17. LA RECHERCHE SCIENTIFIQUE EN AFRIQUE FACE AUX ENJEUX DE L’INTELLIGENCE ARTIFICIELLE
Kpa Yao Raoul KOUASSI
Université Félix HOUPHOUËT-BOIGNY (Côte d’Ivoire)
Résumé
La recherche scientifique prend de plus en plus une nouvelle avancée avec l’implication des gouvernants, des structures de recherche en Afrique et des organes de recherche à grande envergure comme le CAMES. Ces avancées qui sont aujourd’hui une fierté pour l’Afrique sont loin de répondre aux attentes du développement de la recherche scientifique vu les implications et les défis nouveaux que l’Intelligence Artificielle apporte dans la recherche et sa maîtrise. Ainsi, si les chercheurs africains ne s’y impliquent pas à fond pour renverser la tendance, on passera d’une Afrique marginalisée par les occidentaux de par son histoire, sa culture et sa vision du monde à une Afrique dominée par les développements technoscientifiques dont la force tient grâce à l’Intelligence Artificielle. La recherche scientifique ne peut pas se contenter des approches qui rassemblent les chercheurs, les évaluent sans prendre en compte l’Intelligence Artificielle qui devient un outil indispensable pour penser la recherche scientifique dans l’histoire de l’humanité. Il s’agit alors de motiver la recherche scientifique en Afrique face aux enjeux de l’Intelligence Artificielle en montrant que celle-ci sera plus performante si elle réussit à saisir l’opportunité de l’Intelligence Artificielle et à en faire un usage performatif.
Mots clés : Afrique, Enjeux, Intelligence Artificielle, Recherche scientifique.
Abstract:
Scientific research is increasingly taking new steps forward with the involvement of governments, research structures in Africa and large-scale research bodies such as CAMES. These advances, which are today a source of pride for Africa, are far from meeting the expectations for the development of scientific research given the implications and new challenges that Artificial Intelligence brings to research and its mastery. Thus, if African researchers do not get fully involved in reversing the trend, we will move from an Africa marginalized by the West because of its history, its culture and its vision of the world to an Africa dominated by technoscientific developments including the force holds thanks to Artificial Intelligence. Scientific research cannot be satisfied with approaches that bring together researchers and evaluate them without taking into account Artificial Intelligence, which is becoming an essential tool for thinking about scientific research in the history of humanity. It is then a question of motivating scientific research in Africa in the face of the challenges of Artificial Intelligence by showing that it will be more efficient if it succeeds in seizing the opportunity of Artificial Intelligence and making performative use of it.
Key words: Africa, Issues, Artificial Intelligence, Scientific Research.
Introduction
La recherche scientifique en Afrique s’entend ici comme la recherche scientifique pratiquée sur le sol de l’Afrique par des chercheurs et enseignants-chercheurs africains ou celle réalisée par des chercheurs et enseignants-chercheurs africains résidant hors de l’Afrique, mais visant les intérêts de l’Afrique. Il ne s’agit pas ici de poser la préoccupation à partir des aides à l’Afrique, mais à partir du génie des chercheurs et enseignants-chercheurs africains vivant ou non sur le sol africain qui doivent exploiter les atouts de l’Intelligence Artificielle en vue de la performance de la recherche scientifique en Afrique. Ce sont les hommes qui réalisent la recherche scientifique, mais la puissance des algorithmes tend à faire la différence, surtout dans la transformation des connaissances avec l’ajout de la mémoire. Cette approche semble aussi s’imposer à l’Afrique. Comment l’Intelligence Artificielle une connaissance et une technologie basée sur les lois des algorithmes, étend-elle mieux la recherche scientifique en Afrique que les approches scientifiques des africains eux-mêmes ?
L’Intelligence Artificielle devient incontournable. Les états actuels de la recherche en Afrique sont-ils porteurs pour une prise en compte de l’Intelligence Artificielle ? En quoi les enjeux de l’Intelligence Artificielle se présentent-ils comme indispensables pour l’avenir de la recherche scientifique en Afrique ? Et si l’Intelligence Artificielle est devenue incontournable et semble échapper au contrôle, comment la transformation de la recherche scientifique en Afrique par l’Intelligence Artificielle peut s’envisager pour que les intérêts de l’Afrique soient toujours préservés ? Le problème central mérite d’être clarifié et clairement défini. Pour ce faire, nous utiliserons la méthode exploratoire qui nous permettra de comprendre comment l’Intelligence Artificielle devient un atout indispensable pour faire avancer la recherche scientifique en Afrique.
1. Les états actuels de la recherche scientifique en Afrique
La recherche scientifique en Afrique vise ici les intérêts de l’Afrique rendus possibles par les chercheurs et enseignants-chercheurs africains. Ce champ situe alors l’Afrique dont nous parlons après les indépendances. Il s’agit de présenter les efforts et les performances de la recherche scientifique réalisés par les chercheurs africains et les enseignants-chercheurs africains depuis l’avènement de l’Intelligence Artificielle. Pour la suite de notre analyse, nous utiliserons l’acronyme « IA » pour désigner l’« Intelligence Artificielle » et « chercheurs africains » pour désigner l’ensemble des chercheurs africains et enseignants-chercheurs africains vivant ou non sur le territoire africain, mais qui œuvrent pour l’émulation de la recherche scientifique en Afrique. Par « chercheurs africains », nous entendons ici ceux pour qui la recherche scientifique est le lien commun africain entre les chercheurs et les enseignants-chercheurs. De plus, le champ visé est la recherche scientifique et l’histoire de l’IA est récente. Et comme l’Afrique en tant qu’espaces géographiques et culturels communs comprend aussi les intérêts scientifiques de l’Afrique après les indépendances des années 1960, elle est plus jeune que l’IA. Les « états actuels » de l’Afrique à analyser seront considérés en fonction des ententes choisies. La recherche scientifique en Afrique sera présentée en abrégé au féminin avec l’appellation « RSA ».
L’exploration des « États actuels » de la RSA n’entend pas s’enliser dans ce qui est péjoratif, mais elle vise à découvrir ce champ comme un champ en évolution possible ; ce qui implique de découvrir si l’IA peut servir de catalyseur pour rendre possible cette dynamique. L’IA a commencé avec des chercheurs :
pendant l’été 1956, un groupe de chercheurs s’est réuni au collège de Dartmouth (New Hampshire, USA) pour une conférence d’un mois. Il y avait là des chercheurs qui allaient devenir très influents, (…) John McCarthy, et Herbert Simon (…). À cette époque, la puissance des ordinateurs progressait rapidement, et il paraissait évident qu’ils allaient égaliser ou dépasser l’intelligence humaine peu de temps après. (B. Faltings, M. Schumacher, 2009, p. 6).
Explorer les états des lieux de la RSA revient à comprendre si la visée de l’IA s’entend déjà dans le milieu des chercheurs africains comme une exigence visant aussi à poser le problème des rapports de force entre l’intelligence des chercheurs africains et celle de l’AI. Mais pour éviter les confusions dans l’analyse des rapports souhaitée ici, il faut comprendre le sens et la portée de l’IA aujourd’hui comme une réalité nouvelle surtout que la première approche de l’IA semble mal comprise ou comprise diversement. Selon D. Ventre (2020, p. 53),
L’absence de consensus sur les définitions des deux concepts que sont celui d’intelligence d’une part, d’artificiel d’autre part rend probablement plus difficile la tâche de la définition de leur combinaison dans l’expression « intelligence artificielle ». (…) D’après ces définitions, l’intelligence artificielle est tantôt une science ou branche de la discipline informatique, tantôt une famille de technologies ; tantôt l’aptitude des machines à penser comme l’homme. Mais si nous prenons la définition posée par M. Minsky en 1960, l’intelligence artificielle n’existe pas aujourd’hui.
