Par Peter Solenberger

Traduction automatique par l’IA.

L’HOMME ANATOMIQUE MODERNE est apparu en Afrique il y a environ 300 000 ans. De nos ancêtres du genre Homo, nous avons hérité la posture verticale, les pouces opposables, la vision binoculaire, une grande intelligence, la vie en groupe, le langage, l’utilisation du feu et la fabrication d’outils. L’homme s’est appuyé sur ces fondements, transformant sans cesse la technologie, réorganisant la production et réorganisant la société.

Au cours des 50 dernières années, les ordinateurs et l’internet ont changé la façon dont des centaines de millions de personnes travaillent et vivent. L’intelligence artificielle – un terme inapproprié qui a fait couler beaucoup d’encre – poursuit cette tendance.

Comme nous le verrons dans cet article, la technologie de l’IA est potentiellement bénéfique. Dans le cadre du socialisme, elle pourrait soulager les gens de nombreuses tâches abrutissantes, les libérer pour des activités créatives et épanouissantes, et rendre possibles des avancées scientifiques, économiques, environnementales et autres qui nous dépassent actuellement.

Sous le capitalisme, cependant, elle pourrait détruire des emplois et des moyens de subsistance, intensifier l’exploitation, augmenter les niveaux de surveillance et de répression, détruire davantage l’environnement et rendre la guerre plus probable et plus meurtrière.

Démystifier l’IA

L’intelligence artificielle n’est ni « artificielle » ni « intelligente ». Il s’agit de l’application de techniques informatiques intelligentes mais pas très sophistiquées à des quantités massives de données numériques afin de trouver des modèles d’association – par exemple, entre des radiographies et des tumeurs cancéreuses, ou des textes en espagnol et des traductions en anglais.

L’analyse scientifique traditionnelle observe la réalité, élabore des hypothèses et teste ces hypothèses par l’observation et l’intervention. L’analyse traditionnelle des données recueille et analyse les données à l’aide de méthodes statistiques, en tentant d’identifier des modèles dans les structures et les processus décrits par les données. Comme les autres analyses scientifiques, elle vise à la fois à comprendre et à prédire.

L’IA se passe de l’objectif de compréhension et se contente de prédire. D’où le nom de la technique actuellement privilégiée : le transformateur génératif pré-entraîné (GPT). Des modèles incompréhensibles sont construits par pré-entraînement sur des quantités massives de données, afin d’être appliqués à de nouvelles données pour générer des diagnostics, des traductions et d’autres prédictions.

Des précurseurs de l’IA ont été développés au début du 20e siècle et utilisés comme générateurs de textes probabilistes, mais il s’agissait essentiellement de preuves de concept et ils n’étaient pas très utiles dans la pratique. Les données et la puissance de calcul faisaient défaut.

Dans les années 1990, la numérisation des images, des sons et des textes a permis de produire des données et leur diffusion sur l’internet les a rendues accessibles. La puissance de calcul était à la traîne. Les ordinateurs de l’époque reposaient sur de puissantes unités centrales de traitement (UC), sur la mise en cache des données dans une mémoire rapide et sur un traitement parallèle limité, dans lequel plusieurs UC travaillaient sur différentes parties d’un problème. Les ingénieurs en logiciel devaient concevoir des algorithmes que les programmeurs devaient coder et que les ordinateurs devaient exécuter.

La situation était la même qu’au début de la révolution industrielle, lorsque les machines étaient construites par des artisans. L’augmentation de la production a nécessité la percée de machines pour construire des machines.

La percée s’est produite dans ce qui semblait être un domaine périphérique de l’informatique. L’édition d’images et de vidéos, ainsi que les jeux, nécessitaient un rendu très rapide des graphiques sur les écrans, lorsque les images étaient manipulées, que les vidéos montraient des mouvements ou que les jeux étaient joués. Les bits de la mémoire devaient être rapidement convertis en pixels sur les écrans. Des unités de traitement graphique (GPU) relativement simples, séparées de l’unité centrale et travaillant en parallèle, ont été développées pour cette tâche.

Les ingénieurs informaticiens et les programmeurs ont rapidement réalisé que les GPU pouvaient être utilisés pour d’autres problèmes de cartographie, notamment pour cartographier les vastes quantités de données numériques désormais disponibles afin de produire des modèles pouvant être appliqués à de nouvelles données pour des recherches, des traductions, des transcriptions, l’analyse de tomodensitogrammes, la reconnaissance faciale, et ainsi de suite. L’IA était née.

