L'IA ne résout pas tout, mais beaucoup, si elle est mise en œuvre correctement
L'IA est la technologie qui fait l'objet d'un engouement considérable dans la plupart des domaines techniques civils, et elle est là pour durer. L'IA est un excellent outil dans la boîte à outils pour résoudre certains types de problèmes, même si elle n'est peut-être pas la solution universelle à tous les problèmes techniques, comme cela est parfois avancé, souvent par ceux qui vendent le service. L'IA généraliste fonctionne bien lorsque le résultat peut être quelque peu approximatif et lorsque la précision, la reproductibilité et la compréhension des motivations sous-jacentes ne sont pas des exigences primordiales.
Chez Avioniq, nous disposons depuis de nombreuses années d'une variante d'IA adaptée à l'environnement militaire complexe et sensible, dans lequel l'être humain doit, pour un avenir prévisible, rester « dans la boucle » et comprendre ce qui se passe, car il s'agit souvent de vies humaines et d'arbitrages difficiles entre différentes options. Mais commençons par clarifier pourquoi l'IA peut poser problème et pourquoi il n'est pas possible de simplement reproduire les solutions d'IA généralistes qui existent dans le domaine civil.
Le type d'IA qui a suscité le plus d'intérêt et d'admiration ces derniers temps est l'IA générative. ChatGPT et les services de création d'images et de vidéos, qui nous inondent de manière si séduisante d'une solution extraordinaire après l'autre, appartiennent à cette catégorie. L'IA générative consiste, en résumé, à introduire des données, par exemple une question sous forme de texte, un fichier audio, une image ou des paramètres de missile, et à recevoir en retour une réponse sous forme de données, telles que du texte, du son, une image ou une série de manœuvres en combat aérien.
La caractéristique de l'IA générative est que le nombre de combinaisons distinctes d'entrées et de sorties est quasi infini. Lorsqu'on génère une image à partir d'un texte, le résultat est différent à chaque fois, même si l'image constitue toujours une réponse au texte. Il est donc difficile de vérifier que le résultat est correct, ou même satisfaisant, car il n'existe que rarement une référence absolue pour ces IA, c'est-à-dire ce qui constitue réellement la bonne réponse.
Pour savoir si la réponse fournie par une IA générative est de qualité, un expert du domaine doit l'évaluer, ce qui est très gourmand en ressources. Dans le cas de ChatGPT, un grand nombre de personnes, faisant office d'experts du domaine pour le texte courant, sont utilisées pour évaluer la qualité des réponses. Des IA spécialisées sont même entraînées à évaluer la qualité des réponses d'autres IA, sur la base des évaluations humaines.
Dans le domaine du combat aérien, par exemple, le flou autour de ce qui constitue une bonne réponse, et le fait que celle-ci puisse varier légèrement à chaque fois, pose problème : les pilotes sont une ressource rare, et les quelques disponibles ne sont pas prioritairement affectés au rôle d'experts du domaine pour l'entraînement des IA.
Les entreprises spécialisées dans l'IA la présentent souvent comme la solution à l'ensemble du problème, d'où l'expression « IA généraliste ». Lorsque l'IA répond à des questions dont l'ensemble de la problématique est contenu dans la question elle-même, comme c'est le cas pour ChatGPT et la génération d'images et de sons, il est alors parfaitement adapté de confier l'intégralité du problème à des experts en IA, capables d'évaluer si la réponse est plus ou moins correcte par rapport à la question. En revanche, lorsque la solution s'inscrit dans un contexte plus large, avec des informations implicites dans la question qui ne figurent pas parmi les données d'entrée, lorsque les frontières entre ce que l'IA doit fournir sont moins nettes et que certaines informations et conditions se trouvent dans d'autres systèmes, la situation devient nettement plus complexe.
En résumé, nous avons vu comment l'IA peut être un outil puissant, mais que son application dans les technologies militaires n'est pas sans défis significatifs. Les solutions d'IA généralistes qui fonctionnent bien dans des contextes civils sont souvent difficiles à transposer directement dans un contexte militaire, où les exigences en matière de précision et de sécurité sont plus élevées. Mais que signifie concrètement cela pour le développement de l'IA dans le combat aérien ? Dans la prochaine partie, nous explorons comment ces défis peuvent être relevés à travers des exemples concrets et des stratégies visant à optimiser le rôle de l'IA dans l'arène militaire.