L’intelligence artificielle traverse une époque charnière où ses succès spectaculaires masquent des défis conceptuels profonds. L’école d’ingénieurs EPITA a réuni trois figures majeures de la recherche contemporaine pour explorer les fondements technologiques, mathématiques et économiques de cette révolution.

Au-delà des performances techniques des modèles de langage, cette matinée d’étude propose une déconstruction critique des idées reçues sur l’IA.

Elle redéfinit la discipline non pas comme l’avènement d’une conscience machine, mais comme un carrefour d’ingénierie combinant les statistiques, l’économie collaborative et la physique théorique.

Ce qu’il faut retenir

  • L’IA est une infrastructure collective et non une entité singulière : le concept d’agent unique super-intelligent est une erreur de perspective. Les grands modèles de langage fonctionnent comme des miroirs et des connecteurs de la culture humaine globale, et non comme des esprits autonomes capables de raisonner.
  • Le traitement de l’incertitude et du biais est le véritable défi de la science des données : les probabilités fournies par les réseaux de neurones actuels sont structurellement mal calibrées. L’intégration de méthodes statistiques post-hoc et de corrections locales s’avère indispensable pour garantir la fiabilité des décisions, notamment dans la recherche scientifique et la médecine.
  • L’avenir de la discipline réside dans une approche d’ingénierie pluridisciplinaire : pour surmonter le mur de la complexité et réguler efficacement les technologies numériques, il est crucial de faire converger l’informatique avec la microéconomie, la théorie des jeux et la physique statistique.

Présentation de la recherche à l’EPITA

La recherche au sein de l’école s’est structurée sur près de trois décennies pour atteindre aujourd’hui une dimension d’unité de recherche reconnue et évaluée positivement par les instances publiques.

Le laboratoire compte une cinquantaine d’enseignants-chercheurs permanents, appuyés par des ingénieurs de recherche et une trentaine de doctorants. L’intégration au sein de l’école doctorale d’informatique et de télécommunications parisienne formalise cet ancrage académique.

L’équipe dédiée à l’intelligence artificielle se déploie dans un écosystème propice aux collaborations avec les start-ups et l’industrie numérique. Cette dynamique nourrit directement les enseignements pour adapter les compétences des étudiants aux exigences réelles du marché de l’ingénierie.

Prédiction conformelle et quantification de l’incertitude

La prédiction conformelle répond à une problématique essentielle des réseaux de neurones modernes : leur propension à être surconfiants tout en produisant des estimations mathématiquement mal calibrées.

Dans un problème d’apprentissage supervisé classique, un modèle cherche à associer des caractéristiques à une étiquette de prédiction. La méthode conformelle intervient après l’entraînement du modèle, de manière totalement agnostique à sa structure interne.

Elle permet de construire des ensembles ou des intervalles de confiance dotés d’une garantie de couverture mathématique stricte.

Le fonctionnement repose sur l’utilisation d’un ensemble de données de calibration, distinct de l’ensemble d’apprentissage. On y calcule des scores de non-conformité, des grandeurs numériques qui mesurent l’écart entre la prédiction du modèle et la réalité.

En ordonnant ces scores, on détermine un quantile empirique correspondant au niveau de confiance souhaité. Pour une nouvelle donnée, le système ne renvoie pas une prédiction unique, mais un ensemble de candidats dont la probabilité de contenir la bonne réponse est garantie.

En classification, le modèle pourra ainsi proposer plusieurs étiquettes plausibles lorsque la situation est ambiguë. En régression, il fournira un intervalle de valeurs.

Un enjeu théorique majeur réside dans la distinction entre la couverture marginale et la couverture conditionnelle. La couverture marginale offre une garantie globale, en moyenne sur l’ensemble de la population des données. Elle s’obtient sous des hypothèses statistiques minimales, ce qui fait la force de la théorie classique.

Cependant, l’utilisateur d’un système réclame souvent une garantie conditionnelle, valide spécifiquement pour la donnée précise qu’il est en train de traiter. Obtenir des garanties conditionnelles strictes s’avère impossible sans ajouter des hypothèses lourdes sur la régularité des lois de probabilité.

La recherche s’oriente donc vers des procédures capables d’approcher cette adaptativité locale, notamment à travers l’utilisation de la régression quantile conformalisée ou de modèles génératifs conditionnels appliqués aux trajectoires complexes.

Perspectives microéconomiques sur les systèmes d’apprentissage

L’assimilation de l’IA à un agent unique et autonome occulte sa nature profonde : celle d’un système décentralisé interconnectant des milliards d’êtres humains.