La perspective de D. Ventre est certes récente, mais nous sortirons en soutenant que les états actuels de la RSA ne traversent pas ici toute l’histoire de l’IA et aussi celle de la RSA. En effet, l’IA existe à la fois comme une science et comme une famille de technologies. L’IA existe et son existence est réelle. L’exploration des états actuels de la RSA partant de l’existence réelle de l’IA doit explorer comment articuler ensemble l’IA et la RSA dont les approches ne sont pas clairement encore au niveau des continents développés. L’écart entre l’IA et la RSA doit être cerné et dépassé. L’IA de manière générale a déterminé et modifié l’usage des interconnexions dominées par Internet et les robots dans divers domaines. Penser l’existence de l’IA dans les états actuels de la RSA nécessite de comprendre comment l’IA a pénétré à ce jour l’univers de la RSA et quel est l’impact de cette pénétration suivant les classements mondiaux.
L’existence de l’IA n’implique pas une acceptation commune dans l’entente du terme « Afrique ». Les bouleversements de l’IA sont très récents alors que les bouleversements de la RSA sont encore latents, même au niveau africain. Mais tout n’est négatif au niveau de la RSA. L’Afrique en tant que sol est aussi interconnectée à l’Afrique en tant que culture. L’interconnexion a une puissance qui va au-delà de l’Afrique visible pour s’étendre aussi avec l’Afrique virtuelle grâce à l’avancée des réseaux d’interconnexion Internet. De manière générale, la puissance de l’interconnexion repose à la fois sur Internet et sur le mobile. Selon F. Ossama (2001, p. 27),
Un réseau comme l’Internet n’est pas seulement un ensemble d’ordinateurs interconnectés. C’est un espace immatériel ou virtuel (le cyberespace) qui peut servir de support à des secteurs entiers de l’économie, mettre en relation l’administration et le citoyen, abriter des communautés transnationales de personnes qui se forment non pas sur le critère géographique, mais sur des affinités interculturelles et culturelles.
Mais Internet n’est pas encore le cyberspace de la RSA qui semble perdue dans les réseaux. Selon R. Rissoan (2011, p. 27), « d’un réseau simple et fonctionnel, nous sommes passés à un réseau plus rapide et plus puissant mais complexe donc difficile à maîtriser ». La RSA n’a pas encore franchi le pas de l’usage des réseaux. Ce retard dans la matérialisation des réseaux dans la RSA traduit aussi une limitation de la pénétration de l’IA. De plus, deux décennies après les travaux d’Ossama, CUA/OCDE (2021, p. 56) pense qu’il y a eu une grande évolution dans les réseaux d’interconnexion dont la portée n’est pas bien perçue.
L’Afrique a (…) plus que triplé les infrastructures Internet du kilomètre intermédiaire, qui assurent la connexion intra- et inter-pays. Des inventaires exhaustifs montrent que le réseau de fibre optique opérationnel de l’Afrique est passé de 278 056 kilomètres (km) en 2009 à 1,02 million de km en juin 2019 (Hamilton Research, 2020). Environ 58% de la population vit aujourd’hui dans une zone géographique couverte par un réseau mobile de quatrième génération (4G) (…). L’Afrique du Nord présente le chiffre le plus élevé, avec 85% de sa population couverte par un réseau 4G en 2020 (…) Ce chiffre est à comparer aux 86,5% de l’Amérique latine et des Caraïbes et aux 88% de l’Asie en développement pour la même année. (CUA/OCDE, 2021, p. 56).
L’évolution de l’interconnexion est une avancée notable devant favoriser l’éclosion et la diffusion de la RSA. Mais les études de CUA/OCDE montrent aussi que la diffusion reste encore problématique pour la RSA qui n’est pas au centre des réseaux d’interconnexion. C’est l’économie qui est visée et rien ne semble venir du côté de la RSA qui reste au stade de l’usage de l’interconnexion du niveau de ceux qui ne font pas de la RSA. Selon Cua/Ocde (2021, p. 56), « l’accès aux infrastructures à haut débit demeure une source de préoccupation au niveau du dernier kilomètre (last mile) ». À cette difficulté s’ajoute une autre : les études de Cua/Ocde qui visent les intérêts des Africains, ne s’intéressent pas directement à l’avancée de la RSA : l’économie en Afrique et « la mise en place d’un cadre permanent d’échange entre les différents acteurs de l’écosystème du financement de l’économie » (CUA/OCDE, 2021, p. 262) sont privilégiées par rapport à la RSA.
La RSA est oubliée par Cua/Ocde qui voit la « bonne contribution des fintech au développement de la région » (Ibidem) sous un angle qui ne suit pas le schéma que nous voulons défendre et qui impliquerait l’extension des réseaux de la RSA. L’espace Internet de l’Afrique n’a pas encore franchi d’un espace Internet qui valorise la RSA comme une préoccupation fondamentale et décisive pour elle. Les intérêts de l’Afrique sont dont limités ; ce qui limite aussi les extensions et les possibilités de la RSA. L’extension des intérêts de l’Afrique revient donc à étendre l’espace Internet pour Afrique comme un espace qui viserait à la fois les intérêts de l’Afrique et ceux de la RSA.
Il suit alors que l’espace de la RSA ne se limite plus à l’espace sol « Afrique », mais prend aussi en compte les interconnexions dont l’une des formes visibles et incontournables est Internet qui doit lier le développement économique et la RSA. L’espace de la RSA peut s’étendre à condition de surmonter les ruptures qui ignorent la RSA dans l’extension des réseaux Internet, surtout que ces ruptures ont une origine plurielle qui est aussi le symbole des dominations politiques intestines en Afrique. Les dominations créent des ruptures. Quand les ruptures viennent des dominations politiques, le développement, l’économie et la RSA subissent chacun à son niveau. Les ruptures en Afrique sont les conséquences des ruptures intestines et celles des autres continents. Est-ce à dire que les ruptures sont une fatalité qui réduit aussi le pouvoir extensif de la RSA ? Selon, S. George (2010, p. 354), « financièrement, économiquement, socialement, écologiquement, nos sociétés sont tendues à se rompre – et n’ont rien prévu pour amortir le choc » Comme la RSA le sait, comment amortir le choc inévitable ?
L’exploration des états des lieux a permis de relever qu’il existe des ruptures qui réduisent les possibilités de la RSA. Ces ruptures montrent aussi que la RSA doit changer son approche des interconnexions qui est restée imitative et n’a pas pris conscience que les modèles existants n’ont pas prévu un chemin de salut pour l’Afrique. Il faut que la RSA change de méthode par un besoin des interconnexions. Le besoin des interconnexions pour la RSA doit aussi impliquer un changement de paradigme a niveau de l’espace. En effet, l’interconnexion par Internet a changé l’espace et les rapports de force de manière générale et cela doit aussi s’appliquer à la RSA. D’un côté, les chercheurs doivent profiter des opportunités qui rompent les barrières géographiques et de l’autre côté, l’interconnexion ouvre des chemins d’une avancée économique. Cette ouverture donne l’espérance qu’il faut saisir les états actuels de la RSA comme propices pour l’avenir de l’Afrique, surtout que l’Afrique a une population jeune.
En termes relatifs, le pourcentage de jeunes Africains menant à bien des études de deuxième cycle du secondaire ou d’enseignement supérieur pourrait atteindre 34% d’ici 2040 (se rapprochant ainsi du pourcentage observé en Asie), contre 23% aujourd’hui (…). Ce chiffre pourrait même atteindre 73% (233 millions) là l’horizon 2040 si les pays africains parviennent à reproduire la stratégie d’éducation accélérée mise en œuvre par la Corée en procédant à des investissements plus ambitieux dans l’éducation et la santé (CUA/OCDE, 2021, p. 52).
