Découvrir, fouiller, partager des données de recherche : quels apports et limites de l'IA ?
Le traitement de données au moyen de techniques relevant de l’apprentissage profond est à la fois plus ancien et plus discret que l'inondation des assistants d’IA sur le marché et dans les entreprises. Du traitement optique d’écritures anciennes à la classification automatisée de textes, en passant par la reconnaissance de patterns dans des flux d'images, l’ouverture massive des données de la recherche offre un terrain de plus en plus riche pour toutes sortes d’expérimentations. Toutefois, les outils automatisés utilisés par les laboratoires et institutions de la recherche partagent avec les intelligences artificielles génératives grand public, certaines problématiques : lorsque l’exploration porte sur des jeux de données sensibles, quelles garanties présentent-ils en matière de contrôle et de confidentialité ? Pour un laboratoire investi dans la réduction de son impact environnemental, est-il contradictoire de miser sur des technologies extrêmement consommatrices en énergie, eau et minéraux ? L’atelier de la donnée ARDoISE a consacré ses deux précédentes journées d’étude au partage des données et du code source de recherche. Comment peut-on progresser sur l’ouverture et la reproductibilité des moyens de traitements à base d’intelligence artificielle effectués sur des jeux de données ? De façon plus large, quels apports et limites les outils d'IA présentent-ils lorsque l'on souhaite découvrir, fouiller, partager des données de recherche ? Pour répondre à ces questions, l'atelier ARDoISE a invité des chercheuses, chercheurs et ingénieurs de divers domaines disciplinaires à présenter comment l’intelligence artificielle est inscrite dans leurs projets de recherche et quelles perspectives elle offre pour le mouvement de la science ouverte.
