Intelligence artificielle : comment les algorithmes transforment déjà la société

L’intelligence artificielle s’est installée dans des gestes ordinaires, parfois sans être nommée : une recommandation de produit, un filtre contre une fraude, une aide à la rédaction, un logiciel qui signale une anomalie sur une image médicale. Au 13 décembre 2024, son essor ne tient donc pas uniquement à la popularité des assistants conversationnels. Il correspond à la diffusion de systèmes capables d’analyser de grands volumes de données, de repérer des régularités et de produire une prédiction, une classification ou un contenu.

Cette diffusion promet des gains de temps et de nouvelles capacités de décision. Mais elle déplace aussi des questions très concrètes : quelle donnée est utilisée ? Qui vérifie le résultat ? Comment éviter qu’une automatisation reproduise une discrimination ou expose une information personnelle ? La révolution de l’IA ne se joue pas seulement dans les laboratoires et les grandes entreprises. Elle concerne les services publics, les salariés, les patients, les consommateurs et, plus largement, les règles collectives qui encadrent la technologie.

Pourquoi l’IA marque-t-elle un tournant technologique ?

L’IA n’est pas une technologie unique. L’expression rassemble des méthodes qui permettent à un programme d’exécuter des tâches associées à l’intelligence humaine : reconnaître une image, traduire un texte, détecter une transaction inhabituelle, recommander un contenu ou générer un document. Les réseaux de neurones, les arbres de décision et l’apprentissage par renforcement font partie des familles d’algorithmes employées selon les besoins.

Le changement actuel vient de la combinaison de plusieurs éléments : l’abondance de données numériques, des capacités de calcul considérables et des modèles capables de traiter le langage, les images ou le son. Un système ne « comprend » pas nécessairement le monde comme une personne. Il calcule des relations statistiques à partir des exemples reçus, puis fournit un résultat selon son entraînement et les consignes qui lui sont données. Cette distinction est essentielle : une réponse fluide ou une prédiction convaincante ne constituent pas, à elles seules, une preuve de fiabilité.

L’enjeu économique explique l’intensité de la course engagée. Le marché mondial de l’IA est valorisé à 638,23 milliards de dollars au quatrième trimestre 2024. Les projections citées envisagent 3 600 milliards de dollars d’ici 2034. En français, cette dernière valeur correspond à 3,6 trillions de dollars au sens anglo-saxon, soit 3 600 milliards.

Ces montants sont des prévisions, non des revenus garantis. Ils traduisent néanmoins une attente forte : l’IA pourrait être intégrée à une grande variété de logiciels et d’équipements, puis devenir une composante ordinaire de l’activité économique, comme le sont devenus les outils de recherche, le cloud ou l’automatisation bureautique.

Santé, finance, commerce : où l’IA produit-elle déjà des effets ?

Les applications les plus utiles ne sont pas toujours les plus spectaculaires. Dans de nombreux cas, l’IA sert à assister un professionnel en lui présentant un signal, un résumé, une estimation ou une priorité. Sa valeur dépend alors de la qualité des données, de son intégration dans le travail réel et de la possibilité de contester ou corriger son résultat.

Dans la santé, l’IA peut notamment aider à examiner des volumes d’images ou de dossiers difficilement traitables à la main. Elle ne remplace pas la relation médicale, ni la responsabilité d’un professionnel. Une erreur de données, une population insuffisamment représentée pendant l’entraînement ou un usage hors du contexte prévu peuvent dégrader les résultats. Le bénéfice attendu est donc celui d’une aide à la décision mieux outillée, pas d’un diagnostic rendu aveuglément par une machine.

En finance, les algorithmes servent depuis longtemps à repérer des comportements inhabituels ou à organiser l’information. Les modèles plus récents renforcent la capacité à synthétiser des documents et à personnaliser des interactions. Cette efficacité soulève toutefois une difficulté : lorsqu’un système influence l’accès à un crédit, à une assurance ou à un service, l’organisation qui l’emploie doit pouvoir justifier ses critères et répondre de ses décisions.

Dans le commerce, l’IA peut rapprocher l’offre de la demande, ajuster les stocks et proposer des recommandations. Une expérience plus personnalisée peut être pratique, mais elle ne doit pas conduire à une surveillance invisible des habitudes de consommation. Le même principe vaut pour la cybersécurité : l’IA peut détecter rapidement une activité suspecte dans une masse de signaux, sans supprimer le besoin d’experts capables d’enquêter, de hiérarchiser les alertes et de prendre les décisions les plus critiques.

Ce que les assistants changent dans la vie quotidienne

La diffusion de l’IA passe aussi par des outils moins spécialisés : assistants de rédaction, systèmes de recherche, fonctions de résumé, de traduction ou d’organisation. Ils visent à réduire le temps passé sur des tâches répétitives, comme préparer une première version de courriel, extraire les idées principales d’un document ou établir un planning.

Leur intérêt est réel lorsqu’ils restent des instruments au service d’un objectif clair. Un assistant peut proposer une formulation ou classer des informations, mais l’utilisateur doit contrôler le contenu produit, en particulier lorsqu’il contient des données personnelles, des éléments professionnels confidentiels ou des affirmations factuelles. La facilité d’utilisation risque sinon de transformer une proposition automatique en décision acceptée sans examen.