Les ordures entrent, les ordures sortent

Les modèles d’IA sont formés à partir de paires de données brutes et de résultats validés par l’homme, et ils dépendent entièrement de la précision de ces deux éléments. Si les données ou les résultats sont partiels ou faussés, les modèles le seront également. On ne peut pas dire qu’il n’y ait que des déchets, comme le dit l’adage informatique.

Les déchets peuvent être des « hallucinations » manifestement bizarres, ou être plus insidieux. Les schémas d’association peuvent être basés sur des opinions présentées comme des faits, des simplifications excessives, des préjugés ou des mensonges. Le profilage racial qui serait inacceptable de la part d’un être humain peut être caché dans la boîte noire de l’IA.

Une illustration révélatrice et de plus en plus probable du phénomène « garbage in, garbage out » est l’IA entraînée sur son propre produit. Un article du New York Times intitulé « When A.I.’s Output Is a Threat to A.I. Itself » (Quand la production de l’IA est une menace pour l’IA elle-même), rédigé par Aatish Bhatia, explore le problème de « l’effondrement du modèle ». Les images sont réduites à des flous, les couleurs sont brouillées, les visages se ressemblent étrangement. « Le modèle est empoisonné par sa propre projection de la réalité. (8/26/24)

L’IA est en quelque sorte un pas en arrière par rapport aux techniques analytiques qui cherchent à comprendre les données. Les petits ensembles de données et la puissance de calcul limitée ont contraint les analystes à choisir des techniques adaptées aux données – par exemple, la régression linéaire pour les variables continues telles que la taille et le produit intérieur brut (PIB), ou la régression logistique pour les variables catégorielles telles que la race et le sexe. L’IA laisse la modélisation au processus informatique.

L’analyse des données peut être comparée à l’ascension d’une montagne. L’objectif est d’atteindre le sommet. Dans le cas de l’analyse des données, il s’agit de maximiser une fonction de vraisemblance, c’est-à-dire la probabilité qu’un modèle appliqué aux données réelles produise les résultats réels.

Une approche de l’alpinisme consisterait à confier l’ascension de la montagne à une équipe très qualifiée. Une autre approche consisterait à demander à de nombreuses équipes compétentes, mais moins qualifiées, de se lancer à l’assaut de la montagne, en commettant de nombreuses erreurs, mais en arrivant tout de même au sommet par tâtonnements. L’analyse statistique traditionnelle s’apparente au premier cas de figure. L’IA s’apparente à ce dernier cas de figure.

La méthode par essais et erreurs est très coûteuse en termes d’ordinateurs et d’énergie pour les faire fonctionner. Comme l’indique un article du New York Times intitulé  » What will power the A.I. revolution » (Qu’est-ce qui alimentera la révolution de l’I.A.), rédigé par David Gelles :

« Au cours des trois prochaines années seulement, les centres de données devraient tripler leur consommation d’énergie, selon un nouveau rapport soutenu par le ministère américain de l’énergie. Selon ces prévisions, les centres de données pourraient représenter jusqu’à 12 % de la consommation nationale d’électricité d’ici 2028. » (1/7/25)

Plus gros n’est pas forcément meilleur. En janvier 2025, la société chinoise DeepSeek a publié un article décrivant une nouvelle technique de modélisation de l’IA. Un article du New York Times intitulé « Why DeepSeek Could Change What Silicon Valley Believes About A.I. » (Pourquoi DeepSeek pourrait changer ce que la Silicon Valley croit à propos de l’IA), rédigé par Kevin Roose, explique l’importance de cette technique. (1/28/25)

Fondamentalement, en combinant anticipation et essaimage, DeepSeek a pu utiliser des puces informatiques moins sophistiquées, beaucoup moins de temps de calcul, moins d’énergie et des ensembles de données plus petits pour former son modèle.

Ces réserves ne signifient pas que l’IA est inutile. La traduction automatique des langues s’est considérablement améliorée au fur et à mesure que les techniques progressaient, passant de la traduction automatique basée sur des règles à la traduction automatique statistique, puis à la traduction automatique par l’IA.

Mais les bons traducteurs d’IA sont formés à partir de bonnes traductions humaines, et les très bonnes traductions doivent encore être corrigées par des traducteurs humains qui connaissent la langue source, la langue cible et le sujet. D’autre part, la recherche se dégrade car les résultats « corrects » sont de plus en plus ceux pour lesquels les annonceurs paient, plutôt que ceux que les utilisateurs souhaitent.