L’interconnexion ne se limite pas à Internet via le web. Il y a aussi Internet via le mobile qui domine désormais tout en Afrique. Selon Alain Gerlache,
les éléments déterminants qui ont conduit à sa suprématie aujourd’hui sont surtout à chercher dans la généralisation de l’accès à l’internet mobile de plus en plus performant et l’arrivée des applications qui ont considérablement modifié et simplifié à l’accès aux contenus et aux usages de l’internet. Les deux évolutions ont eu pour conséquences de placer le public encore davantage au cœur du web (P. Poty, 2015, p. 12).
Le public au cœur du web est aussi le public de la RSA même si celle-ci ne s’est pas encore constituée comme un réseau d’interconnexion réelle dans le partage de la recherche. C’est dire que le public de la RSA doit s’enrichir dans le partage des informations de la recherche en intégrant l’usage du mobile comme un paradigme au cœur de la recherche scientifique. En effet, l’économie a déjà réussi l’intégration du web mobile. Il faut le pas capital de la RSA qui intègre le mobile web. Muriel Edjo (https://www.agenceecofin.com/telecom, 2021) s’appuyant sur les travaux de GSMA avançait ceci en 2021 :
Selon l’Association mondiale des opérateurs de téléphonie (GSMA), le taux de pénétration de l’Internet mobile était de 28% en Afrique subsaharienne en 2020 contre un taux de pénétration du mobile de 46%. Elle justifie cette situation par la cherté du coût du smartphone dont le taux de pénétration est de 48%.
Le taux de pénétration ne peut que motiver le pas de la RSA dans l’intégration de ce paradigme surtout que l’économie a une influence sur l’espace de la RSA. L’intégration du nouveau paradigme signifie que la RSA doit analyser les états actuels et trouver les mécanismes qui vont conditionner l’amélioration du taux de pénétration du mobile web. Les Africains sont connectés à Internet avec un fort taux de pénétration par leurs smartphones. La grande pénétration du smartphone dans l’espace de l’Internet mobile en Afrique devient aussi l’espace Afrique et qu’il faut aussi transformer comme un espace réel pour la RSA. Les états actuels de la RSA présentent un espace conditionné par les coûts élevés d’Internet et les conditionnements politiques et qui doit être transformé par la RSA en un espace favorable en termes d’un catalyseur ou d’un facteur de résilience. Au lieu de se limiter aux facteurs de domination, la RSA doit prendre en compte les impacts de l’économie et des utilisateurs d’Internet conditionnés par les clivages politiques, comme des atouts pour transformer qualitativement la recherche scientifique dans un espace qui est déjà acquis par l’économie, mais qui se rend plus complexe et plus puissant pour la recherche par sa nature « smart ».
La pénétration de l’Internet mobile en Afrique a déjà eu pour conséquence le changement de l’espace public en espace mobile des Africains tombés sous l’influence du « smart » dans l’espace mobile en général. Suivant l’approche de P. Poty, l’avènement du « smart » a considérablement modifié l’espace commun des interconnexions et des régionalisations dans le monde entier. « En devenant « smart » nos téléphones mobiles seraient donc devenus une nouvelle « prothèse cérébrale », un prolongement technologique de nous-mêmes, véritable pont jeté entre nos vies numériques et physiques » (P. Poty, 2015, p. 24). Comment apprécier objectivement « l’espace Afrique » pour cerner les attentes de la RSA ? Nous avions pensé que l’Afrique se limitait au lieu et aux centres d’intérêt des Africains. Or, l’espace physique Afrique est aussi désormais dans l’univers du « smartphone » qui a modifié les régionalisations. L’espace mobile de l’Afrique existe et c’est lui qui doit intégrer la RSA et conditionner l’intégration à réaliser à partir de l’espace Afrique physique. On est passé indirectement des ruptures politiques aux ruptures des espaces des états actuels de la RSA. Les états actuels de la RSA sont remplis de la domination du smartphone ; ce qui implique une nouvelle extension performative de l’espace Afrique vers l’espace « smartphone ». L’extension performative signifie l’ouverture de la RSA dans l’extension de l’horizon de la recherche en Afrique en prenant nécessairement en compte l’extension de l’espace Afrique par le smartphone maîtrisé par les chercheurs africains.
La maîtrise du smartphone par la RSA traduit aussi les dominations de l’économie sur la RSA. Les états actuels de la RSA indiquent que l’espace Afrique est dominé par l’économie et étendu par l’espace mobile « smartphone » par le biais d’Internet. Ces dominations et ces extensions contournent la RSA puisqu’elles sont aussi liées aux influences des robots et des objets connectés qui deviennent plus présents avec l’avènement de l’IA. Il serait intéressant que la domination de l’économie et du smartphone soit aussi poursuivie par la domination de la robotique et des objets connectés en Afrique au profit de la RSA. Mais, la RSA ne peut pas se fier à ce seul impératif.
Selon le classement de la Fédération Internationale de la Robotique, aucun pays africain ne fait partie des trente pays ayant le plus de robots par dix mille travailleurs. L’Afrique du Sud est le pays ayant le plus de robots par dix mille travailleurs en Afrique, avec 28 robots par dix mille travailleurs ; la moyenne mondiale est de 74. En termes de rapidité de la connexion internet, il n’y a aucun pays africain dans le top 50 du classement fait par le cabinet américain Akamai Technologies. Dans le même temps, il y a cinq pays africains dans le top 10 des pays ayant le coût de la connexion internet le plus élevé (Koboude, 2021, p. 96).
Au niveau de la robotique, l’état des lieux en 2021 a montré que la RSA n’a pas la maîtrise de la domination. Elle aura du mal à s’appuyer sur la robotique en Afrique en tant qu’espace physique ou virtuel, à moins de créer ses propres conditions de possibilité de la robotique en Afrique ; ce qui revient à dire que l’espoir sera reporté. Pour surmonter le report, il faut dire que les observations de Koboude invitent à envisager d’autres pistes qui qu’on pourrait offrir à la RSA grâce à l’IA. En effet, avant la publication des travaux de Koboude, d’autres travaux réalisés en en 2018 soutenaient déjà que l’IA est la porte de sortie pour tous : « les experts en futurologie du numérique l’affirment : l’intelligence artificielle va tout chambouler » (E. Bilal et al., 2018, p. 13). C’est ce chamboulement qui met au premier plan les enjeux de l’IA que la RSA doit exploiter et maîtriser.
2. Les enjeux de l’IA
Nous voulons analyser ici les enjeux de l’IA par rapport à la RSA en partant de ce cri de cœur S. Koboude (2021, p. 112) : « l’heure a sonné. Le continent africain doit entrer pleinement dans ce Nouveau Monde ou cesser d’être une puissance qui compte ». La RSA sort des dominations existantes par la prise en compte d’une nouvelle puissance dont elle dispose. Il s’agit d’une puissance qui prend appui sur l’IA et qui devient la nouvelle source de la puissance de la RSA. Les enjeux de l’IA s’entendent alors comme visant la puissance continentale et aussi l’avancée de la recherche scientifique. La recherche scientifique par l’IA est ce qui nous préoccupe. De plus, elle constitue l’un des enjeux de l’IA. Comment opérer cette entrée de l’IA dans la RSA ? Grâce aux nouveaux algorithmes qui font gagner du terrain à l’IA, la puissance et les avantages de l’écriture intelligente sont énormes et sont une opportunité pour la RSA. La RSA se réalise pour l’heure sans intégrer la puissance des algorithmes. Il devient important pour la RSA de répondre au cri de cœur du continent africain en orientant les recherches scientifiques qui s’appuient sur la puissances des algorithmes de l’IA. La recherche scientifique doit intégrer ces programmes informatiques qui ont suffi pour changer ou modifier la vision collective du monde et l’approche de la réalité. Mais, comment les algorithmes de simples programmes informatiques sont-ils devenus plus précieux pour élaborer l’unité de la connaissance et changer aussi les pôles de la domination ? Les algorithmes ont surpassé les puissances de domination existantes. Le renversement opéré par la puissance des algorithmes est un fait qu’il convient aussi de réaliser pour la RSA : les enjeux de l’IA doivent s’appliquer aussi à la RSA.