Les « jumeaux numériques » constituent une autre piste. Dans l’industrie, cette expression désigne souvent la représentation virtuelle d’un objet, d’une machine ou d’un processus afin de le simuler et de l’optimiser. Dans les usages personnels, elle peut désigner une représentation numérique qui apprend les préférences et habitudes d’un utilisateur pour l’aider à organiser certaines actions.

La plateforme Twin Protocol illustre cette ambition. Elle propose des représentations numériques dynamiques, susceptibles d’évoluer avec leurs utilisateurs, pour aider notamment à la planification, à la recherche et à la réponse aux courriels. Son approche associe des algorithmes d’apprentissage à des technologies de registre décentralisé afin que l’individu conserve la maîtrise de son identité numérique.

Cette promesse mérite d’être examinée avec attention. Un registre décentralisé ne règle pas automatiquement toutes les questions de confidentialité. Le contrôle effectif dépend aussi de ce qui est collecté, des autorisations accordées, de la durée de conservation, des personnes ou services pouvant accéder aux données et de la possibilité de les retirer. Plus un assistant sait de choses sur son utilisateur, plus la clarté de ces règles devient importante.

L’IA va-t-elle supprimer ou créer des emplois ?

L’effet le plus plausible de l’IA sur le travail est une transformation des tâches. Dans un même métier, certaines opérations peuvent être automatisées ou accélérées : recherche d’informations, tri de documents, rédaction d’ébauches, contrôle de cohérence, traitement de demandes simples. Le temps ainsi libéré peut être consacré à la relation avec les clients ou les patients, à la création, à la négociation, à l’analyse ou à la résolution de problèmes complexes.

Cela ne signifie pas que les gains seront répartis de manière égale. Certains postes peuvent être fragilisés si les organisations cherchent surtout à réduire les coûts, tandis que d’autres compétences deviennent plus recherchées : savoir formuler un besoin, vérifier une production de l’IA, protéger les données, documenter un processus ou identifier une erreur. La conception, le déploiement, la maintenance et l’audit des systèmes d’IA peuvent également créer de nouveaux besoins professionnels.

Pour les entreprises, une intégration utile commence rarement par l’achat d’un outil. Il faut d’abord identifier une tâche précise et répétitive, évaluer les données disponibles, tester le dispositif sur un périmètre limité, définir qui valide les résultats et former les équipes. Sans cette préparation, une IA peut ajouter de la complexité au lieu d’en retirer.

Données, biais et responsabilité : les conditions de la confiance

Un algorithme est façonné par les données sur lesquelles il a été entraîné, par les objectifs définis et par les choix de ceux qui le déploient. Si les données sont incomplètes, anciennes ou déséquilibrées, le système peut reproduire ces défauts à grande échelle. Un biais peut par exemple apparaître lorsqu’un outil a été conçu à partir d’exemples qui représentent mal une partie de la population.

La transparence ne suppose pas que chaque utilisateur maîtrise les mathématiques du modèle. Elle implique de savoir quand une IA intervient, quelle est sa finalité, quelles données elle utilise, quelles sont ses limites et à qui s’adresser en cas de contestation. Dans les secteurs où les conséquences sont importantes, l’explication et la possibilité de révision humaine sont des garanties pratiques, pas de simples principes abstraits.

La protection de la vie privée est tout aussi centrale. Alimenter un outil d’IA avec un dossier médical, un contrat, une conversation ou une liste de clients peut exposer des informations sensibles. Avant d’utiliser un service, particuliers et organisations doivent donc vérifier les règles de traitement des données, les droits accordés au fournisseur et les paramètres de confidentialité disponibles.

L’Union européenne a franchi une étape importante avec l’entrée en vigueur de l’AI Act le 1er août 2024. Le règlement met en place une approche fondée sur les risques, avec des obligations qui s’appliqueront progressivement. Il rappelle une idée simple : plus un système peut affecter la sécurité, les droits ou les chances d’une personne, plus les exigences de contrôle, de documentation et de gouvernance doivent être élevées.

Ce qu’il faut surveiller dans les prochaines années

Au cours des dix années à venir, l’IA pourrait approfondir son rôle dans l’éducation personnalisée, l’optimisation industrielle, la recherche, les services publics et les outils de travail. La question ne sera pas seulement de savoir si la technologie peut accomplir une tâche, mais dans quelles conditions elle doit le faire et qui en tirera les bénéfices.

Trois critères aideront à distinguer les usages utiles des promesses excessives. D’abord, la qualité mesurable du résultat dans une situation réelle. Ensuite, la capacité des utilisateurs à comprendre, corriger ou refuser une décision automatisée. Enfin, une répartition crédible des responsabilités entre l’éditeur de l’outil, l’organisation qui l’utilise et la personne qui conserve le dernier mot.

L’IA peut devenir un partenaire de transformation pour la santé, la formation et l’activité économique. Mais elle ne doit pas être traitée comme une autorité infaillible. Sa place dans la société dépendra moins de la puissance des algorithmes que de la manière dont ils sont conçus, déployés et contrôlés par les humains.