L’intelligence artificielle progresse vite, mais personne ne sait avec certitude jusqu’où elle nous mènera. Pour Hugo Larochelle, directeur scientifique de Mila, la meilleure réponse à cette incertitude n’est ni l’optimisme béat ni le catastrophisme. Il faut plutôt apprendre à mesurer ce que nous savons, reconnaître ce que nous ignorons et réviser constamment nos prévisions.

Dans un billet publié le 13 août sur LinkedIn, le chercheur québécois s’intéresse à la difficulté croissante de prévoir l’évolution de l’IA. Hugo Larochelle est directeur scientifique de Mila depuis 2025 et professeur associé à l’Université de Montréal et à l’Université McGill.

Son constat part d’une réalité désormais familière : les nouveaux modèles d’IA, les progrès en robotique et les avancées scientifiques assistées par l’apprentissage automatique se succèdent à un rythme qui rend les exercices traditionnels de planification de plus en plus difficiles. Cette accélération alimente aussi des visions très différentes de l’avenir, allant d’une société d’abondance à des scénarios beaucoup plus inquiétants.

Pour tenter de dépasser ces intuitions, Larochelle participe au Longitudinal Expert AI Panel, ou LEAP, une initiative du Forecasting Research Institute. Ce projet de trois ans suit les prévisions de spécialistes de l’informatique, de l’industrie de l’IA, des politiques publiques et de l’économie. Les participants doivent régulièrement attribuer des probabilités à des événements précis concernant les capacités techniques de l’IA, son adoption ou ses effets sur la société.

L’intérêt de l’exercice est justement d’éviter les déclarations vagues sur une IA qui deviendrait simplement « très puissante ». Les participants doivent plutôt se prononcer sur des indicateurs mesurables et accepter d’exprimer leur degré d’incertitude.

Les premiers résultats donnent une bonne idée de l’ampleur du changement envisagé. Pour 2040, la prévision médiane des experts situe l’impact de l’IA au niveau de technologies comme l’électricité ou l’automobile. Ils accordent également une probabilité de 32 % à un impact au moins comparable à celui de l’imprimerie ou de la révolution industrielle.

Mais ces chiffres doivent eux-mêmes être considérés avec prudence.

Le projet LEAP compare notamment les prévisions des spécialistes de l’IA avec celles de « superforecasters », des personnes reconnues pour leur capacité à produire et à mettre à jour des prévisions probabilistes. Dans certains domaines, les deux groupes voient l’avenir très différemment.

C’est notamment le cas des véhicules autonomes. Pour 2027 et 2030, les superforecasters anticipaient une part beaucoup plus faible de trajets effectués par des véhicules autonomes que les experts interrogés par LEAP. Cette différence rappelle que les spécialistes d’une technologie peuvent accorder beaucoup d’importance à ses possibilités techniques tout en sous-estimant les obstacles économiques, réglementaires ou sociaux à son adoption.

Cette approche rejoint les travaux de Philip Tetlock, professeur à l’Université de Pennsylvanie et l’un des principaux chercheurs dans le domaine de la prévision. Ses recherches ont notamment montré l’importance de formuler des prévisions précises, de leur attribuer des probabilités et de les réviser lorsque de nouvelles informations deviennent disponibles. Tetlock est aujourd’hui scientifique en chef du Forecasting Research Institute, qui pilote LEAP.

Il serait toutefois tentant de remplacer une certitude par une autre et de considérer les superforecasters comme des détenteurs d’une boule de cristal. Ce serait une erreur. Un exercice précédent du Forecasting Research Institute a montré qu’entre 2022 et 2025, experts de l’IA et superforecasters avaient tous deux sous-estimé la rapidité des progrès réalisés sur plusieurs indicateurs techniques.

C’est précisément là que se trouve le cœur du message de Larochelle.

Dans un domaine aussi mouvant, la capacité à dire « je ne sais pas » devient une qualité scientifique plutôt qu’une faiblesse. Une prévision ne devrait jamais être confondue avec une certitude. Elle constitue une photographie de ce qui paraît probable à un moment donné, en fonction des données disponibles.

Le chercheur propose donc une attitude fondée sur deux principes : l’humilité scientifique et la vigilance. Autrement dit, accepter que les scénarios à long terme puissent être faux, mais observer attentivement ce qui se produit réellement afin d’ajuster continuellement notre compréhension.

Cette distinction est particulièrement importante alors que le débat sur l’IA est souvent dominé par des prédictions spectaculaires. Elles peuvent provenir aussi bien de dirigeants qui annoncent une transformation radicale de l’économie que de chercheurs qui mettent en garde contre des risques majeurs.

L’exercice de prévision ne permet pas de supprimer cette incertitude. Il peut cependant obliger chacun à préciser ce qu’il croit, avec quelle probabilité et dans quel horizon temporel.

Au fond, le message d’Hugo Larochelle n’est pas de choisir entre l’enthousiasme et l’inquiétude face à l’intelligence artificielle. Il invite plutôt à conserver assez de recul pour modifier notre jugement lorsque les faits changent.

À une époque où les certitudes sur l’avenir de l’IA abondent, reconnaître que personne ne possède encore la carte complète pourrait bien être l’une des positions les plus rationnelles.

Source : linkedin, leap

+++++++

Du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur
l’essentiel de l’actualité numérique avec 120 secondes de Tech.

Ou encore…

Écoutez la plus récente édition de Mon Carnet,
le magazine hebdomadaire de l’actualité numérique.