En octobre 1950, Turing publie un article intitulé Computing Machinery and Intelligence. Il y décrit un test dans lequel une machine serait capable de se faire passer pour un humain indépendamment du sujet et du contexte. Le grand mathématicien est alors bien loin de nos préoccupations actuelles sur les bénéfices et dangers supposés de l’IA.

Nous sommes désormais habitués aux interactions parfois hasardeuses avec Alexa et autres Siri. Bien que ces assistants aient été conçus pour afficher un certain mimétisme avec l’homme, afin de rendre leur contact moins déstabilisant, il ne fait aucun doute que ce sont des machines. Pour de nombreux chercheurs et universitaires, cet aspect explicitement artificiel est souhaitable, car il constitue un rempart efficace contre bien des dérives potentielles. A l’autre bout du spectre, les androïdes – les robots conçus pour nous ressembler – bien que de plus en plus répandus, nécessitent une armada d’opérateurs humains et informatiques pour parvenir à simuler un comportement humain.

Ces dernières années, une poignée d’IA ont défrayé la chronique en « réussissant » le test de Turing. En 2014, Eugene Goostman, un programme conçu pour simuler l’esprit d’un garçon de 13 ans, a bluffé un tiers de son public. Cependant, afin d’excuser les erreurs de compréhension et le niveau d’anglais de « l’adolescent », on avait expliqué au jury – désigné par les concepteurs du programme – qu’il était d’origine ukrainienne. Difficile d’imaginer expérience plus biaisée ! En mai 2018, Duplex, un agent conversationnel de Google, a pu réserver un rendez-vous dans un salon de coiffure en imitant une voix humaine. Cette fois encore, l’expérience n’a pas été menée de manière optimale : les évaluateurs savaient qu’ils étaient face à une machine, et le test était limité à un contexte restreint et prédéfini.

Ceci étant, le fait même que le test de Turing permette de détecter une véritable intelligence reste l’objet de débats enflammés. Dans l’absolu en effet, une machine pourrait recueillir des tonnes de données sur les questions et réponses relatives à un sujet donné, et créer de nouvelles réponses à partir de ces informations, sans comprendre le sujet traité ni même les mots qu’elle emploie. Les dernières technologies de traitement du langage naturel (NLP), comme le modèle ERNIE de Baidu et l’algorithme BERT de Google, jettent de fait les bases de systèmes capables d’assimiler des relations sémantiques, le principe d’inférence et l’analyse des sentiments via le traitement de vastes volumes de données.

Aux yeux de Turing, le défi portait en fait sur la capacité de la machine à imiter l’homme. Il était convaincu qu’un jour une machine réussirait à convaincre des êtres humains de son intelligence, non qu’elle serait douée de conscience et de réflexion. Pourtant, son test est souvent perçu, à tort, comme le marqueur définitif de la bascule vers un monde régit par les machines – un fantasme d’autant plus puissant à une époque où cette perspective, notamment son impact sur le marché de l’emploi, est devenue une réelle source d’angoisse.
Pour le sens commun comme pour la plupart des spécialistes, penser implique d’avoir conscience de soi-même. Les machines peuvent-elles penser ? Ou, comme l’a suggéré Ada Lovelace se limitent-elles à faire ce pour quoi elles sont programmées ?

A mi-chemin de ces deux propositions, Turing avance que si les machines peuvent effectivement réaliser une activité que l’on peut qualifier de « pensée », leur fonctionnement diffère fondamentalement de celui du cerveau humain. Les « ordinateurs digitaux » qu’il décrit dans son article se définissent ainsi essentiellement comme une alternative aux champions humains de l’arithmétique. A cette époque, des dispositifs mécaniques comme la machine analytique de Charles Babbage étaient d’ailleurs capables de réaliser des calculs. Pour Turing, cela prouve que des décisions peuvent être prises sans aucune conscience. Ceci n’exclut pas la possibilité que des machines puissent un jour « penser comme des humains », mais là n’était pas son propos.
L’intelligence humaine implique un certain degré d’autonomie, qui permet de se livrer aux expériences et apprentissages nécessaires à son propre développement. L’IA et le Machine Learning devront donc probablement converger avec la robotique afin de permettre à la machine d’évoluer vers cette capacité à « vivre » des expériences et ainsi apprendre de son environnement. Une IA crédible, de type « généraliste », devra ainsi nécessairement « vivre » dans notre monde, au milieu de nous. Angoissant ? Pas de panique, nous dit Turing !

Plutôt que de fantasmer sur ce qui relève encore, pour longtemps, de la science-fiction, ne vaut-il pas mieux considérer les machines pour ce qu’elles sont : des auxiliaires ultra-efficaces qui décuplent nos capacités de calcul et d’analyse dans des domaines très précis. Là est peut-être la question essentielle que nous pose à distance, bien involontairement, le grand Turing.