L’IA se présente aussi comme un pont alors qu’elle est venue après les autres technologies et est parfois combattue par elles. Le pont de l’IA constitue un enjeu important pour elle. L’algorithme en tant qu’unité informatique oriente l’unité de la recherche alors que c’est la raison qui semble tout guider. Le pouvoir de la raison freiné par les dominations de la politique et de l’économie devrait susciter un combat de celle-ci contre les pouvoirs de domination. Au lieu de vouloir le combat pour affirmer une victoire de la recherche en général, l’IA s’invite aussi face aux pouvoirs de domination. L’IA montre ainsi que ces pouvoirs de domination ne sont pas suffisamment dominants. L’IA dans le face à face avec les pouvoirs de domination, a ouvert une autre possibilité à la recherche scientifique en général, qui tout en laissant les pouvoirs de la domination en l’état, retrouve son unité recherchée par la puissance unificatrice de l’IA. La puissance unificatrice de l’IA devient alors prépondérante pour la recherche scientifique en général surtout que la puissance unificatrice de l’IA permet d’unifier les différents espaces continentaux et de rendre possible la victoire de toute recherche scientifique. La victoire collective se présente déjà pour la RSA comme la réalisation effective de sa propre victoire dans l’unification de la recherche scientifique dans l’espace Afrique.
La puissance unificatrice de l’IA permettra d’étendre l’espace Afrique physique vers l’espace Internet. On peut alors soutenir que les enjeux de l’IA sont dynamiques. L’approche par l’IA a permis de déplacer les pôles de la domination et d’ouvrir de nouvelles perspectives de libération pour la recherche scientifique en général et pour la RSA en particulier. Comment l’IA peut-elle être source de la libération de la RSA face aux dominations de la politique, de l’économie et du smartphone ?
La RSA vise la science par l’apprentissage. L’apprentissage veut quitter les ténèbres pour arriver à la lumière. Les freins de l’apprentissage sont aussi des pouvoirs de domination. La guerre contre ces pouvoirs de domination n’est pas la démarche de l’IA. Les recherches scientifiques en général visant à sortir des ténèbres ont abouti à des échecs remettant en doute le pouvoir de l’apprentissage qui veut sortir des ténèbres. L’IA a ouvert une nouvelle possibilité dans l’apprentissage. Si les données non structurées sont les sources de la connaissance de la RSA par exemple, la libération par l’IA consistera à faire en sorte que les pouvoirs de domination ne l’emportent pas sur le pouvoir de structuration des données par la RSA. Il convient alors pour la RSA de repenser la libération non pas par le conflit affiché contre les pouvoirs de domination, mais par une approche avec l’IA.
La RSA envisage les résultats avec un contenu plus riche, mais elle a passé le temps à critiquer les pouvoirs de domination. L’enjeu de libérer l’homme des contraintes de l’apprentissage s’appliquant aussi ici, permet d’anticiper la libération de la RSA de la domination. La libération par l’IA consiste à changer la manière d’apprendre : pour les chercheurs, il faut sortir des freins de la recherche et surmonter les obstacles par des voies nouvelles alors que l’IA a une autre approche qui est celle que nous appelons l’enjeu de la libération. En effet, les tentatives ayant conduit à des erreurs ou ayant échoué, ont été interprétées comme des voies à abandonner. La RSA avait aussi suivi cette approche. Quant à l’IA, elle apprend de ses limites grâce à la puissance déjà déployée par le Machine Learning. Le Machine Learning vient structurer les données. Les obstacles qui étaient visées comme relevant de la domination sont présentés par l’IA comme l’absence d’une bonne méthode d’apprentissage. Au lieu de rejeter ou de mettre sous silence les données non structurées, elles deviennent importantes pour l’IA sous le couvert de Big Data. La libération des pouvoirs de domination n’est plus l’enjeu, mais ce qui compte désormais c’est la structuration des données en vue de faire avancer la recherche par l’intégration du Big Data dans la libération par l’IA. Selon https://www.lebigdata.fr/machine-learning-et-big-data, « le Big Data est l’essence du Machine Learning, et c’est la technologie qui permet d’exploiter pleinement le potentiel du Big Data. »
Le Big Data remplace les pouvoirs de domination et libère la recherche des pouvoirs de domination. Le passage d’un contenu faible à un contenu riche est lié à la possibilité de pouvoir prendre appui sur le Big Data. Le Big Data devient plus dominant pour la recherche que les pouvoirs de domination. L’IA a ouvert un autre centre de domination qui échappe au contrôle des pouvoirs de domination : le Big Data. La structuration des données dans le Big Data renverse les pouvoirs de domination de la recherche en partant de l’obstacle qui empêchait le renversement resté aussi dominé par le fondement mathématique des sciences. Pour A. Einstein (2009, p. 173), « le principe véritablement créateur se trouve dans les mathématiques ». Un an après la mort d’Einstein est née l’IA. Dans son évolution, l’IA a pu se fonder sur le Machine Learning. Selon https://www.lebigdata.fr/machine-learning-et-big-data,
Le Machine Learning est une technologie d’intelligence artificielle permettant aux ordinateurs d’apprendre sans avoir été programmés explicitement à cet effet. Pour apprendre et se développer, les ordinateurs ont toutefois besoin de données à analyser et sur lesquelles s’entraîner.
Les données d’entraînement proviennent du Big Data. La loi mathématique intervient ici, mais rentre dans un champ où elle se laisse guider par les lois informatiques de l’IA. L’IA a ouvert un champ plus extensif et plus créateur que la mathématique en ajoutant de la mémoire aux grandes données brutes à structurer. La mathématique ne peut pas ajouter de la mémoire aux données à structurer et ce n’est plus elle qui devient la source de la création comme l’annonçait Einstein. Une chaîne de Markov par exemple, est une chaîne mathématique que l’IA va étendre. Une chaîne de Markov est un processus aléatoire (Xn)n2N dont les transitions sont données par une matrice stochastique P(Xn, Xn+1). Ainsi dans un modèle M avec un état donné, la prédiction peut s’avérer limitée au cours de l’entraînement. La prédiction dépasse le cadre de la création d’Einstein. Ainsi, au lieu que la recherche de la connaissance s’appuie uniquement sur le principe créateur de la mathématique, l’entraînement des modèles dans le Machine Learning va ajouter de la mémoire à la puissance créatrice de la mathématique en faisant passer d’une chaîne de mots à mémoire courte à une chaîne à mémoire plus élevée. De plus, comme l’IA apprend de ses erreurs, elle a permis de comprendre que les prédictions scientifiques non pertinentes ne sont pas en soi négatives : les anciens pouvoirs de domination s’enrichissent avec nouveau contenu pour la recherche scientifique. Ce qui manquait au pouvoir créatif dominé par la mathématique c’est l’entraînement. Grâce à l’IA, ce qui doit libérer la connaissance et révéler les limites de la prédiction dans le cas d’un texte dont la séquence des mots prédits ne donne pas du sens au texte, c’est l’algorithme entraîné et déployé. L’entraînement et le déploiement de l’algorithme en tant que modèles dans le Machine Learning remplacent la puissance créatrice de la mathématique par la puissance de la prédiction d’un mot par exemple recherché en vue de donner du sens à un texte et rendent aussi possible la structuration des données dans le Big Data.
