word aujourd'hui. L'IA ne remplacera pas les data scientists, mais ceux qui sauront l'utiliser efficacement pourraient surpasser ceux qui ne le font pas.
En tant que data scientist, il est impératif de maîtriser des outils tels que Python, R, et SQL. Ces compétences deviendront des piliers de notre industrie, tout comme Python est devenu incontournable dans l'apprentissage automatique. Il est inévitable que cette évolution se produise, et il est essentiel de s'y préparer dès maintenant.
Les défis que l'IA ne peut pas relever
Pour que l'IA puisse un jour remplacer complètement les data scientists, elle devrait acquérir des compétences complexes telles que la capacité à transformer des problèmes commerciaux flous en systèmes mathématiques ou algorithmiques, à communiquer efficacement avec des parties prenantes non techniques, et à écrire du code de production sans erreur. De plus, elle devrait être capable de faire des compromis entre complexité, conception architecturale et processus de développement, tout en établissant des relations de confiance au sein d'une équipe ou d'une entreprise.
Si l'IA parvenait à maîtriser toutes ces compétences mieux qu'un data scientist humain, cela signifierait que la plupart des emplois seraient également menacés. Dans un tel scénario, nous serions confrontés à des problèmes bien plus graves, presque au niveau de la singularité technologique, rendant les préoccupations concernant une carrière en science des données dérisoires.
Les limites du raisonnement mathématique de l'IA
Un domaine où l'IA montre encore des faiblesses notables est le raisonnement mathématique. Bien que l'IA puisse effectuer des calculs de base comme trouver le gradient d'une fonction ou calculer le déterminant d'une matrice, elle est incapable de résoudre des problèmes mathématiques non résolus. Par exemple, l'hypothèse de Riemann, une conjecture célèbre non résolue, reste hors de portée de l'IA. Cette hypothèse suggère un ordre caché dans la distribution des nombres premiers, mais nécessite une créativité et un raisonnement conceptuel que l'IA ne possède pas.
Les erreurs persistantes de l'IA
En utilisant quotidiennement ces outils, il est évident que l'IA commet encore de nombreuses erreurs. Les modèles de langage, ou LLMs, ont tendance à "halluciner", produisant des résultats qui semblent plausibles mais qui sont souvent incorrects. Ces erreurs proviennent de la nature probabiliste de ces modèles, qui peuvent générer des séquences de mots dépourvues de sens pour répondre aux attentes des utilisateurs.
Bien que les humains fassent également des erreurs, ils ont généralement la capacité de les reconnaître et de les corriger. En revanche, l'IA affiche souvent une confiance excessive dans ses réponses, ce qui peut induire les utilisateurs en erreur.
Les limites de l'amélioration des modèles d'IA
Il est intéressant de noter que les modèles d'IA n'ont pas montré d'améliorations significatives au fil du temps. Cela s'explique par deux raisons principales : d'une part, l'algorithme sous-jacent reste inchangé, puisque tous ces modèles utilisent l'architecture Transformer. Ainsi, chaque "nouveau" modèle n'est pas réellement innovant. D'autre part, la quantité de données disponibles pour l'entraînement est limitée, car il n'existe qu'une quantité finie d'informations dans le monde.
Par exemple, les modèles GPT d'OpenAI ont été formés sur presque l'ensemble de l'Internet, ce qui signifie qu'il y a peu de nouvelles données à exploiter. Il existe donc un plafond sur leur potentiel d'amélioration.
L'absence de relations humaines dans l'IA
Malgré l'attachement émotionnel que certaines personnes peuvent développer envers les robots, l'IA est incapable de nouer de véritables relations. Les humains sont des êtres sociaux, et la plupart des interactions commerciales reposent sur des relations humaines. Les gens préfèrent travailler avec des personnes qu'ils apprécient, même si elles ne sont pas les plus qualifiées techniquement.
Un stakeholder fera confiance à un data scientist qui a prouvé sa capacité à fournir des résultats cohérents. Même si une IA propose une solution techniquement "meilleure", la relation humaine prévaudra probablement.
L'impact réel de l'IA
Un jour, un de mes anciens responsables m'a demandé ce qui avait réellement changé depuis l'avènement de l'IA. Bien que nous disposions désormais de meilleurs outils pour résoudre certains problèmes et que la productivité ait augmenté dans certains aspects de notre travail, le rôle de data scientist n'a pas fondamentalement changé.
Prenez un moment pour réfléchir à ce qui a réellement changé dans votre vie quotidienne grâce à l'IA. Il est probable que vous ne puissiez nommer que peu de choses, voire rien du tout. L'IA, dans sa forme actuelle, existe depuis plus de quatre ans, et la société dans son ensemble n'a pas été significativement transformée de mon point de vue.
Si, après avoir lu cet article, vous souhaitez approfondir vos connaissances en IA, je vous recommande de consulter mon article précédent, qui propose une feuille de route complète pour maîtriser l'IA.
