{"id":133679,"date":"2019-11-26T11:00:05","date_gmt":"2019-11-26T11:00:05","guid":{"rendered":"https:\/\/dievolkswirtschaft.ch\/2019\/11\/krause-12-2019fr\/"},"modified":"2025-06-16T13:35:27","modified_gmt":"2025-06-16T11:35:27","slug":"krause-12-2019fr","status":"publish","type":"post","link":"https:\/\/dievolkswirtschaft.ch\/fr\/2019\/11\/krause-12-2019fr\/","title":{"rendered":"Intelligence artificielle : la Suisse \u00e0 la pointe de la recherche"},"content":{"rendered":"

L\u2019intelligence artificielle (IA) fascine le monde informatique depuis les ann\u00e9es\u00a01950. \u00c0 cette \u00e9poque, le pionnier britannique de l\u2019informatique Alan Turing publiait \u00ab\u00a0Computing Machinery and Intelligence\u00a0\u00bb[1]<\/a>. Il esquissait l\u2019id\u00e9e de d\u00e9velopper un programme qui, par sa capacit\u00e9 d\u2019apprendre, \u00e9galerait l\u2019intelligence humaine. Il a d\u00e9velopp\u00e9 le fameux \u00ab\u00a0test de Turing\u00a0\u00bb pour rendre compte de la difficult\u00e9 \u00e0 trouver une d\u00e9finition de l\u2019IA. Apr\u00e8s un dialogue de plusieurs minutes avec son vis-\u00e0-vis, la personne effectuant le test doit d\u00e9terminer si elle a affaire \u00e0 une intelligence humaine ou artificielle.<\/p>\n

Pr\u00e8s de 70\u00a0ans plus tard, la majorit\u00e9 des t\u00e9l\u00e9phones mobiles multifonctions poss\u00e8dent des assistants auxquels on peut demander de l\u2019aide pour r\u00e9gler son r\u00e9veil ou l\u2019\u00e9clairage de sa maison. Le test de Turing est-il r\u00e9ussi\u00a0? Pas vraiment. Siri et Alexa sont encore loin d\u2019une intelligence artificielle \u00ab\u00a0g\u00e9n\u00e9rale\u00a0\u00bb au sens o\u00f9 l\u2019entendait Turing.<\/p>\n

Une r\u00e9volution a toutefois bien eu lieu ces derni\u00e8res ann\u00e9es gr\u00e2ce \u00e0 l\u2019augmentation des donn\u00e9es num\u00e9riques et \u00e0 une capacit\u00e9 de calcul qui cro\u00eet de mani\u00e8re exponentielle. Ces deux \u00e9l\u00e9ments sont les conditions fondamentales de l\u2019apprentissage automatique (\u00ab\u00a0machine learning\u00a0\u00bb), qui donne \u00e0 l\u2019ordinateur des aptitudes humaines comme la vue et l\u2019ou\u00efe.<\/p>\n

Des ballons et des fraises<\/h2>\n

Le domaine le plus abouti de l\u2019apprentissage automatique \u00e0 ce jour est l\u2019\u00ab\u00a0apprentissage supervis\u00e9\u00a0\u00bb (\u00ab\u00a0supervised learning\u00a0\u00bb). En se fondant sur d\u2019\u00e9normes quantit\u00e9s de donn\u00e9es annot\u00e9es par des humains (images \u00e9tiquet\u00e9es d\u2019objets, etc.), on entra\u00eene des syst\u00e8mes complexes pour qu\u2019ils imitent le comportement humain. Ces r\u00e9seaux neuronaux artificiels contiennent souvent des millions de param\u00e8tres qui s\u2019adaptent aux donn\u00e9es au moyen de proc\u00e9d\u00e9s d\u2019optimisation math\u00e9matique. Cette m\u00e9thode ressemble aux m\u00e9thodes de r\u00e9gression statistique, bien que les mod\u00e8les d\u2019apprentissage automatique soient nettement plus complexes.<\/p>\n

