Dix leçons sur l’IA

L’IA se définit mal à partir des notions d’algorithme, de système, de modèle, d’autonomie, d’outil, de décision, de données : ces notions sont trop ambigues.

L’IA a besoin d’ordinateurs, de serveurs et de réseaux. Cette dépendance est trop souvent ignorée.

L’IA consiste avant tout en un logiciel. Or un logiciel installé sur un ordinateur connecté a tendance à s’arrêter de fonctionner. Donc l’IA doit être continument intégrée et maintenue, et de la sorte son code sera toujours transformé.

Les “systèmes d’IA” sont très rarement bornés : leurs frontières sont toujours relativement floues, ce qui rend difficile l'évaluation de leurs avantages et inconvénients.

L’IA est moins un “algorithme” qu’un "programme" ou un "logiciel". Ou encore: les algorithmes doivent être implémentés, ce qui rend les rend moins intéressants à discuter.

L’IA, parce qu’elle est du logiciel, ne peut fonctionner qu’en interaction avec d’autres logiciels. Il faut arrêter de la penser "dans la boîte".

L’intention du programmeur ne trouve pas de traduction fidèle en code source. Le code source ne trouve pas de traduction fidèle en code exécutable. Le code exécutable n'obtient pas forcément les effets qu'on espère.

Plus d’IA (plus de logiciel) signifie plus de procédure automatique, donc plus de bureaucratie. On ne peut y échapper.

L’IA est moins un outil qu’un régime politique. On pourrait se demander si ce dernier s'accommode bien de l'idée démocratique.

L’IA ne peut pas être frugale. Les efforts d'optimisation énergétique ne bénéficieront pas véritablement, et masquent une organisation globalement défaillante.