En novembre, le boursier Amii et le titulaire de la chaire canadienne CIFAR sur l'IA Adam White a organisé la Université de l'Alberta la première journée de l'intelligence artificielle. Des experts de l'IA ont discuté de l'impact de l'intelligence artificielle sur la recherche scientifique et ont mis en lumière certaines des recherches révolutionnaires menées à Edmonton.

L'IA dans la science

La première discussion de l'événement a réuni deux boursiers Amii et les chaires d'IA du CIFAR au Canada, Martha White et Abby Azariainsi que le biochimiste Glen Uhrig, chercheur principal du laboratoire Uhrig de l'Université de l'Alberta. Le trio a discuté de la façon dont l'apprentissage automatique transforme la recherche scientifique et apporte des solutions prometteuses à des problèmes concrets et importants.

M. Uhrig, dont le laboratoire étudie l'évolution de la biologie des plantes tout au long de la journée et la manière dont elles sont affectées par les différentes conditions d'éclairage et d'environnement, a commencé par expliquer qu'il était le membre du panel ayant le moins d'expérience dans le domaine de l'apprentissage automatique.

"J'avais l'habitude de penser qu'il s'agissait de l'étoffe des films hollywoodiens", a déclaré M. Uhrig à l'ouverture de la table ronde. Mais maintenant qu'il connaît mieux l'apprentissage automatique, il voit les choses différemment.

"C'est un moyen d'accéder à de nouvelles idées. C'est un moyen d'accélérer la découverte".

M. Urhig explique que son laboratoire a commencé à utiliser l'apprentissage automatique pour analyser des images de plantes cultivées dans différentes conditions d'éclairage. Les modèles qu'ils utilisent sont capables de détecter des changements subtils dans les plantes qui pourraient échapper à l'œil humain, ce qui leur permet de tester les effets des différentes conditions de culture.

Selon M. Urhig, nous n'en sommes qu'aux premiers stades. Il pense que l'intelligence artificielle a le potentiel de soutenir des avancées passionnantes dans les domaines de la science des plantes et de la biochimie, ce qui conduirait à des techniques permettant aux cultures de pousser plus vite et de produire davantage. Cela pourrait avoir d'énormes répercussions sur l'agriculture d'intérieur, qui pourrait être extrêmement importante pour cultiver des aliments dans les communautés nordiques isolées ou même pour produire des aliments pendant les voyages dans l'espace.

Abby Azari a donné d'autres exemples de la manière dont l'apprentissage automatique pourrait soutenir l'exploration spatiale. Professeur assistant nommé conjointement aux départements de physique et d'ingénierie électrique et informatique de l'Université d'Australie, les travaux d'Azari se concentrent sur l'utilisation de l'IA pour révéler les secrets du système solaire.

Elle note que l'apprentissage automatique est devenu indispensable pour l'exploration spatiale. Les défis posés par l'analyse des données collectées lors de l'exploration spatiale sont quelque peu contradictoires : il s'agit parfois d'un problème de surabondance de données, et parfois d'un problème de manque de données. Selon elle, l'apprentissage automatique s'avère précieux pour résoudre ces deux problèmes ; il permet aux chercheurs d'utiliser les flux quasi infinis de données complexes sur d'autres corps planétaires collectées par les rovers et les satellites, tout en aidant à combler les lacunes dans les données relatives à des événements astronomiques rares, ce qui permet aux scientifiques de l'espace d'en acquérir une meilleure compréhension.  

Interrogée sur les types d'applications futures qui l'enthousiasment le plus, la chercheuse a déclaré que l'apprentissage automatique serait vital pour des tâches telles que l'examen du potentiel des océans cachés sous la surface d'autres planètes et lunes du système solaire.

"Vous avez vraiment besoin de ML pour faire cela. Il y a beaucoup d'incertitude.

Martha White a donné un exemple plus concret de l'impact de l'IA sur l'eau ici, sur Terre. Une grande partie des recherches de Mme White est consacrée à la construction de systèmes d'apprentissage par renforcement robustes et durables, capables de gérer la complexité du monde réel. Mme White a parlé des projets d'IA menés par RLCore Technologies, l'entreprise qu'elle a cofondée.

L'entreprise utilise l'apprentissage par renforcement pour aider à contrôler et à optimiser les opérations en milieu industriel, principalement dans le domaine du traitement de l'eau, ce qui permet d'améliorer l'efficacité et de réduire l'impact sur l'environnement. Selon elle, si l'automatisation fait partie des opérations industrielles depuis des années, la capacité de l'IA à réagir au retour d'information et à s'adapter aux conditions changeantes la rend inestimable dans les environnements complexes et dynamiques dans lesquels travaillent les systèmes de contrôle industriels.

Pour conclure le panel, M. White a également répondu à une question sur le risque de voir les systèmes d'intelligence artificielle remplacer complètement les scientifiques humains.

"Je pense que cette idée est très rare", a-t-elle déclaré. "La science se fait en équipe. En science, l'IA consiste généralement à donner aux gens les moyens de faire les choses différemment et à leur permettre de faire de nouvelles choses qu'ils ne pouvaient pas faire auparavant.

Carrières dans l'IA

La deuxième table ronde de la Journée de l'IA a permis de passer de la recherche à des conseils en matière de carrière. Les panélistes, trois boursiers Amii et titulaires de chaires CIFAR en IA au Canada - Marlos C. Machado, Bei Jiang et Alona Fyshe - ont donné des conseils et des indications aux étudiants en informatique sur les options qui s'offrent à eux après l'obtention de leur diplôme.