Les r\u00e9seaux d\u2019apprentissage approfondi (\u00ab\u00a0deep learning\u00a0\u00bb) peuvent ainsi reconna\u00eetre les liens hi\u00e9rarchiques sur plusieurs niveaux. La banque de donn\u00e9es ImageNet offre par exemple une base d\u2019apprentissage\u00a0: elle contient des millions d\u2019images r\u00e9pertori\u00e9es en cat\u00e9gories et en termes comme \u00ab\u00a0ballon\u00a0\u00bb ou \u00ab\u00a0fraise\u00a0\u00bb. L\u2019apprentissage automatique a fait des progr\u00e8s consid\u00e9rables gr\u00e2ce \u00e0 ces donn\u00e9es\u00a0: en huit ans, le taux d\u2019erreur des meilleurs mod\u00e8les est tomb\u00e9 de 25\u00a0% \u00e0 4\u00a0%, ce qui correspond au taux des humains lorsqu\u2019ils font la classification eux-m\u00eames. La reconnaissance vocale et la traduction, qui se basent sur les r\u00e9seaux r\u00e9currents, constituent d\u2019autres exemples de r\u00e9ussite. Une variante populaire de ceux-ci (LSTM) a \u00e9t\u00e9 d\u00e9velopp\u00e9e en Suisse, \u00e0 l\u2019Institut Dalle Molle de recherche en intelligence artificielle (Idsia)[2]<\/a>. Les techniques de l\u2019apprentissage automatique sont d\u00e9j\u00e0 des \u00e9l\u00e9ments importants des moteurs de recherche et des syst\u00e8mes de recommandation dans le commerce en ligne.<\/p>\n

Les champs d\u2019application de l\u2019apprentissage automatique augmentent constamment. Le domaine m\u00e9dical pr\u00e9sente un fort potentiel\u00a0: les progr\u00e8s accomplis dans l\u2019interpr\u00e9tation des images[3]<\/a> peuvent d\u00e9j\u00e0 servir d\u2019aide \u00e0 la prise de d\u00e9cisions d\u2019un niveau \u00e9quivalent \u00e0 celui d\u2019experts humains. Des chercheurs de l\u2019\u00c9cole polytechnique f\u00e9d\u00e9rale de Zurich (EPFZ) d\u00e9veloppent \u00e9galement des syst\u00e8mes de surveillance automatique dans les unit\u00e9s de soins intensifs des h\u00f4pitaux[4]<\/a>.<\/p>\n

L\u2019EPFZ et l\u2019\u00c9cole polytechnique f\u00e9d\u00e9rale de Lausanne (EPFL) ont fond\u00e9 en\u00a02017 le Centre national de la science des donn\u00e9es afin d\u2019exploiter tout le potentiel des applications d\u2019apprentissage automatique dans un esprit interdisciplinaire. L\u2019institution accompagne des projets en science et en \u00e9conomie. Les champs d\u2019application vont de la m\u00e9decine \u00e0 la cosmologie en passant par les sciences de l\u2019environnement.<\/p>\n

D\u00e9celer de nouvelles maladies<\/h2>\n

L\u2019\u00ab\u00a0apprentissage non supervis\u00e9\u00a0\u00bb (\u00ab\u00a0unsupervised learning\u00a0\u00bb) constitue un autre pan de l\u2019apprentissage automatique. Si les utilisations pratiques directes ne sont dans ce cas pas aussi nombreuses que pour l\u2019apprentissage supervis\u00e9, ce secteur progresse de fa\u00e7on exponentielle. Avec l\u2019apprentissage non supervis\u00e9, les ordinateurs saisissent de mani\u00e8re autonome des \u00e9chantillons \u00e0 partir de donn\u00e9es. Autrement dit, ils n\u2019ont pas besoin d\u2019indications humaines d\u00e9finies comme signal d\u2019apprentissage. La m\u00e9decine constitue l\u00e0 encore un champ d\u2019application privil\u00e9gi\u00e9\u00a0: il devient possible de d\u00e9celer des sous-types de maladies d\u2019un nouveau genre au moyen de jeux de donn\u00e9es semblables[5]<\/a>.<\/p>\n

Les \u00ab\u00a0mod\u00e8les g\u00e9n\u00e9ratifs\u00a0\u00bb font notamment partie de l\u2019apprentissage non supervis\u00e9. Ils sont capables de mod\u00e9liser des donn\u00e9es de textes et d\u2019images complexes, et d\u2019en g\u00e9n\u00e9rer automatiquement des semblables. Il existe un grand potentiel dans la recherche sur les m\u00e9dicaments[6]<\/a> ou dans l\u2019anonymisation des donn\u00e9es des patients.<\/p>\n

