La Société Française de Statistique (SFdS) a lancé en février dernier une nouvelle publication mensuelle, dont nous reproduisons avec son autorisation la présentation et le premier numéro (lien SFdS).

Cette (re)publication est également l’occasion de remettre à l’honneur les conférences de l’AI Action Summit dont vous trouverez les vidéos ici (jour 1 et jour 2).

Les médias traitent d’une multitude de sujets d’actualité où la Statistique est largement impliquée. Cependant, dans de trop nombreux cas, il n’est pas facile pour des non experts d’identifier le rôle central de notre discipline. Cet état est préjudiciable au rayonnement légitime de la Statistique puisqu’elle est, de fait, mal identifiée par le grand public, les décideurs publics, les entrepreneurs, etc.

MédiaStat correspond à une initiative de la SFdS visant à apporter un éclairage de statisticien.ne.s sur un sujet d’actualité ciblé, extrait du flot médiatique. Le rôle central de notre discipline y est mis en valeur, ainsi que ses implications au sens large. Cette analyse aura une fréquence mensuelle et s’appuiera sur l’expertise d’un de ses membres, de façon tournante et basée sur le volontariat. Cette analyse sera concise mais complète, pour assurer aussi bien une fluidité de rédaction que de lecture.

Christophe BIERNACKI
Président de la SFdS

Sommet pour l’action sur l’IA : et la Statistique ?

Impossible de passer à côté du Sommet pour l’action sur l’IA organisé par la présidence de la République Française du 6 au 11 février dernier à Paris. Radio, presse nationale et internationale s’en sont fait largement l’écho, faisant un thème de choix pour le premier opus de notre nouvelle newsletter MédiaStat.

Ce sommet a réuni des dirigeants mondiaux, des entreprises technologiques et des organisations internationales pour discuter des enjeux et de l’avenir de l’intelligence artificielle (IA) suivant un programme riche : tables rondes, ateliers, démonstrations, espace d’échange pour la société civile et les industriels ; autant de modalités variées, couronnées par une réunion au sommet de chefs d’Etat et de gouvernement au Grand Palais, afin d’aborder les enjeux scientifiques, économiques, culturels, politiques et citoyens de l’IA.

La science a en particulier été mise au centre des débats lors d’une conférence organisée en préambule à l’Ecole polytechnique et présidée par le professeur Michael Jordan (Berkeley et Inria), éminent spécialiste du sujet : deux jours pour explorer l’impact transformateur de l’IA sur la science et la société. De nombreuses et nombreux scientifiques nationaux et internationaux se sont relayés pour échanger sur des questions fondamentales : quels fondements pour développer des modèles de base robustes et responsables ? Quelle transparence doit-on leur demander ? Comment assurer la reproductibilité des réponses ? Comment garantir l’alignement éthique, les enjeux environnementaux ? Quelles transformations sur les autres disciplines ?

Il a été question de technologie, de lien avec la physique, d’intelligence collective à faire naître de la collaboration entre les disciplines, de théoriser l’adaptation au domaine, avec une constatation : alors que les systèmes d’apprentissage automatique, en constante évolution, deviennent omniprésents, leur compréhension théorique nécessite un large éventail d’outils mathématiques sophistiqués, voire de les repenser ou d’en inventer d’autres. Et d’explorer plus en profondeur leurs fondements mathématiques et leurs techniques d’optimisation.

Et la statistique dans tout cela ? Serait-elle reléguée au second plan au profit de l’informatique et de l’optimisation ? Force est de constater qu’il ne fait aucun doute de son importance manifeste. En session plénière d’ouverture, Michael Jordan a identifié trois piliers académiques majeurs de l’IA en lien avec trois disciplines. A la base du triangle, l’informatique et l’économie[1] sont mises en relation par la théorie algorithmique des jeux ; au sommet, la statistique, qui interagit avec l’économie par l’économétrie et avec l’informatique par l’apprentissage (machine learning). L’importance de la statistique est donc clairement affirmée. Il est également intéressant de voir naître de la collaboration entre les disciplines des domaines à explorer. Dans la même veine, Yann Le Cun, directeur scientifique de Meta, a réaffirmé le rôle et l’importance de la statistique en IA en déclarant sur une de ses planches : « Thinking statistically about AI inputs and outputs yields more powerful, safer IA »[2].

Cette place de notre discipline n’est pas étonnante : l’IA traite des données avant tout ! Notre communauté est donc plus que jamais dans la course afin d’apporter ses compétences et ses savoir-faire pour participer non seulement à la réflexion sur les enjeux scientifiques et sociétaux, mais aussi prendre part au développement et à l’adaptation de l’IA.

La SFdS jouera pleinement son rôle dans ce contexte, au sein du groupe MALIA[3] et plus largement au sein de ses Groupes Spécialisés, et par les événements proposés par le siège : citons par exemple les conférences sur des sujets comme la transparence et la confiance de l’IA organisée dès 2018, la frugalité en statistique et machine learning en octobre dernier, l’IA au service des mathématiques prévue pour l’automne prochain ou encore une session spéciale portant sur l’IA pour les sciences aux Journées de Statistique début juin, en lien avec les sociétés sœurs dans le domaine de l’apprentissage.

Nous nous plaçons en sentinelle, souvent précurseurs sur ces sujets et notre structure en Groupes Spécialisés nous permet d’agir dans des domaines variés qui sont ou seront tous, d’une façon ou l’autre, amenés à évoluer avec cette intelligence augmentée. C’est pleinement dans les missions de la SFdS de susciter la réflexion, de promouvoir la compréhension, de favoriser les développements méthodologiques et d’accompagner les publics pour permettre la transformation en une IA responsable, durable, accessible et en accord avec les valeurs citoyennes.

 

Christine KERIBIN
Vice-Présidente de la SFdS
Membre élue du Bureau du Groupe Spécialisé MALIA de la SFdS

[1] Economics, dans le sens : motivations applicatives et contraintes de moyens.

[2] « Considérer la statistique pour réfléchir aux entrées et aux sorties de l’IA produit une IA plus puissante et plus sûre ».

3 MAchine Learning et Intelligence Artificielle.

Christophe Biernacki & Christine Keribin
Les derniers articles par Christophe Biernacki & Christine Keribin (tout voir)