La double puissance de l’IA vient révéler l’enjeu de repenser la recherche non plus à partir du seul pouvoir créateur, mais aussi à partir de la structuration des données non structurées grâce à la puissance du Machine Learning. L’IA révèle que la création n’est plus la seule source de la recherche scientifique. On peut aussi découvrir à partir des données non structurées. Cette nouvelle orientation qui limite les pouvoirs de domination, limite aussi les approches de la connaissance qui tendaient à vouloir partir de la création. La mathématique qui semblait jusque-là inégalable dans son pouvoir créateur est surpassée par la puissance de l’IA grâce à sa capacité à prendre en compte la puissance de la mathématique et la structuration des données à partir de la mémoire. Les craintes de Descartes par exemple à conceptualiser une figure à mille côtés sont simplifiées sans avoir à affronter la première autorité de la connaissance qui est le sujet connaissant. L’IA semble s’opposer dans son étymologie à l’intelligence naturelle, mais ce n’est pas cela l’enjeu : il faut libérer l’homme de la subjectivité qui constitue un objectale à la recherche scientifique.
Les obstacles à la recherche scientifique semblaient venir des pouvoirs de domination. En nous libérant des pouvoirs de domination, l’IA veut aussi nous libérer du pouvoir de la subjectivité, non pas dans la négation du sujet, mais en présentant des possibilités à exploiter pour le sujet connaissant. L’IA repose sur les algorithmes. Les algorithmes s’entraînent et façonnent des modèles de connaissance ouvrant la recherche scientifique. Le modèle artificiel appuyé sur la mémoire artificielle ouvre le modèle de la recherche scientifique en général et qui doit aussi s’intégrer dans la RSA. L’enjeu de libération de IA passe aussi par ses modèles plus féconds que sont Réseaux de Neurone.
Dans la recherche scientifique, les chercheurs visent l’objectivité scientifique, mais les démarches ignorant l’IA ont pensé qu’il fallait faire tomber les obstacles entendus comme les pouvoirs de domination et les obstacles épistémologiques. Ces approches ramenaient la recherche à l’homme et à ses possibilités. La création appuyée sur la mathématique devrait rendre possible une nouvelle expérience et l’expérience déjà réalisée devrait être ainsi suffisamment libérée du pouvoir subjectif. Or, l’enjeu de libération de l’IA a révélé que ces approches dites objectives constituaient des obstacles à un double niveau : elles ne sont pas libres de leurs propres démarches et constituaient aussi des obstacles de la science en clamant qu’elles étaient sources de libération pour la science. C’est l’approche avec l’IA qui a permis de découvrir qu’elles sont doublement des obstacles à la recherche scientifique. Par la reprise des obstacles et des pouvoirs de domination, l’IA a permis de libérer l’homme des obstacles qui viennent de lui et d’abandonner l’objectivité qui veut fonder son assise par les combats contre les données disponibles et les pouvoirs de domination.
En réalisant la recherche par libération, l’IA va encore révéler une troisième faiblesse de l’objectivité en montrant que l’objectivité scientifique avait une vue erronée sur l’exploitation des données de la recherche qui conduit à penser la science dans l’attaque des modèles dits subjectifs. L’IA change de méthode et n’attaque pas le modèle subjectif, mais vise à nous libérer du modèle subjectif pour remettre en cause aussi le modèle des données dites objectives. Ce changement qui a révélé la troisième faiblesse de la recherche scientifique, a permis à l’IA de remettre en cause la domination des données dites objectives. Les données changent de contenu et servent à alimenter le Big Data qui devient le cœur de 8l’objectivité. L’objectivité se traduit ainsi : ce sont les données elles-mêmes qui constituent les sources de l’affirmation de la puissance de l’IA qui deviennent celles dont il faut se libérer pour déployer toute la puissance de l’IA et finalement toute la puissance de la recherche.
Nous visions la RSA comme possible par l’IA et nous découvrons finalement que l’enjeu de libération de l’IA va jusqu’aux données alors qu’elles ont servi de base à l’IA. Ce n’est pas le Big Data qui est la finalité de l’IA, ni le Machine Learning ou tout autre mode d’apprentissage : l’IA s’en sert pour s’en libérer. Comment l’IA peut-elle se servir des algorithmes pour rendre la connaissance scientifique possible et s’en défaire pour construire d’autres connaissances plus fécondes ? Nous avons appris à poursuivre la connaissance par une voie extensive qui ne rompt pas la chaîne des certitudes. Cette approche semblait être la marche même de l’objectivité. Or, l’IA apprend de ses erreurs. Ce qui est suffisamment acquis pour elle constitue une source d’erreurs et ce qui était une source d’erreurs doit être à nouveau repensé comme le lieu des réponses recherchées. L’IA se sert des algorithmes pour s’en défaire et veut finalement amener l’homme à construire la connaissance à partir de certaines données dont il faudrait se séparer pour mettre en place d’autres connaissances. Mettre la RSA en face de l’IA revient à exploiter cette approche de la connaissance de l’IA : apprendre des algorithmes et se défaire des algorithmes qui ont conduit aux premières connaissances et ainsi de suite.
L’IA prend appui sur le Big Data ; d’où la résolution des problèmes par le Machine Learning qui doit aussi apprendre à construire sans se laisser dominer par le Big Data. Les états des lieux de la RSA ont montré que la RSA a aussi besoin de l’IA. L’IA s’impose partout. Ce qui est nouveau avec la RSA c’est qu’elle doit prendre nécessairement en compte l’approche de la solution par l’IA. La RSA avait été limitée par les approches scientifiques réduites au pouvoir de domination ignorant le pouvoir structurant du Big Data et dépassant les approches dites subjectives. Or, l’IA approche la réponse scientifique par des algorithmes dont elle doit se séparer avec de nouveaux algorithmes. La création est dépassée par la prédiction, mais ce qui est prédit est aussi contredit en vue d’une extension possible. Le Big Data qui faisait la force de l’IA, mais des limites ont nécessité une nouvelle technologie qui implique à son tour qu’une extension pour toute recherche scientifique constitue désormais une zone à repenser : l’IA s’appuie sur le Big Data, mais elle doit repenser l’unité du Big Data. La structuration du Big Data qui semblait suffisante pour l’IA est limitée. La limite vient du fait que l’IA est restée dépendante de la manière dogmatique de structurer le Big Data. Le dogmatisme de l’IA l’avait conduit à traiter les données ouvertes sur le monde par la loi des liens.
Le Big Data est rendu public par l’IA de manière dogmatique pour la recherche scientifique suivant les principes des liens. Or dans cette pratique qui semblait la mieux appropriée, la mémoire n’est plus déterminante tant que les liens persistent. De cette manière, l’IA avait rompu avec la loi de la prédiction par la mémoire et était revenue indirectement à la créativité. Le retour à la créativité impliquait un retour au sujet dans la prédiction. Le retour au sujet dans la prédiction impliquait alors l’existence de nouveaux objets qui ne seraient pas les liens, mais pourraient s’en passer pour que la mémoire reprenne sa place dans le fondement de l’IA. Ainsi les grands moteurs de la recherche qui semblaient inégalables avaient une source fragile que masquaient l’activité des liens. Les liens entre les données gardent leurs structures informatiques, mais ne dévoilaient pas la puissance de l’IA qui doit passer de la création par le sujet à la prédiction par la mémoire de la machine. La mémoire comme une force de l’IA par rapport à la mathématique révèle une insuffisance dans l’approche informatique de la recherche scientifique à partir des liens qui structurent les données. De plus, le propre de la recherche scientifique accompagnée de mémoire est la place importance accordée au contenu ; d’où la nécessité de la conversion qui va surpasser les liens.