La validation repr\u00e9sente une difficult\u00e9 majeure de la proc\u00e9dure non supervis\u00e9e\u00a0: alors que le taux d\u2019erreur dans l\u2019apprentissage supervis\u00e9 peut \u00eatre \u00e9valu\u00e9 au moyen de donn\u00e9es de test (dans notre exemple\u00a0: le nombre d\u2019images mal class\u00e9es), ce n\u2019est pas possible avec l\u2019apprentissage non supervis\u00e9. Le nombre de sous-types de diff\u00e9rentes maladies qui appara\u00eetront dans les donn\u00e9es n\u2019est par exemple pas connu d\u2019avance. Cela repr\u00e9sente un v\u00e9ritable d\u00e9fi pour la recherche fondamentale.<\/p>\n

O\u00f9 irons-nous manger aujourd\u2019hui\u00a0?<\/h2>\n

L\u2019apprentissage supervis\u00e9 ou non supervis\u00e9 est consid\u00e9r\u00e9 comme une \u00ab\u00a0m\u00e9thode d\u2019apprentissage passive\u00a0\u00bb\u00a0: un mod\u00e8le (par exemple un r\u00e9seau neuronal) s\u2019entra\u00eene sur un ensemble de donn\u00e9es impos\u00e9 pour \u00eatre ensuite utilis\u00e9. En revanche, dans la \u00ab\u00a0m\u00e9thode d\u2019apprentissage active\u00a0\u00bb, une interaction a lieu avec l\u2019environnement ou les utilisateurs.<\/p>\n

L\u2019\u00ab\u00a0apprentissage par renforcement\u00a0\u00bb (\u00ab\u00a0reinforcement learning\u00a0\u00bb) est notamment utilis\u00e9 dans les syst\u00e8mes de recommandation. En prenant des d\u00e9cisions, l\u2019agent apprend comment l\u2019environnement change et re\u00e7oit des signaux de r\u00e9compense pour cela. Un d\u00e9fi li\u00e9 \u00e0 cette m\u00e9thode provient du \u00ab\u00a0compromis exploration-exploitation\u00a0\u00bb (\u00ab\u00a0exploration-exploitation trade-off\u00a0\u00bb)\u00a0: dans chaque situation, l\u2019agent doit \u00e9valuer s\u2019il choisit une action qui lui assure le succ\u00e8s (exploitation) ou s\u2019il veut en apprendre davantage sur son environnement par une nouvelle action (exploration). Nous nous nous posons souvent ce genre de questions en tant qu\u2019\u00eatres humains, par exemple lorsque nous nous demandons s\u2019il vaut mieux aller manger dans notre restaurant pr\u00e9f\u00e9r\u00e9 ce soir ou en essayer un nouveau.<\/p>\n

L\u2019ordinateur triomphe au jeu de go<\/h2>\n

Bien que l\u2019apprentissage par renforcement ait fait l\u2019objet de recherches depuis des ann\u00e9es, des perc\u00e9es majeures n\u2019ont \u00e9t\u00e9 r\u00e9alis\u00e9es que r\u00e9cemment. Le jeu de go en est un parfait exemple\u00a0: contrairement aux \u00e9checs, auxquels l\u2019ordinateur sait depuis longtemps mieux jouer que les humains avec la proc\u00e9dure de planification habituelle sans apprentissage automatique, le go se r\u00e9v\u00e8le bien plus complexe. L\u2019agent Alpha Zero de la filiale de Google Deep Mind a r\u00e9ussi \u00e0 surpasser les meilleurs joueurs humains de go. Alpha Zero a simul\u00e9 d\u2019innombrables parties jou\u00e9es contre lui-m\u00eame afin de s\u2019am\u00e9liorer. L\u2019IA a exp\u00e9riment\u00e9 de nouveaux coups pour voir la r\u00e9action de l\u2019adversaire simul\u00e9.<\/p>\n

Un simulateur pr\u00e9cis est une condition indispensable \u00e0 l\u2019apprentissage par renforcement. C\u2019est la raison pour laquelle les jeux s\u2019y pr\u00eatent bien\u00a0: vous savez exactement \u00e0 quoi ressemble le plateau de go une fois que vous et votre adversaire avez jou\u00e9 un coup. En dehors du monde du jeu, la tendance est \u00e0 la configuration de simulateurs les plus r\u00e9alistes possible. Dans le domaine de la robotique, des chercheurs de l\u2019EPFZ ont r\u00e9cemment r\u00e9ussi \u00e0 apprendre de nouvelles techniques de marche \u00e0 leur nouveau robot marcheur \u00ab\u00a0ANYmal\u00a0\u00bb par le biais de l\u2019apprentissage par renforcement[7]<\/a>.<\/p>\n

