Si les robots sensibles n’existaient autrefois que dans les romans de science-fiction, l’avenir est maintenant une réalité. L’intelligence artificielle (IA) vous recommande discrètement le prochain film à regarder sur Netflix, vous rappelle le chemin le plus rapide pour vous rendre au travail avant de quitter la maison et reconnaît votre visage dans un égoportrait puis fait automatiquement la mise au point de votre caméra. Comme l’a souligné le directeur général de Google, Sundar Pichai, l’avenir de l’informatique sera dominé par l’intelligence artificielle et [traduction]« nous passerons d’un monde avant tout mobile à un monde axé principalement sur l’IA ».
L’apprentissage automatique fait partie intégrante de l’intelligence artificielle. Il permet aux ordinateurs d’apprendre en traitant les données, en reconnaissant des modèles et en modifiant leurs programmes en conséquence. L’ordinateur Watson d’IBM, probablement l’icône de la culture populaire le plus célèbre dans le domaine de l’apprentissage automatique, a appris à répondre à des questions posées en langage naturel et a battu à plate couture ses pauvres concurrents humains au cours d’une émission du jeu télévisé Jeopardy!
L’apprentissage automatique retient depuis longtemps l’attention de l’industrie, mais n’a que tout récemment commencé à gagner en popularité dans le milieu de la recherche universitaire et dans des domaines autres que l’informatique. Au cours des dernières années, l’apprentissage automatique s’est propagé comme une traînée de poudre en sciences sociales, en particulier en économie. La revue The Economist a qualifié récemment l’apprentissage automatique de « nouvelle technique révolutionnaire » et du tout dernier engouement méthodologique chez les chercheurs en économie.
Le COQES a effectué récemment sa première incursion dans le domaine de l’apprentissage automatique en publiant son rapport Couverture médiatique de l’enseignement supérieur au Canada. Des chercheurs du campus Scarborough de l’Université de Toronto ont utilisé des algorithmes d’apprentissage supervisé et non supervisé pour analyser des milliers d’articles de journaux canadiens portant sur l’éducation postsecondaire. Ils se sont servis de méthodes de traitement en langage naturel, comme le fait Watson, pour classer les articles par sujet et déterminer le ton de la couverture médiatique lié à ces sujets. Ils ont en outre été en mesure d’évaluer la fréquence des articles parus au fil des ans et de relever les points de rupture dans la couverture ou les changements de perception et de ton.
Le rapport sur la couverture médiatique ne donne qu’un aperçu de tout ce que l’on peut réaliser avec l’apprentissage automatique. Il s’agit d’un outil puissant dans tous les milieux devant traiter des données volumineuses complexes. Il surpasse tout particulièrement les techniques traditionnelles d’exploration de données dans le cas des données non numériques. En donnant libre cours à notre imagination pour quelques instants, cette méthodologie pourrait être appliquée systématiquement dans le secteur de l’éducation aux fins suivantes : pour comprendre les perceptions des étudiants à l’égard du système d’éducation, pour améliorer et simplifier les mécanismes de remboursement de l’aide financière et des bourses reçues ou encore pour analyser les résultats scolaires et les comportements des étudiants à risque afin de mieux cibler les interventions relatives à la persévérance scolaire.
Il va sans dire que l’élaboration de techniques fondées sur l’apprentissage automatique, en particulier aux fins de leur application dans des situations complexes réelles, n’en est qu’à ses balbutiements. Le jour où les machines seront douées de sensations ou pourront fonctionner sans l’aide des êtres humains est loin d’être venu. Toutefois, notre compréhension de l’apprentissage automatique augmente à un rythme impressionnant. Même dans son état actuel, l’apprentissage automatique a le potentiel de nous fournir des observations globales et de nous donner une vue d’ensemble des tendances qui ne seraient normalement pas visibles à l’œil nu (des chercheurs).
Il est donc facile de comprendre pourquoi l’apprentissage automatique retient de plus en plus l’attention. Nous vivons maintenant à une époque où des données volumineuses sont produites constamment et dans laquelle tous les renseignements dont vous pouvez rêver se promènent probablement sur le Web avec un mot-dièse amusant. Le seul facteur limitant l’utilisation de ces données est le temps et l’énergie considérables devant être consacrés à leurs collecte, nettoyage, classement et analyse — des activités qui rempliraient plusieurs vies d’un être humain même dans le cas d’un ensemble de données de taille moyenne. L’intelligence artificielle offre une solution combinant des fonctions de reconnaissance des formes et d’apprentissage comparables à celles que possèdent les humains et une capacité informatique pour traiter des renseignements de façon rapide et précise — et elle ne se plaint jamais à propos de la conciliation travail-vie.
Cassandra Cao est chercheuse principale au COQES.