Origine de l’IA

Dans les années 1990, les serveurs de Google ont commencé à parcourir le web, à stocker et à indexer le contenu des sites web et à renvoyer des résultats de recherche. Google a compris que le nombre de liens vers une page était une mesure utile de son importance. Google a également compris que les utilisateurs ne sont pas seulement des consommateurs, mais aussi des fournisseurs de données, grâce à leurs recherches et à leurs clics. Enfin, les données de recherche pouvaient être intégrées à de nombreux autres types de données.

Google a dominé la recherche grâce à une boucle de rétroaction positive : Son moteur de recherche était meilleur, en partie grâce à son algorithme intelligent, mais surtout parce qu’il était basé sur davantage de données, de sorte que les gens l’ont utilisé, fournissant encore plus de données, et ainsi de suite.

Google a d’abord cherché à gagner de l’argent grâce à ses recherches. Sa solution a été la publicité et d’autres formes de marketing. Il pouvait facturer les clics sur les liens vers les sites web des entreprises dans ses résultats de recherche, facturer la mise en évidence d’une entreprise dans ses recherches et produire des listes de clients intéressés ou susceptibles d’être intéressés par l’achat de produits.

Google a compris que les données étaient potentiellement précieuses, même si leur utilisation n’était pas encore claire. Les recherches gratuites, les cartes, les adresses électroniques et les systèmes d’exploitation produisent des données. Ces données peuvent être exploitées pour savoir qui a demandé quoi, qui a communiqué avec qui, sur quoi ils ont communiqué, et souvent le contenu de leur communication. Les vues de rues produisaient des données, non seulement les vues mais aussi le contenu des réseaux sans fil non cryptés dans les maisons photographiées.

Le FBI, la CIA, la National Security Agency (NSA), les services de police des États et des municipalités, ainsi que les services de police et de sécurité de Russie, de Chine, de Grande-Bretagne et de nombreux autres pays ont compris qu’ils pouvaient obtenir et stocker des métadonnées (qui, où, quand, combien de temps, quelle quantité) et des données (quoi) à partir de communications électroniques.

Aux États-Unis et dans certains autres pays, l’accès au contenu nécessite une décision de justice, mais les procédures sont souvent laxistes. Le cryptage des données est un obstacle, mais les gens omettent souvent de crypter, et beaucoup de choses peuvent être déduites des seules métadonnées.

Jusqu’à ces dernières années, la capacité des entreprises et des gouvernements à collecter des données dépassait de loin leur capacité à les analyser. Avec l’IA, l’analyse des données a commencé à rattraper son retard.

Utilisations de l’IA…

L’histoire de l’humanité a connu de nombreuses avancées technologiques qui ont à la fois augmenté la productivité du travail et été exploitées par les dirigeants de l’époque pour accroître leur pouvoir et leur richesse.

L’énergie, les transports, la communication, la construction, la fabrication, l’agriculture, la distribution, la médecine, l’éducation, les loisirs, les relations personnelles, la religion, le maintien de l’ordre et la guerre – tous ces domaines ont été transformés par la technologie. Le modèle général est la mécanisation, qui substitue des machines aux hommes, et l’automatisation, qui fait que les machines fonctionnent toutes seules, entretenues et supervisées par des hommes.

Les progrès technologiques peuvent faire l’objet d’abus, comme le montre l’histoire. Les États-Unis se sont construits sur le génocide des Amérindiens, l’esclavage des Africains, le vol de la moitié du Mexique, la ruine des agriculteurs, l’exploitation des travailleurs, la maltraitance des immigrants, le racisme, l’oppression des femmes et des personnes LGBTQ+, et la destruction de l’environnement – autant de phénomènes rendus possibles par la technologie.

Mais la lutte des classes et la lutte sociale ont forcé l’utilisation de la technologie de manière bénéfique : pour remplacer les humains par des machines pour de nombreuses tâches dangereuses et débilitantes, pour réduire les heures de travail et pour élever le niveau de vie. Les gens vivent plus longtemps, sont plus longtemps en bonne santé et ont beaucoup plus d’opportunités qu’ils n’en auraient eu autrement.

Il y a tout lieu de penser que l’IA poursuivra dans cette voie. L’IA devrait permettre d’automatiser de nombreuses tâches qui nécessitent aujourd’hui un travail qui pourrait être consacré à la réflexion, à la création, au jeu, à l’amour ou à la rêverie.

La traduction des langues est un exemple de ce que l’IA peut déjà faire. Toute personne ayant accès à un ordinateur, à l’internet et à un logiciel de traduction par l’IA peut lire des documents rédigés dans de nombreuses langues. Des traducteurs humains sont nécessaires pour fournir le matériel nécessaire à l’apprentissage de l’IA, pour corriger les inexactitudes dans les traductions de l’IA et pour réaliser de très bonnes traductions. Mais l’accessibilité est utile, même si la traduction porte sur du riz et des haricots plutôt que sur des plats raffinés.