Mais que se passe-t-il lorsqu\u2019aucune technique pr\u00e9cise de simulation n\u2019est disponible\u00a0? C\u2019est le cas dans d\u2019innombrables applications, de la r\u00e9adaptation m\u00e9dicale \u00e0 la planification des essais scientifiques en passant par l\u2019optimisation des processus. Dans ce cas, tenter des actions dont l\u2019issue est incertaine peut se r\u00e9v\u00e9ler risqu\u00e9. Un groupe de recherche d\u00e9veloppe de nouveaux processus d\u2019apprentissage par renforcement dans le cadre d\u2019un projet soutenu par le Conseil europ\u00e9en de la recherche[8]<\/a>. Il s\u2019agit d\u2019\u00e9valuer minutieusement l\u2019ins\u00e9curit\u00e9 dans les mod\u00e8les d\u2019apprentissage automatique, ce qui permet des prises de d\u00e9cision fiables que l\u2019on peut prouver sous certaines conditions \u2013\u00a0un d\u00e9fi important pour la robotique et d\u2019autres applications.<\/p>\n

La Suisse en t\u00eate<\/h2>\n

La recherche dans le domaine de l\u2019IA se recoupe avec d\u2019autres domaines scientifiques comme la science des donn\u00e9es. Au moyen de proc\u00e9d\u00e9s algorithmiques et statistiques, ce domaine essaie d\u2019obtenir des liens et des constats \u00e0 partir de donn\u00e9es complexes. Tout comme l\u2019IA moderne, la science des donn\u00e9es recourt essentiellement \u00e0 l\u2019apprentissage automatique. Les syst\u00e8mes modernes utilisent en outre souvent d\u2019autres proc\u00e9d\u00e9s algorithmiques et statistiques ou d\u00e9coulant de la th\u00e9orie des jeux et des techniques de r\u00e9gulation.<\/p>\n

La Suisse est bien plac\u00e9e dans la recherche en\u00a0IA. Les \u00e9coles polytechniques font de la recherche fondamentale depuis des d\u00e9cennies gr\u00e2ce \u00e0 la large autonomie dont elles b\u00e9n\u00e9ficient et \u0153uvraient d\u00e9j\u00e0 dans ce domaine alors l\u2019IA n\u2019\u00e9tait pas encore un sujet d\u2019actualit\u00e9. La Suisse se place au premier rang international en mati\u00e8re d\u2019impact (citations par travail de recherche). L\u2019institut Idiap, \u00e0 Martigny (VS), et l\u2019Idsia, \u00e0 Manno (TI), sont tous deux sp\u00e9cialis\u00e9s dans l\u2019IA et son transfert vers l\u2019industrie. Les projets de recherche de l\u2019EPFZ et de l\u2019EPFL focalisent r\u00e9guli\u00e8rement l\u2019attention lors des conf\u00e9rences internationales sur ce th\u00e8me.<\/p>\n

Par ailleurs, le domaine des EPF met syst\u00e9matiquement l\u2019accent sur la science des donn\u00e9es. Outre l\u2019ouverture du Centre national de la science des donn\u00e9es, de nouvelles chaires ont \u00e9t\u00e9 ouvertes et de nouveaux programmes de master et de formation continue cr\u00e9\u00e9s. Les universit\u00e9s et les hautes \u00e9coles sp\u00e9cialis\u00e9es sont \u00e9galement actives dans le domaine de l\u2019IA. L\u2019universit\u00e9 de Zurich \u00e9tudie par exemple les cons\u00e9quences de la num\u00e9risation et de l\u2019IA sur la soci\u00e9t\u00e9 dans le cadre de sa Digital Society Initiative. Des entreprises priv\u00e9es, dont les groupes technologiques Google, Microsoft, Disney et IBM, m\u00e8nent des recherches sur l\u2019IA en Suisse.<\/p>\n