L’IA est passée de la mathématique à la puissance des algorithmes qui structurent les données du Big Data. Le Big Data qui doit servir de base à la recherche scientifique se construit par les lois des liens qui omettent les lois de la mémoire. La reprise de la mémoire vient libérer la recherche scientifique du tabou qui voulait une continuité dans la structuration des données comme dans le cas d’un mouvement rectiligne ne subissant aucune influence extérieure. Sans créer une influence extérieure qui nierait la toute-puissance des liens, la prise en compte de l’enjeu de l’IA qui est la libération des freins de la recherche scientifique, ouvre une nouvelle piste : la conversation dynamique dans la recherche scientifique limite le pouvoir des liens au profit des nouveaux objets (les chatbots) conversationnels. La pensée a toujours soutenu qu’elle est dynamique, et l’IA veut libérer la pensée de ce qui l’empêche d’être dynamique au cœur de la recherche scientifique en créant un dépassement au cœur même de l’IA. Ainsi, au lieu que l’IA tire sa force du Big Data, elle la tire dans la remise à jour de la présence de la pensée comme l’expression même des échanges conversationnels par chat (messages) dans la recherche scientifique au détriment des liens. Le dynamisme des échanges conversationnels montre qu’il n’y a pas une détermination extérieure et les simples liens perdent leur suprématie dans la conduite de la recherche scientifique.
Le premier enjeu de l’IA est la libération de la recherche scientifique des pouvoirs de domination et du pouvoir créateur de la mathématique. Le second enjeu est de libérer la recherche scientifique de la méthode dogmatique qui s’appuyait à la fois sur les données disponibles et visait à compromettre la création dans le processus de la recherche scientifique. L’IA a enlevé le pouvoir créateur à la mathématique pour se l’approprier. « Des IA qui créent d’autres IA » (E. Bilal et al., 2018, p. 21) et cela transforme la philosophie qui avait jusque-là réduit le pouvoir créateur à l’homme et plus tard à la mathématique. La philosophie avait relégué l’objet au second plan et avait renvoyé la création à la seule activité du sujet. L’IA a remis en place de nouveaux objets qui dépassent les limites assignées par la philosophie. L’IA a rempli Internet de nouveaux objets appelés « Internet of Things ». Ces nouveaux objets bouleversent l’approche de la vérité dans la recherche scientifique. Et comme la recherche scientifique touche aussi la politique et l’économie qui constituaient des pouvoirs de domination, c’est toute la création qui change avec l’IA et grâce à l’IA. « Et c’est le cœur même du développement qui s’en retrouve bouleversé. La validité d’un outil informatique ne vient plus de la qualité de la programmation logicielle, mais de la justesse des données d’apprentissage. » (E. Bilal et al., 2018, p. 22-23). Le pouvoir de libération de l’IA est qu’elle crée d’autres IA alors que dans le pouvoir de création de la mathématique, il n’y a la création d’autres mathématiques.
Dans le pouvoir créatif de créer d’autres IA, l’IA s’appuie sur les objets. En exploitant le Big Data, l’IA donne aux objets de nouvelles extensions : la quantité des objets, la variété des objets, la rapidité des objets, etc. La création avec l’IA obéit au moins à ces nombreuses extensions informatiques des objets. Penser l’objet en philosophie par exemple, ne peut plus s’appuyer sur l’objet naturel, mais doit aussi prendre en compte les objets informatiques. La puissance multiple des objets qu’exploite l’IA crée des liens et des connexions entre les textes et les images avec autant de variétés. C’est comme si par les objets informatiques, l’IA veut rendre possible une liberté virtuelle, non conditionnée par la liberté humaine, mais par la quantité des paramètres. Cette redéfinition de la liberté remet en cause la liberté non pas en tant qu’obstacle, mais comme une réalité à repenser. C’est dire que troisième enjeu de l’IA est la libération du chercheur.
La libération du chercheur semblait se fonder jusque-là à partir des lois pratiques qui renvoient à l’homme. La liberté serait possible par l’absence de contrainte. Ainsi si l’IA ne contraint pas l’homme, elle est source de liberté. Mais, cette approche de la liberté pose des problèmes. Il est difficile pour le chercheur de penser un modèle où la contrainte serait absente, mais il s’agit pour lui de la minimiser. Les récentes approches de l’IA ont privilégié le Deep Learning en ajoutant du texte à une image pour le faire parler dans plusieurs langues. Le Deep Learning privilégie l’apprentissage en profondeur. On pourrait en déduire que la source de la libération à partir du Deep Learning est l’apprentissage en profondeur. https://chat.openai.com/chat avance que ChatGPT est un modèle de langage qui a été entraîné avec une taille des données de 175 milliards de paramètres. De son côté https://intelligence-artificielle.com/deepmind-modele-de-langage-gopher/, avance que « DeepMind a construit un modèle de langage de 280 milliards de paramètres ». Suivant au moins ces deux approches, on découvre que le modèle est prédéterminé. La prédétermination des modèles d’un concepteur à un autre est tellement grande qu’elle donne l’allure de ne pas exister. Comment penser alors la liberté de chaque sujet connaissant comme échappant à la prédétermination ? Mais, n’est-ce pas parce que la liberté a été pensée comme l’absence de toute contrainte qu’elle est mal cernée ? Au fond, l’approche du Deep Learning montre que la liberté doit être repensée. L’IA offre un chemin de la libération du chercheur.
L’IA a conduit à des formes de libération plus stables que celle qu’offrait la philosophie spéculative. Du Machine Learning au Deep Learning, la liberté du chercheur se découvre comme faisant partie des enjeux de l’IA. La liberté du chercheur n’est pas confisquée de l’extérieur, mais toute liberté est prédéterminée dans la transformation avec l’IA. La prédétermination de la liberté ouvre aussi de nouveaux rapports entre l’homme et la machine. Selon https://intelligence-artificielle.com/nlp-guide-complet/,
Grâce au Natural Language Processing (NLP), les appareils informatiques peuvent comprendre et traiter le langage humain. Le traitement du langage naturel se porte sur l’interaction entre un humain et un ordinateur. En d’autres termes, c’est le point d’intersection entre l’informatique, l’intelligence artificielle et la linguistique informatique.
La liberté n’est pas niée par l’IA, mais c’est l’unité qui se réalise avec l’IA depuis le début. Cette approche générale devrait se comprendre de manière spécifique avec la RSA. Dans la mesure où l’IA vise l’unité, mettre la RSA face à l’IA revient à redécouvrir ce que l’IA peut apporter à la RSA. Il s’agit alors de comprendre la transformation de la RSA par l’IA.