Les réponses d’un grand modèle de langage ne proviennent pas d’une pensée propre, mais de la compilation des connaissances produites par une collectivité de chercheurs, d’artistes et d’individus. Analyser l’IA nécessite donc de s’écarter des sciences cognitives traditionnelles pour adopter les outils de la microéconomie et de la théorie des jeux.

L’introduction de modèles de fondation dans des disciplines scientifiques pointues, comme la biologie avec la prédiction de repliement des protéines, révèle des biais systématiques.

Ces biais proviennent du fait que les bases de données d’entraînement reflètent les tendances passées de la recherche et non les découvertes situées à la frontière de la science. Pour corriger ces dérives, de nouvelles approches statistiques permettent de combiner les prédictions globales des grands modèles avec des validations locales et rigoureuses obtenues en laboratoire.

Le fonctionnement d’un réseau collectif à grande échelle est régi par des asymétries d’information et des conflits d’intérêts. Les agents économiques n’ont pas d’incitation naturelle à partager des données exactes si cela dessert leurs objectifs stratégiques.

Ce phénomène est flagrant dans le domaine des essais cliniques, où les entreprises pharmaceutiques se comportent en acteurs stratégiques face au régulateur public. La résolution de ces tensions mathématiques ne relève pas d’algorithmes d’optimisation classiques, mais de la recherche de points d’équilibre, notamment par la théorie des contrats statistiques.

En construisant des menus de fonctions basés sur des concepts mathématiques de super-martingales, le régulateur peut concevoir des incitations qui contraignent indirectement les acteurs à révéler la vérité de leurs informations, tout en contrôlant rigoureusement le risque d’erreur statistique.

De la même manière, la gestion de la vie privée sur les plateformes numériques gagne à être traitée par des mécanismes de marché plutôt que par des réglementations uniformes.

Chaque utilisateur ou entité détermine le niveau de bruit qu’il souhaite injecter dans ses transactions en fonction des bénéfices qu’il tire du service. Le système converge alors naturellement vers un équilibre de Pareto où la protection des données et l’efficacité du service se compensent de manière fluide.

Les mathématiques des réseaux de neurones profonds

Pour comprendre le succès des réseaux de neurones convolutifs et des architectures de type transformeur, il convient d’explorer la géométrie des fonctions en grande dimension.

Un réseau de neurones profonds effectue une succession de transformations linéaires et d’opérations non linéaires simples à travers plusieurs couches de calcul.

L’examen des paramètres appris sur les premières couches révèle des structures géométriques oscillantes similaires à des ondelettes, une observation qui fait écho à l’organisation du cortex visuel primaire en neurophysiologie.

La réussite de ces architectures repose sur leur capacité à contourner la malédiction de la dimensionnalité.

Si l’on cherchait à estimer une loi de probabilité de manière naïve dans un espace à un million de dimensions, comme une image numérique, le nombre de configurations possibles dépasserait les capacités de calcul de l’univers physique.

La solution mathématique adoptée implicitement par les réseaux de neurones consiste à factoriser les lois de probabilité complexes en une cascade de relations conditionnelles plus simples, structurées à travers les échelles spatiales ou fréquentielles.

Cette décomposition multi-échelle rejoint les concepts de la physique statistique et la théorie du groupe de renormalisation.

En physique, l’étude des systèmes de particules complexes passe par l’analyse des probabilités de transition d’une échelle macroscopique grossière vers une échelle microscopique fine.

Les modèles de diffusion appliqués à la génération d’images exploitent ce principe exact sous la forme d’un problème de transport de mesures.

Le processus consiste à modéliser le passage progressif d’une distribution gaussienne simple, s’apparentant à un bruit blanc, vers la distribution complexe des données réelles. Le réseau de neurones apprend à inverser ce mécanisme en calculant un champ de vitesse de débruitage.

Les expériences montrent que lorsque le volume de données d’entraînement franchit un seuil critique, le réseau cesse de mémoriser les exemples pour capturer la véritable structure mathématique sous-jacente de la distribution.

C’est cette faculté de généralisation profonde qui permet aujourd’hui à des modèles d’apprentissage de surpasser les équations classiques de la physique, telles que les équations de Navier-Stokes, dans des tâches hautement complexes comme la prévision météorologique numérique.

En exploitant la richesse des données historiques, l’IA intègre les effets des reliefs et des micro-interfaces que la modélisation mathématique traditionnelle ne parvenait pas à formaliser explicitement.