L\u2019intelligence artificielle n\u2019est pas un but en soi<\/h2>\n

L\u2019IA a le potentiel d\u2019une technologie transversale pouvant s\u2019appliquer \u00e0 toutes les branches. Avec l\u2019apprentissage automatique, elle modifie la mani\u00e8re dont la recherche est r\u00e9alis\u00e9e. Il n\u2019est donc pas \u00e9tonnant qu\u2019une concurrence mondiale s\u00e9visse dans ce domaine tr\u00e8s porteur. Pour que l\u2019Europe ne prenne pas de retard par rapport aux \u00c9tats-Unis et \u00e0 la Chine, un r\u00e9seau de recherche, le Laboratoire europ\u00e9en pour les syst\u00e8mes intelligents et d\u2019apprentissage (\u00ab\u00a0European Laboratory for Learning and Intelligent Systems\u00a0\u00bb, Ellis) a commenc\u00e9 \u00e0 se former l\u2019ann\u00e9e derni\u00e8re. La Suisse poss\u00e8de de bonnes cartes face \u00e0 la concurrence pour attirer les meilleurs professionnels, mais elle doit investir de mani\u00e8re cons\u00e9quente dans ce secteur si elle veut d\u00e9fendre son r\u00f4le de leader dans la recherche. L\u2019IA n\u2019est pas un but en soi\u00a0: l\u2019innovation et son utilit\u00e9 pour la soci\u00e9t\u00e9 d\u00e9coulent de la collaboration \u00e9troite entre la recherche fondamentale et les disciplines d\u2019application telles que la m\u00e9decine et la robotique.<\/p>\n

Comme pour toute nouvelle technologie, les risques existent\u00a0: des questions se posent concernant la fiabilit\u00e9, l\u2019interpr\u00e9tabilit\u00e9 ou la vuln\u00e9rabilit\u00e9 face aux donn\u00e9es fauss\u00e9es. La Suisse offre les conditions id\u00e9ales pour g\u00e9rer et piloter des donn\u00e9es et des technologies d\u2019IA de mani\u00e8re reconnue et fiable. Plusieurs projets de recherche se sont d\u00e9j\u00e0 pench\u00e9s sur la question de savoir comment g\u00e9rer des processus \u00e9quitables, transparents et stables[9]<\/a>. Des plateformes comme \u00ab\u00a0AI for Good\u00a0\u00bb (\u00ab\u00a0l\u2019intelligence artificielle au service du bien social\u00a0\u00bb) des Nations Unies \u00e0 Gen\u00e8ve peuvent aider la Suisse \u00e0 se positionner au niveau international et \u00e0 identifier des champs d\u2019application comme le d\u00e9veloppement durable et l\u2019alimentation. La Suisse devrait donc saisir la chance qui se pr\u00e9sente de modeler l\u2019avenir num\u00e9rique, marqu\u00e9 par l\u2019IA, de mani\u00e8re positive et fiable.<\/p>\n

  1. Turing (1950). [<\/span>]<\/a><\/li>
  2. Hochreiter et Schmidhuber (1997). [<\/span>]<\/a><\/li>
  3. Voir par exemple Cire\u015fan et al. (2013). [<\/span>]<\/a><\/li>
  4. Hyland et al. (2018). [<\/span>]<\/a><\/li>
  5. Brodersen et al. (2014). [<\/span>]<\/a><\/li>
  6. Gupta et al. (2018). [<\/span>]<\/a><\/li>
  7. Hwangbo et al. (2019). [<\/span>]<\/a><\/li>
  8. Berkenkamp et al. (2017). [<\/span>]<\/a><\/li>
  9. Voir notamment Berkenkamp et al. (2017), Moosavi-Dezfooli et al. (2018) et Goel et al. (2018). [<\/span>]<\/a><\/li><\/ol>\n
    \n
    \n \n
    \n
    \n \"\"\/\n

    <\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>","protected":false},"excerpt":{"rendered":"

