Dans le cadre de notre dossier « Expert I.A : La force des algorithmes pour résoudre les énigmes du futur. », Jason Siffre (Data Scientist/ML Researcher) a accepté de faire un point sur l’année écoulée et sur les grands enjeux du secteur de l’IT.
Intelligence-artificielle.Com : Pouvez-vous vous présenter à nos lecteurs ? (Quel poste occupez-vous, dans quelle entreprise)
Jason Siffre (Data Scientist/ML Researcher) : J’étais récemment Data Scientist Senior chez Sophia Genetics (santé) et je suis actuellement en période d’essai dans une nouvelle entreprise (industrie).
Quelles sont les dernières avancées et innovations dans le domaine de l’IA qui ont retenu votre attention récemment
Ce qui me passionne actuellement dans la littérature est le duel entre les CNNs et les transformers dans le domaine de la computer vision et les questions qui en découlent sur comment apprennent les modèles.
Quels secteurs ont le plus bénéficié de l’intégration de l’IA
De mon point de vue, les applications ou outils intégrés mobiles de retouche photo/génération de contenu ; ont connu un progrès impressionnant quasiment aussi vite que la littérature associée.
Comment voyez-vous l’avenir de l’IA et son impact sur la société
Je pense que nous allons tendre vers un monde où l’IA se dissimulera derrière chacun des outils. Chaque citoyen aura les connaissances basiques de son fonctionnement, ses bénéfices et ses dangers. L’open source sera vraiment driver de son évolution et de la concurrence qui en résulte.
Quel est votre avis sur l’impact qu’a et qu’aura l’IA sur l’emploi en France ?*
L’IA peut surement être vu comme une révolution numérique, elle a créé beaucoup d’emplois récemment pour la gestion des données et leur analyse. Ses applications remplaceront peut-être certains métiers, mais surement les plus pénibles, car automatisable.
Quels sont les principaux défis éthiques liés à l’IA et comment les abordez-vous dans votre travail ?
Travaillant précédemment dans la santé, je devais faire face à un certain nombre de défis éthiques. Le premier est bien sûr le respect des données des patients et la préservation de leur anonymat. Ce qui peut être vu comme très challengeant sur des données d’imagerie qui sont vulgairement des photos des patients en 3 D. Je vous renvoie alors vers les notions d’anonymisation et pseudo-anonymisation. Le deuxième plus grand, en tant que data Scientist, était de connaître les biais potentiels de mes jeux de données et les bons usages d’analyse. Un modèle entrainé sur des jeux de données de vie réelles gardera ses biais. Ainsi, entrainer un modèle sur des données présentant un biais (racisme ou sexisme sur des données de recrutement par exemple) est la responsabilité de l’entreprise et du datascientist. Il doit identifier les biais et les corriger pour que le modèle ne les reproduise pas. C’est pourquoi, la plupart des formations statistiques/ML/IA donnent également des cours d’éthique.
Quelles sont, selon vous, les opportunités et les défis futurs pour les experts en IA, notamment en ce qui concerne l’évolution de la technologie et de la réglementation ?
Obtenir des certifications sur des algorithmes deep learning dans des domaines sensibles comme la santé ou l’industrie nécessite beaucoup de travaux sur l’étude de la robustesse, l’interprétabilité et l’explicabilité. Les techniques associées sont couteuses et bien différentes de ce qu’on peut avoir l’habitude de voir classiquement. La certification est je pense l’un des enjeux les plus compliqués pour des applications réelles et donc un des défis majeur. La veille technologique est à la fois le défi et l’opportunité du datascientist. Ce n’est pas seulement une formation de 5 ans qui forme le bon chercheur en data. C’est la passion et la veille continue des articles d’IA dans tous les domaines d’application.
Quels conseils donneriez-vous à ceux qui souhaitent se lancer dans une carrière dans l’IA ?
Je pense que tous ceux qui veulent faire de l’IA devraient avoir une formation mathématique et statistique, une passion pour la recherche et un appétit d’apprendre. Bien sûr, je recommande les cours open source de Yann Le Cun. Le meilleur conseil que je peux donner aux jeunes étudiant et chercheurs d’emploi dans ce domaine est de faire un maximum de projets personnels (pas juste faire tourner des notebooks existants) qui sortent du lot. De plus, un projet complet est beaucoup plus séduisant : vous avez collecté vous-même les données, entrainé votre modèle custom et justifié tous vos choix de modélisation, et déployé le modèle sur votre serveur perso appelable depuis une API. Je serais plus séduit par une application IA simple, mais qui change la vie quotidienne d’une personne, plutôt qu’avoir appliqué VIT pour de la classification de cancers à partir d’un notebook préfait. Enfin, ce domaine est en constante évolution et il en est de même pour les intitulés de poste et missions. Je pense qu’il faut d’ores et déjà se poser la question de ce qu’on aime faire avec les datas et trouver l’intitulé de poste qui matche le mieux ses envies.
Propos recueillis par Mathilde Flory.
- Partager l'article :