Une grande partie de la conversation a porté sur la question à laquelle est confronté tout étudiant en fin d'études : faut-il chercher à faire carrière dans l'industrie ou dans le monde universitaire ? Les trois panélistes ont présenté un mélange d'expériences différentes à cet égard. Machado et Fyshe ont tous deux mené une carrière mêlant industrie et enseignement, travaillant pour des entreprises telles que Microsoft, Google et IBM. Jiang, quant à lui, est resté dans le milieu universitaire.

Les panélistes ont noté que les barrières entre les carrières universitaires et industrielles se sont considérablement affaiblies ces dernières années, et qu'il n'est plus aussi difficile de passer de l'une à l'autre qu'auparavant. Mme Machado a toutefois fait remarquer que la décision de passer d'une voie à l'autre devait être prise intentionnellement.

"Vous pouvez passer de l'un à l'autre, oui", a-t-il déclaré. "Mais il faut toujours s'assurer que ce que l'on fait permet de se vendre.

Des conseils similaires ont été donnés sur la question des lacunes dans l'expérience professionnelle. Ces lacunes ne sont pas nécessairement dévastatrices lorsqu'il s'agit d'être embauché, mais les participants ont fait valoir que toute lacune devrait avoir une raison d'être. M. Fyshe a fait remarquer qu'en 2025, les employeurs sont beaucoup plus compréhensifs à l'égard des raisons personnelles ou familiales qui peuvent éloigner temporairement les gens du marché du travail, mais ces lacunes doivent souvent être expliquées. Mme Jiang a répondu que les attitudes à l'égard des périodes d'inactivité peuvent également être très différentes d'un secteur à l'autre et d'une discipline à l'autre. Elle a souligné que dans son domaine, les statistiques, les interruptions d'emploi ne sont pas rares et peuvent même parfois être positives si elles sont dues à une recherche intéressante ou à un projet ayant un impact.

Au final, le trio de chercheurs s'est accordé sur un point : il n'existe pas de chemin unique vers le bonheur. Une carrière réussie peut emprunter une infinité de voies, et le plus important est de suivre les domaines qui vous intéressent le plus. C'est en suivant leur instinct que les trois panélistes ont trouvé un emploi qui les épanouit.

"J'avais envie de comprendre", a déclaré Mme Jiang à propos de ce qui l'a conduite à son poste actuel. "J'ai suivi cette curiosité.

Rich Sutton : L'ère de l'expérience

Dans la dernière intervention de la journée, Rich Sutton, conseiller scientifique en chef d'Amii et récent lauréat du prix Turing, a décrit ce qu'il considère comme un changement profond dans l'avenir de l'intelligence artificielle dans un futur proche.

Sutton affirme que jusqu'à présent, nous avons vécu dans ce qu'il appelle l'ère des données humaines. Cela est illustré par l'essor des grands modèles linguistiques (LLM), qui sont formés sur des ensembles de données massifs constitués de données créées par des êtres humains : vidéos, livres, articles, bases de données et autres médias créés et collectés par des êtres humains. Bien que les LLM aient obtenu des résultats impressionnants, M. Sutton estime que nous sommes sur le point d'atteindre la limite des progrès révolutionnaires dans ce domaine. Mais en restant limités par les données humaines et en imitant les modes de raisonnement humains, ils ne peuvent pas dépasser le champ de la connaissance humaine.

"L'objectif de l'IA est aujourd'hui de transférer les connaissances humaines vers ces modèles de grands langages", a-t-il déclaré. "Et je trouve cela vraiment étrange.

Pour vraiment réaliser le potentiel de l'IA, M. Sutton estime que nous devons passer de l'ère des données humaines à l'ère de l'expérience : une ère où les agents d'intelligence artificielle apprennent en interagissant continuellement avec leur environnement par le biais de l'apprentissage par renforcement. Mais pour atteindre ce niveau, il faudra mieux comprendre les méthodes d'amélioration qui permettent aux modèles d'apprendre en permanence. L'apprentissage par l'expérience ne peut se faire dans le cadre de grandes sessions de formation discrètes qui alimentent le développement actuel du LLM. Au contraire, l'IA devra avoir la capacité d'intégrer un flux continu de connaissances pour modifier la manière dont elle interagit avec le monde, comme le font les intelligences organiques.

M. Sutton souligne que quitter l'ère des données humaines conduira probablement à une intelligence artificielle dont les méthodes de raisonnement seront différentes de celles des êtres humains et qui pourrait également avoir des objectifs différents. Au lieu d'essayer d'éliminer cette possibilité, M. Sutton préconise une approche qui met l'accent sur la coopération, qu'il qualifie de "superpuissance de l'humanité", et d'éviter la tentation d'un contrôle centralisé de l'intelligence artificielle. Un mouvement vers l'ère de l'expérience est une voie vers une compréhension plus complète de ce qu'est réellement l'intelligence, ce qui, selon Sutton, serait la découverte scientifique la plus importante de l'histoire de l'humanité.

L'intelligence est le phénomène le plus puissant de l'univers", a déclaré M. Sutton.

Vous voulez en savoir plus sur les réflexions de Rich Sutton sur l'âge de l'expérience ? Consultez sa présentation lors de la conférence Upper Bound 2025.