La programmation informatique est un autre domaine où l’IA pourrait être utile en soulageant les programmeurs d’un travail fastidieux. La programmation a beaucoup évolué depuis les années 1950, époque à laquelle les ordinateurs devaient être recâblés pour des tâches différentes et où les bogues n’existaient pas.

Dans les années 1970, la majeure partie de la programmation était réalisée dans des langages de haut niveau tels que Fortran, Cobol ou C, avec des bibliothèques mathématiques et autres pour les tâches courantes. L’IA pourrait aller plus loin en permettant aux ingénieurs en logiciel de décrire ce qu’ils veulent et de demander à la machine d’écrire le programme. Les programmeurs humains resteraient nécessaires pour fournir le matériel nécessaire à la formation de l’IA, pour corriger les lacunes des programmes de l’IA et pour innover.

… et les abus de l’IA

Aujourd’hui, l’IA est basée sur le vol. Les entreprises d’IA recueillent une grande partie de leurs données auprès de leurs utilisateurs et sur l’internet. Elles ne mentionnent pas leurs sources et ne paient pas de redevances pour les données. Leurs modèles ne sont pas réglementés et elles modifient suffisamment les informations pour qu’il soit difficile de prouver qu’il y a eu violation des droits d’auteur.

Le New York Times poursuit actuellement OpenAI pour avoir volé son contenu sans autorisation ni paiement. Les musiciens, les artistes et les écrivains se retrouvent en concurrence avec les contrefaçons de l’IA.

Sous le capitalisme, l’IA sera utilisée pour déplacer les travailleurs. Les robots sont déjà largement utilisés dans l’industrie manufacturière, car les chaînes de montage se prêtent au remplacement des humains par des mouvements mécaniques.

L’IA permet aux robots de réagir avec plus de souplesse et d’être utilisés pour davantage de tâches, telles que la récupération d’articles dans les entrepôts et, à un moment donné, leur livraison, bien que le problème du partage de la route avec les humains soit loin d’être résolu.

Sous le socialisme, cela pourrait conduire à une réduction bienvenue du temps de travail. Sous le capitalisme, elle entraînera des licenciements.

L’utilisation de l’IA diminue encore la qualité des services. Les magasins de bric et de broc ont fermé, remplacés par Amazon et d’autres détaillants en ligne. Dans de nombreux magasins qui restent, les vendeurs compétents ont été remplacés par des scanners. Les représentants des clients ont été remplacés par des pages web et une navigation téléphonique automatisée pour les questions les plus fréquentes. L’IA pourrait être utilisée pour réduire encore davantage la possibilité de parler à un être humain compétent.

L’IA tendra à réduire l’interaction humaine en général, car pour de nombreux objectifs, la seule interaction possible est celle avec un ordinateur. La fermeture des écoles et l’apprentissage en ligne pendant la pandémie de Covid-19 ont tellement freiné l’éducation que de nombreux étudiants ne s’en sont pas remis cinq ans plus tard.

L’isolement de la pandémie a entraîné une augmentation de l’abus d’alcool et de drogues, des violences domestiques et un sentiment de désespoir qui ont contribué au taux de mortalité élevé chez les personnes âgées. Les parents et les chercheurs s’inquiètent du temps passé par les enfants devant un écran. L’IA aura tendance à attirer les gens vers leurs écrans.

L’IA soumettra les gens à une publicité, un marketing et un ciblage plus insidieux, à mesure que les entreprises technologiques accumuleront davantage de données sur nous et les utiliseront à des fins plus diverses. Il ne s’agit pas seulement de ventes et de sollicitations, mais aussi d’enquêtes sur l’emploi, de doxing et de bien d’autres choses encore.

L’IA a déjà accru le niveau de surveillance. La reconnaissance faciale permet d’identifier et de suivre les personnes. Les lecteurs de plaques d’immatriculation facilitent le suivi des véhicules.

L’analyse des métadonnées de communication permet d’identifier des groupes allant des cercles d’amis aux fan-clubs en passant par les organisations militantes. La transcription et la traduction par l’IA permettent d’exploiter des données qui seraient passées inaperçues ces dernières années.

La répression peut suivre la surveillance. L’administration Trump a tenté d’interdire les mots « woke » et les informations sur la diversité, le changement climatique et la justice sociale sur les sites web fédéraux. L’IA permettrait d’étendre ce type de surveillance à toutes les communications électroniques et, par le biais de dispositifs d’écoute, à une grande partie des communications non électroniques.

