Nouveau monde. Facebook : traduction automatique en plus de 200 langues grâce à l’intelligence artificielle

Au laboratoire FAIR (Facebook Artificial Intelligence Research) de Paris, créé en 2014 par Yann Le Cun, les chercheurs planchent notamment sur la traduction automatique et la reconnaissance d’images.

franceinfo : Quels outils de traduction automatique avez-vous mis au point ?

Antoine Bordes, directeur des équipes de FAIR : Plus de 200 langues sont parlées sur la plateforme Facebook dont la mission est de permettre aux gens de communiquer entre eux. Nos chercheurs se sont demandés s’il était possible d’inventer un système de traduction automatique fonctionnant sans aucun exemple, c'est-à-dire à partir de textes dans des langues différentes sans traduction des unes aux autres. Et ça a marché ! Ce système, que nous avons inventé, est désormais utilisé dans Facebook pour traduire, par exemple, du turc en coréen alors qu’il existe très peu de traductions entre ces deux langues.

Vous travaillez également sur la reconnaissance d’images. À ce sujet, pourquoi l’IA n’a-t-elle pas su identifier les images de la tuerie de Christchurch ?

Pour comprendre la gravité de cette vidéo tragique, il aurait fallu pouvoir la considérer dans son contexte, car elle ressemblait beaucoup à ce que l’on aurait pu voir dans un film, dans une série ou dans un jeu vidéo. C’est compliqué pour une machine de faire la part des choses. Nous pourrions décider de bloquer par défaut toute vidéo de ce genre mais alors nous risquerions de bloquer énormément de créations n'ayant rien de réel. 

Deuxième difficulté : comme il s'agit d'un événement très rare, l’IA n’a pas assez d’éléments pour apprendre. Là encore, c'est la difficulté de l'apprentissage sans exemple. C'est l’un des verrous de l'IA sur lesquels nous travaillons.

Dans votre laboratoire, y’a-t-il des choses que vous vous interdisez de faire au nom de l’éthique ?

La question de l'éthique en IA est très importante. Nous ne nous interdisons pas de traiter des sujets mais nous sommes de plus en plus vigilants quant à la manière dont nous traitons certains sujets.

Par exemple, si je fais un système de reconnaissance d’objets ou de personnes, je veille à ce que les résultats soient les mêmes, quels que soient les paramètres ethniques, sexuels ou socioprofessionnels, etc. Par exemple, pour éviter certains biais sexistes, il faut éviter d’associer trop d’images de football aux hommes ou trop de photos de danse classique aux femmes.