    L\u2019intelligence artificielle (IA) fascine le monde informatique depuis les ann\u00e9es\u00a01950. \u00c0 cette \u00e9poque, le pionnier britannique de l\u2019informatique Alan Turing publiait \u00ab\u00a0Computing Machinery and Intelligence\u00a0\u00bb. Il esquissait l\u2019id\u00e9e de d\u00e9velopper un programme qui, par sa capacit\u00e9 d\u2019apprendre, \u00e9galerait l\u2019intelligence humaine. Il a d\u00e9velopp\u00e9 le fameux \u00ab\u00a0test de Turing\u00a0\u00bb pour rendre compte de la difficult\u00e9 \u00e0 […]<\/p>","protected":false},"author":4927,"featured_media":211258,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"ep_exclude_from_search":false,"footnotes":""},"post__type":[81,83],"post_opinion":[],"post_serie":[],"post_content_category":[229,241],"post_content_subject":[231],"acf":{"seco_author":4927,"seco_co_author":"","author_override":"","seco_author_post_ocupation_year":"","seco_author_post_occupation_de":"Professor f\u00fcr Informatik, Institut f\u00fcr Maschinelles Lernen, ETH Z\u00fcrich und Akademischer Co-Direktor, Swiss Data Science Center","seco_author_post_occupation_fr":"Professeur d\u2019informatique \u00e0 l\u2019Institut d\u2019apprentissage automatique de l\u2019\u00c9cole polytechnique f\u00e9d\u00e9rale de Zurich (EPFZ), codirecteur acad\u00e9mique du Centre national de la science des donn\u00e9es","seco_co_authors_post_ocupation":null,"short_title":"Intelligence artificielle : la Suisse \u00e0 la pointe","post_lead":"La Suisse compte de nombreux projets de recherche dans le domaine de l\u2019apprentissage automatique. La m\u00e9decine constitue un champ d\u2019application prometteur.","post_hero_image_description":"La politique \u00e9conomique d\u00e9signe l'ensemble des mesures prises par l'\u00c9tat pour influencer l'\u00e9conomie.","post_hero_image_description_copyright_de":"Alamy","post_hero_image_description_copyright_fr":"g\u00e9n\u00e9r\u00e9e par IA \/ La Vie \u00e9conomique","post_references_literature":"