Et il ne s’agit pas seulement de Trump. Les militants palestiniens craignent à juste titre la surveillance et la répression de la part des administrations universitaires libérales.

Comme indiqué plus haut, l’IA nécessite une immense puissance de calcul et d’immenses quantités d’énergie, qui contribuent de plus en plus à l’émission de dioxyde de carbone et au changement climatique. L’IA pourrait contribuer à la destruction de l’environnement de manière indirecte, car les agents des entreprises et des gouvernements faussent les données utilisées dans les modèles d’IA pour supprimer les références au changement climatique, à la pollution et à d’autres facteurs qu’ils ne veulent pas voir pris en compte. L’expression « l’IA dit… » pourrait dissimuler leurs intérêts et leurs idéologies par le biais de la boîte noire de l’IA.

La guerre pourrait devenir plus courante et plus meurtrière, car les drones contrôlés par l’IA éliminent le danger et la responsabilité morale du combat. Le film Dr. Strangelove ou : Comment j’ai appris à ne plus m’inquiéter et à aimer la bombe dépeint de manière satirique ce à quoi cela pourrait mener.

Dans le film, l’Union soviétique a créé une machine apocalyptique à des fins de dissuasion nucléaire, mais ne l’a pas annoncée. Le général Jack D. Ripper, croyant à tort que les États-Unis sont attaqués, ordonne une frappe nucléaire, et le major T. J. « King » Kong s’arrange pour livrer une bombe qui déclenche la machine apocalyptique. Fiction, mais cohérente avec la logique de laisser la prise de décision aux machines.

Une réponse de la classe ouvrière

Les socialistes et les autres militants de la classe ouvrière doivent affirmer clairement que l’IA, comme de nombreuses autres technologies, est trop utile et trop dangereuse pour être laissée aux mains des capitalistes.

Amazon, Apple, Facebook, Google, Microsoft, Nvidia, Oracle, les sociétés X d’Elon Musk et tous les autres fournisseurs d’IA devraient être expropriés et pris en charge par la société.

Puisque le gouvernement capitaliste n’est pas digne de confiance, le contrôle et le gouvernement des travailleurs sont nécessaires pour s’assurer que l’IA sert les besoins humains.

Les socialistes et autres militants de la classe ouvrière devraient se joindre aux campagnes contre les abus actuels de l’IA. Les musiciens, les artistes, les écrivains et les autres producteurs de contenu devraient avoir le contrôle de ce qu’ils produisent.

Les méthodes et les modèles d’IA devraient être libres. Les entreprises d’IA devraient être tenues de révéler les données sur lesquelles elles entraînent leurs modèles, d’obtenir l’autorisation de les utiliser et de verser des redevances aux êtres humains qui les ont créées.

Les personnes devraient avoir le droit à la confidentialité des données et le droit de refuser la collecte de données. Pour que ce droit soit effectif, le choix par défaut doit être celui de la non-participation. Les contrats exigeant le partage des données devraient être interdits. La « gratuité » ne doit pas signifier la gratuité en échange d’un consentement à la surveillance.

Les travailleurs dont les emplois sont menacés par l’automatisation, y compris l’IA, devraient avoir leur mot à dire dans toute transition. Les travailleurs déplacés devraient se voir garantir des emplois comparables, une éducation/formation pour des emplois qui les intéressent, ou une retraite à plein salaire. À mesure que le niveau de productivité du travail augmente, la semaine de travail devrait être réduite sans perte de salaire, et le travail devrait être réparti équitablement entre ceux qui travaillent.

La surveillance des entreprises devrait être interdite et la collecte de données par le gouvernement devrait être limitée à ce qui est nécessaire pour la santé, la sécurité et le bien-être publics. Les assemblées législatives et les tribunaux devraient superviser la collecte de données, et les rapports sur la collecte de données devraient être rendus publics. L’utilisation de l’IA à des fins de répression devrait être interdite. Trop de choses peuvent être cachées dans sa boîte noire.

Les socialistes et les autres militants de la classe ouvrière doivent s’opposer à la guerre en général, et en particulier à l’intégration de l’IA dans la machine de guerre. Un crime de guerre reste un crime de guerre, même si l’IA est chargée d’appuyer sur la gâchette.

Les fournisseurs d’IA et leurs clients, entreprises et gouvernements, s’opposeront à ces limitations. Comme dans d’autres domaines de la lutte des classes, leur sabotage montrera qu’une action plus radicale est nécessaire.

Publié à l’origine sur Against The Current.