3. La transformation de la RSA par l’IA
ChatGPT, l’IA la plus utilisée dans le monde numérique a révolutionné l’histoire de la recherche. L’IA ChatGPT 3.5 a été accessible au grand public le 30 novembre 2022. C’est comme si tout avait changé d’un siècle déjà alors que cela date d’un an. La révolution ChatGPT transforme les états des lieux de tous les chercheurs. Ce n’est pas seulement la RSA qui doit se laisser transformer, mais c’est déjà l’univers de l’IA qui a réalisé une révolution. La puissance de cette IA repose sur sa puissance générative. La révolution est aussi importante parce qu’elle touche également notre rapport au temps. La longueur du temps des changements des anciennes révolutions nécessitait des années. Internet a réduit le temps en des mois et aujourd’hui les IA génératives comme ChatGPT ont réduit le temps à la semaine. La semaine est suffisamment longue pour entrevoir des nouveautés et cela depuis le 30 novembre 2022. C’est dire que la transformation de la RSA par l’IA s’impose pour l’heure comme la transformation de la RSA par l’IA générative.
La puissance de IA motive d’autres intérêts qui tendent à privilégier ce qui est commandé de manière automatique par rapport à ce qui est commandé par l’homme. La rupture et le privilège accordé aux IA dans le domaine de l’éducation par exemple se fait aussi sentir. Selon https://www.lebigdata.fr/ia-aider-lyceens (2023, B. Magloire, publié le 5/12/2023 et consulté le 07/12/2023), « La France lance une IA pour aider les lycéens : Les profs remplacés par ChatGPT ». Certes, cette idée n’est pas bien reçue de tous, mais le projet d’intégrer l’automatisation dans la maîtrise du français (par les lycéens français et dont la langue officielle est le français) et des mathématiques par le ministre français de l’Éducation nationale est déjà un signal fort pur inviter à transformer les recherches scientifiques dans divers pays africains qui suivent au moins le système éducatif français et qui rencontrent les difficultés analogues.
La transformation de la RSA aurait pu avoir lieu si les chercheurs africains avaient pris conscience que tout ne serait plus comme par le passé. En 2006, bien avant le boom de l’IA, J.-M. Ela (2006, p. 187) attirait l’attention de tous au sujet de la transformation imminente au départ, mais réelle aujourd’hui :
Dans l’environnement mondial en mutation, une évidence s’impose à l’attention : on ne conçoit plus la vie d’un pays sans chercheurs ni laboratoires. Les relations entre science et société sont devenues le visa d’entrée dans le nouveau siècle.
Il est important pour les Africains de sortir des schémas des expériences douloureuses du passé. Le passé est l’espace des ghettos. L’IA est une opportunité pour sortir de l’espace des ghettos. L’IA doit aider à « sortir des ghettos disciplinaires en suscitant une dynamique de recherche dans un espace de rencontre afin de produire des savoirs lisibles et valables » (J.-M. Ela, 2006, p. 25).
Pour analyser l’approche par l’IA, nous avons pris le cas des Français. En partant de l’exemple des Français, nous voulons aussi remarquer qu’il faut transformer la RSA par l’IA par une conduite de changement qui s’appuie sur les forces politiques déjà transformées par l’IA non plus comme des forces de domination, mais des alliées de la recherche scientifique en général. C’est en ce sens que nous pouvons être d’accord avec S. Koboude (2021, p. 105) qui avance ceci :
le but de tout gouvernement doit être de créer des incitations pour que les acteurs privés trouvent eux-mêmes le chemin de l’innovation spontanée, car ils détiennent la connaissance des circonstances particulières de temps et de lieu.
Mais cela ne suffit pas : il faut aussi une conduite du changement qui triomphe dans la confiance globale envisagée déjà avant Koboude par A. Peyrefitte, (1995, p. 401) :
il s’agit de dégager des dispositions mentales et des comportements cohérents, qui soient en mesure de libérer l’homme individuel et social de l’obsession de la sécurité, de l’inertie des équilibres déjà atteint du poids des autorités ou de la poix des coutumes. Il s’agit de le mettre sur le chemin, non de la rébellion et de la destruction, mais de la construction d’un monde où la satisfaction des besoins matériels et l’épanouissement des aspirations naturelles puissent bénéficier de progrès constants.
La construction de l’intérêt commun de la RSA par l’IA passe alors par la transformation des centres de recherche sectaires en Afrique par des centres de recherche en réseaux. L’IA doit aussi sa puissance aux réseaux. Avant les résultats spectaculaires de l’IA, la maîtrise des réseaux était surtout le projet du rêve américain de domination du monde.
Pour les hauts responsables américains, l’enjeu stratégique des autoroutes de l’information réside dans le fait que celles-ci peuvent bouleverser les règles de l’économie mondiale, ce qui serait à leur avantage, compte tenu de l’avance qu’ils ont dans le domaine sur tous les autres pays développés (F. Ossama, 2001, p. 28).
L’avènement de ChatGPT montre qu’une entreprise peut contrôler les réseaux. Le contrôle des réseaux par les États a pour enjeu le pouvoir de domination, alors que dans le cas de l’IA, c’est le contrôle de la recherche scientifique en général dans une vision pluridisciplinaire qui est souhaitable. La transformation de la RSA par l’IA doit passer par l’unification des centres de recherche scientifiques en conflit et dépasser les disparités pour aller dans le sens de la recherche scientifique pluridisciplinaire. Pour D. Ventre, (2020, p. 5), « Nous avons ici des éléments essentiels de la recherche en IA : une approche pluridisciplinaire, rapprochant humanités et technologie, un investissement universitaire, et la présence militaire ». Le pouvoir de domination change en visant désormais le rapprochement entre humanités et technologies.
La transformation de la RSA par l’IA passe aussi par la transformation intelligente de l’écriture au cœur de la RSA. Les retards de l’Afrique se présentent aussi comme des traits de l’écriture non intelligente. L’écriture intelligente est à la fois automatique et riche en contenu alors que l’écriture ordinaire dans les recherches scientifiques est certes issue de l’intelligence humaine, mais « non intelligente » dans les définitions de départ puisqu’elle n’est pas automatique et n’a pas un contenu riche et accompagné de la mémoire. La force de l’IA par rapport à la mathématique c’est qu’elle a aussi transformé la mathématique par l’ajout de la mémoire à l’écriture.
Transformer la RSA par l’IA revient à ajouter de la mémoire aux contenus des résultats obtenus par la RSA. Outre ChatGPT, de nombreuses IA sont à la portée de la RSA pour la transformer qualitativement. La problématique de la connaissance africaine prise comme une connaissance de l’oralité est à repenser comme un fait du passé et mal cerné à la fois par les Africains et ses détracteurs puisque personne ne disposait de moyens techniques essentiels pour montrer que mots, textes et paroles sont intimément liés et que l’un ne prédomine pas. Aujourd’hui, Jasper met fin à ce débat en transformant des mots en langues orales (et cela dans plus de 25 langues) et inversement, en ajoutant des contenus riches à certains mots donnés en entrées ; ce qui donne un contenu plus riche aux commentaires des textes dans un temps court : il y a une transformation des activités difficilement réalisables en des travaux facilement réalisables.
Si la recherche scientifique doit se définir par la richesse du contenu obtenu, la recherche scientifique est en partie réalisée grâce à l’IA. La place de l’IA dans les approches de la RSA est la prise en compte de l’humanité dans les analyses scientifiques et l’enrichissement des contenus des données. Jasper, INK, Co-Writing, Writesonic, Sapling, etc. ont déjà des grands acquis dans la réalisation et la maîtrise de l’écriture intelligente. Écrire intelligemment la recherche scientifique revient à transformer la recherche scientifique par les outils de l’écriture intelligente. L’IA permet d’améliorer la qualité de la recherche scientifique dans un meilleur délai. La conduite du changement dans la recherche scientifique se présente alors comme la transformation de la recherche scientifique par l’IA, et pour l’heure ce chemin semble le plus recommandé. Mais si la RSA pratique la conduite du changement souhaitée, en quoi devrait-elle se laisser transformer par l’IA au lieu de l’inverse ?