      \r\n \t
    • \r\n
        \r\n \t
      • Berkenkamp Felix, Turchetta Matteo, Schoellig Angela et Krause Andreas (2017). \u00ab\u00a0Safe model-based reinforcement learning with stability guarantees\u00a0\u00bb. Advances in neural information processing systems<\/em>, 908\u2013918.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
          \r\n \t
        • \r\n
            \r\n \t
          • Brodersen Kay H., Deserno Lorenz, Schlagenhauf Florian, Lin Zhihao, Penny Will D., Buhmann Joachim M. et Stephan Klaas E. (2014). \u00ab\u00a0Dissecting psychiatric spectrum disorders by generative embedding\u00bb. NeuroImage\u00a0: Clinical<\/em>, 4\u00a0: 98\u2013111.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
              \r\n \t
            • \r\n
                \r\n \t
              • Cire\u015fan Dan C., Giusti Alessandro, Gambardella Luca M. et Schmidhuber J\u00fcrgen (2013). \u00ab\u00a0Mitosis detection in breast cancer histology images with deep neural networks\u00a0\u00bb. International Conference on medical image computing and computer-assisted intervention<\/em>, 411\u2013418.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
                  \r\n \t
                • \r\n
                    \r\n \t
                  • Goel Naman, Yaghini et Mohammad Boi Faltings (2018). \u00ab\u00a0Non-discriminatory machine learning through convex fairness criteria\u00a0\u00bb. Thirty-Second AAAI Conference on Artificial Intelligence<\/em>.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
                      \r\n \t
                    • \r\n
                        \r\n \t
                      • Gupta Anvita, M\u00fcller Alex T., Huisman Berend J. H., Fuchs Jens A., Schneider Petra et Schneider Gisbert (2018). \u00ab\u00a0Generative recurrent networks for de novo drug design\u00a0\u00bb. Molecular informatics<\/em>, vol. 37, N\u00b0<\/sup> 1-2\u00a0: 1700111.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
                          \r\n \t
                        • \r\n
                            \r\n \t
                          • Hochreiter Sepp et Schmidhuber J\u00fcrgen (1997). \u00ab\u00a0Long short-term memory\u00a0\u00bb. Neural computation<\/em>, vol. 9 N\u00b0\u00a08\u00a0: 1735\u20131780.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
                              \r\n \t
                            • \r\n
                                \r\n \t
                              • Hwangbo Jemin, Lee Joonho, Dosovitskiy Alexey, Bellicoso Dario, Tsounis Vassilios, Koltun Vladlen et Hutter Marco (2019). \u00ab\u00a0Learning agile and dynamic motor skills for legged robots\u00a0\u00bb. Science Robotics<\/em>, vol. 4, N\u00b0 26\u00a0: eaau5872.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
                                  \r\n \t
                                • \r\n
                                    \r\n \t
                                  • Hyland Stephanie L., H\u00fcser Matthias, Lyu Xinrui, Faltys Martin, Merz Tobias et R\u00e4tsch Gunnar (2018). \u00ab\u00a0Predicting circulatory system deterioration in intensive care unit patients\u00a0\u00bb. AIH@IJCAI<\/em>, 87\u201392.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
                                      \r\n \t
                                    • \r\n
                                        \r\n \t
                                      • Moosavi-Dezfooli Seyed-Mohsen, Fawzi Alhussein, Uesato Jonathan et Frossard Pascal (2019). \u00ab\u00a0Robustness via curvature regularization, and vice versa\u00a0\u00bb. Proceedings of the IEEE Conference on computer vision and pattern recognition<\/em>, 9078\u20139086.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n \r\n
                                          \r\n \t
                                        • \r\n
                                            \r\n \t
                                          • Turing Alan (1950). \u00ab\u00a0Computing Machinery and Intelligence\u00a0\u00bb. Mind<\/em>, 49 (1950)\u00a0: 433\u2013460.<\/li>\r\n<\/ul>\r\n<\/li>\r\n<\/ul>\r\n ","post_kasten":null,"post_notes_for_print":"Comment reconna\u00eet-on un ballon ? Dans les r\u00e9seaux d\u2019apprentissage approfondi, les ordinateurs apprennent \u00e0 identifier les objets sur la base de certaines caract\u00e9ristiques.","first_teaser_header_de":"","first_teaser_header_fr":"","first_teaser_text_de":"","first_teaser_text_fr":"","second_teaser_header_de":"","second_teaser_header_fr":"","second_teaser_text_de":"","second_teaser_text_fr":"","kseason_de":"","kseason_fr":"","post_in_pdf":133682,"main_focus":[156051,156842],"serie_email":"","frontpage_slider_bild":211258,"artikel_bild-slider":[{"image":"","bild_beschreibung_de":"","bild_beschreibung_fr":"","copyright_de":"","copyright_fr":""}],"legacy_id":"89220","post_abstract":"L\u2019intelligence artificielle (IA) et l\u2019apprentissage automatique int\u00e9ressent toujours plus le public. Ces proc\u00e9d\u00e9s peuvent aujourd\u2019hui apporter des solutions gr\u00e2ce \u00e0 l\u2019explosion du nombre de donn\u00e9es et \u00e0 la puissance de calcul nouvelle des ordinateurs. Les processus d\u2019apprentissage automatique sont de plus en plus souvent des technologies transversales \u00e0 l\u2019effet transformateur et au potentiel \u00e9norme qui peuvent \u00e9galement produire un effet de rupture. Cet article brosse l\u2019\u00e9tat actuel de la recherche au moyen de quelques exemples helv\u00e9tiques. La Suisse occupe une bonne position face \u00e0 la forte concurrence mondiale actuelle dans le domaine de l\u2019IA. Elle a maintenant la chance peut-\u00eatre unique de participer \u00e0 la mise en place d\u2019une gestion des donn\u00e9es et de l\u2019IA fiable et reconnue dans le monde entier.","magazine_issue":"20191201","seco_author_reccomended_post":"","redaktoren":"","korrektor":"","planned_publication_date":"2019-11-26 10:00:05","original_files":null,"external_release_for_author":"20191102","external_release_for_author_time":"23:30:00","link_for_external_authors":"https:\/\/dievolkswirtschaft.ch\/exedit\/5d5e915d985a5"},"_links":{"self":[{"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/posts\/133679"}],"collection":[{"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/users\/4927"}],"replies":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/comments?post=133679"}],"version-history":[{"count":3,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/posts\/133679\/revisions"}],"predecessor-version":[{"id":211464,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/posts\/133679\/revisions\/211464"}],"acf:post":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/main_focus_post\/156842"},{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/main_focus_post\/156051"}],"acf:user":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/users\/4927"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/media\/211258"}],"wp:attachment":[{"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/media?parent=133679"}],"wp:term":[{"taxonomy":"post__type","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/post__type?post=133679"},{"taxonomy":"post_opinion","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/post_opinion?post=133679"},{"taxonomy":"post_serie","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/post_serie?post=133679"},{"taxonomy":"post_content_category","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/post_content_category?post=133679"},{"taxonomy":"post_content_subject","embeddable":true,"href":"https:\/\/dievolkswirtschaft.ch\/fr\/wp-json\/wp\/v2\/post_content_subject?post=133679"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}