La question de la transformation de la RSA par l’IA aurait dû susciter l’enjeu de la transformation de l’IA par la RSA. Le choix qui s’impose pour l’heure est celui qui valide la transformation de la RSA par l’IA. D’abord du point de vue structurel, la RSA n’a pas encore réalisé le changement et ce changement lui est proposé par l’IA. De plus, les problèmes de la recherche scientifique en général n’échappent pas aux reformulations et aux analyses contextuelles et sémantiques des mots. Cette difficulté générale a été résolue par l’IA avec Wordtune par exemple qui exploite le Natural Language Processing (NLP). Sa démarche qui part des mêmes données qui semblent dépourvues d’unités pour les chercheurs en général, transforme les données en données d’entrées et réussit à les transformer avec des contenus riches. L’IA a transformé ainsi la manière d’apprendre : les données d’entrées s’enrichissent avec l’IA dans un temps réduit. Et comme l’IA apprend de ses erreurs, au fur et à mesure qu’elle est au cœur des débats au sujet de sa capacité à induire la recherche scientifique en général, elle s’améliore pendant que l’homme le siège du problème est amené à reconnaître qu’il y a eu des avancées importantes dans la connaissance par l’IA.
La connaissance par l’IA est basée sur l’écriture intelligente, c’est-à-dire une écriture enrichie par un contenu accompagnée de mémoire. De cette manière, c’est l’intelligence de l’IA qui enrichit l’intelligence naturelle et non pas l’inverse. La RSA n’est pas en reste des changements qui s’opèrent avec l’IA générative dans l’écriture intelligente. La révolution de l’IA générative doit aussi transformer la RSA. Dans les premières transformations générales, l’IA a rendu possible la libération et a présenté la liberté humaine comme une réalité prédéterminée. Dans les transformations actuelles issues de l’IA générative appliquée à la RSA, rendre possible la transformation de la RSA c’est prendre en compte l’hypothèse qui soutient que IA générative devient une ligne directrice pour penser l’avenir de la RSA.
En intégrant chaque système, l’IA transforme chaque système et la transforme aussi le classement qui s’applique à la RSA. Les équipes de la recherche scientifique doivent tenir compte de la transformation qui passe de l’IA aux systèmes grâce à l’apport de la mémoire. Il convient alors de repenser la RSA comme le fruit de l’IA, non pas parce que le génie des Africains a disparu, mais parce que la RSA obéit à de nouvelles règles de transformation. Et même si les premières règles visaient à réduire les règles de transformation, voire à les rendre problématiques ou hybrides, l’IA n’est pas hybride : l’IA prend une belle forme là où elle est intégrée et il est difficile de la voir comme une réalité hybride. C’est dire que l’IA a permis de montrer que la RSA a une dimension non humaine ni hybride, mais qui la transforme et la rend dynamique. La dimension en question est celle de l’IA.
Conclusion
L’analyse de « La recherche scientifique en Afrique face aux enjeux de l’intelligence artificielle » a permis d’aboutir à la transformation de la RSA par l’IA à partir de l’état des lieux et des enjeux de l’IA. L’état des lieux a montré que l’espace physique Afrique est dominé et étendu par la politique, l’économie et l’espace mobile smartphone. Ces éléments sont déterminants pour apprécier les enjeux de l’IA qui a pris une place une importante dans le développement de la recherche scientifique en général surtout avec l’avènement de l’écriture intelligente et les assistances apportées par l’IA. Certes l’IA ne pense pas, mais comme une puissance qu’elle a arrachée à la fois aux mathématiques et aux technologies, elle permet de mieux cerner les enjeux de la recherche que les chercheurs eux-mêmes. La puissance inégalable de l’IA n’est pas seulement dans la réalité de la RSA : c’est là un résultat important. Au lieu que les Africains se pensent dans un classement, la puissance de l’IA a rendu problématique ce classement puisqu’elle ne vise pas seulement un peuple ou une région, voire une culture, mais elle vise la pénétration d’un outil à la fois propre aux sciences et aux technologies au cœur de chaque domaine. L’IA ne veut pas être hybride, mais présente à part entière là où est intégrée, et c’est en ce sens que la RSA doit entreprendre sa transformation par l’IA.
Les enjeux de l’IA ne s’arrêtent pas à une science ou une technologie, mais se prolongent dans sa qualité à faire corps avec la RSA par exemple. L’analyse de la question centrale a abouti à cette conclusion : sans l’IA la RSA est impossible. L’IA a réussi à surmonter les dominations de l’économie et de la politique pour ouvrir des perspectives à la RSA en montrant que l’économie et la politique ont autant besoin d’elle. Dans cette mesure, l’IA sert de pont entre la politique et l’économie dominatrice et la RSA. Il y a une puissance unificatrice dans l’IA qui montre que les enjeux qui la fondent ne s’opposent pas à la RSA, mais la rendent plus féconde afin qu’elle soit aussi reconnue comme un espace fécond et complet face aux autres espaces de recherches scientifiques.
Références bibliographiques
BILAL Enki et al., 2018, Intelligence artificielle. Enquête sur ces technologies qui changent nos vies, Paris, Flammarion.
CUA/OCDE, 2021, Dynamiques du développement en Afrique : Transformation digitale et qualité de l’emploi, CUA, Addis Abeba, Éditions OCDE, Paris, https://doi.org/10.1787/cd08eac8-fr.
EDJO Muriel, 2021, in https://www.agenceecofin.com/telecom/0410-92071-le-faible-taux-de-penetration-de-l-internet-mobile-en-afrique-28-est-du-a-la-cherte-du-smartphone-gsma, consulté le 03 janvier 2023.
EINSTEIN Albert, 2009, Comment je vois le monde, trad. Maurice SOLOVINE, Régis HANRION, Paris, Flammarion.
ELA Jean-Marc, 2006, L’Afrique à l’ère du savoir : science, société et pouvoir, Paris, L’Harmattan.
FALTINGS Boi, SCHUMACHER Michael, 2009, L’intelligence artificielle par la pratique, Lausanne, Presses polytechniques et universitaires romandes.
GEORGE Susan, 2010, Leurs crises, nos solutions, Paris, Albin Michel.
KIYINDOU Alain, 2019, Intelligence artificielle, Pratiques et enjeux pour le développement, Paris, L’Harmattan.
https:// www.intelligence-artificielle.com/nlp-guide-complet, consulté le 03 janvier 2023.
https://www.chat.openai.com/chat, consulté le 03 janvier 2023.
https://www.intelligence-artificielle.com/deepmind-modele-de-langage-gopher, consulté le 03 janvier 2023.
https://www.lebigdata.fr/machine-learning-et-big-data, consulté le 03 janvier 2023.
MAGLOIRE B., 2023, in https://www.lebigdata.fr/ia-aider-lyceens, publié le 5/12/2023 et consulté le 07/12/2023.
OSSAMA François, 2001, Les nouvelles technologies de l’information. Enjeux pour l’Afrique subsaharienne, Paris, L’Harmattan.
PEYREFITTE Alain, 1995, La société de confiance. Essai sur les origines et la nature du développement, Paris, L’ Harmattan.
POTY Pascal, 2015, L’instant mobile. Deux minutes pour convaincre votre client mobile, Belgique, EdiPro.
RISSOAN Romain, 2011, Les réseaux sociaux, Facebook, Twitter, LinkedIn, Viadeo, Google+. Comprendre et maîtriser ces nouveaux outils de communication, Paris, ENI Editions.
VENTRE Daniel, 2020, Intelligence artificielle, cybersécurité et cyberdéfense, Volume 2, Londres, ISTE Editions.
