Text
stringlengths 1
19.1k
| Language
stringclasses 17
values |
|---|---|
Cette récompense, normalement donnée à des personnes réelles pour de grandes contributions sur le web en japonais, fut acceptée par un contributeur de longue date de Wikipedia en japonais. | French |
Le 26 janvier 2007, « Wikipédia » a aussi été nommée quatrième meilleure marque par les lecteurs de brandchannel, recevant 15 % des voix en réponse à la question « Quelle marque a le plus d'impact sur nos vies en 2006[156] ? | French |
» En septembre 2008, Wikipédia a reçu le prix Quadriga 2008, également attribué à Boris Tadić, Eckart Höfling (en) et Peter Gabriel. | French |
Le prix a été décerné à Jimmy Wales par David Weinberger (en)[157]. | French |
En 2009, les Webby Awards classent la création de Wikipédia en 2001 comme l'un des « moments les plus importants de la vie du web ces dix dernières années »[158]. | French |
En janvier 2013, l'astéroïde (274301) Wikipédia est nommé en l'honneur de l'encyclopédie[159]. | French |
En 2015, Wikipédia reçoit le prix Érasme doté de 150 000 euros « pour son apport particulier à la diffusion des connaissances[160]. | French |
» Wikipédia reçoit le prix Princesse des Asturies de la coopération internationale en juin 2015[161],[162]. | French |
En 2019, l'espèce Viola wikipedia est nommée en l'honneur de l'encyclopédie[163]. | French |
Wikipédia est financée par les dons d'internautes consultant l'encyclopédie. | French |
Wikipedia organise une collecte de fonds annuelle, annoncée par des bandeaux présents sur chaque page sous forme d'« appels » de Jimmy Wales ou de divers contributeurs. | French |
Bien que les fonds reçus soient chaque année plus élevés que l'année précédente[164], ils ne suffisent pas forcément à équilibrer le budget de la Wikimedia Foundation, qui héberge Wikipédia, selon les rapports financiers. | French |
L'argent nécessaire au budget est comblé par les dons de diverses institutions ou entreprises et ceux reçus par des particuliers le reste de l'année[165]. | French |
Google puis Amazon, qui exploitent le contenu de l'encyclopédie, sont les deux premiers géants du Web, respectivement en 2017 et 2018, à apporter un don à Wikipédia, à chaque fois d'un montant d'un million de dollars[166]. | French |
Contrairement à un grand nombre de sites, Wikipedia refuse d'afficher de la publicité pour financer son fonctionnement. | French |
Selon certaines méthodes d'évaluation en 2013, le coût de remplacement de Wikipedia pourrait être estimé à 6,6 milliards de dollars avec 630 millions de dollars de frais de mise à jour par an ; et le bénéfice de Wikipédia pour l’utilisateur serait estimé à des centaines de milliards de dollars[167]. | French |
L'utilisation de l'informatique contribue à l'augmentation de l'énergie grise, et les consultations/modifications concourent à la consommation directe d'énergie. | French |
En 2018, les serveurs de la Wikimedia Foundation, qui hébergent les données des différentes Wikipédias, n'étaient alimentés par des sources d'énergie renouvelables qu'à hauteur de 6 % et ont envoyé dans l'atmosphère 1,2 kilotonne de CO2. | French |
Cela équivaut aux émissions de 1 000 voitures parcourant 10 000 km par an, à raison de 120 g d'émissions de CO2 par km. | French |
À la suite de l'accord de Paris sur le climat en 2015, la Fondation Wikimedia a décidé de lancer une initiative durabilité (sustainability initiative) pour réduire les impacts environnementaux de ses activités. | French |
La Fondation Wikimedia a aussi décidé de réaliser chaque année une étude sur ses impacts environnementaux[168]. | French |
Sur les autres projets Wikimedia : modifier - modifier le code - modifier Wikidata L'apprentissage automatique[1],[2] (en anglais : machine learning, litt. | French |
« apprentissage machine[1],[2] »), apprentissage artificiel[1] ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. | French |
Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes. | French |
L'apprentissage automatique comporte généralement deux phases. | French |
La première consiste à estimer un modèle à partir de données, appelées observations, qui sont disponibles et en nombre fini, lors de la phase de conception du système. | French |
L'estimation du modèle consiste à résoudre une tâche pratique, telle que traduire un discours, estimer une densité de probabilité, reconnaître la présence d'un chat dans une photographie ou participer à la conduite d'un véhicule autonome. | French |
Cette phase dite « d'apprentissage » ou « d'entraînement » est généralement réalisée préalablement à l'utilisation pratique du modèle. | French |
La seconde phase correspond à la mise en production : le modèle étant déterminé, de nouvelles données peuvent alors être soumises afin d'obtenir le résultat correspondant à la tâche souhaitée. | French |
En pratique, certains systèmes peuvent poursuivre leur apprentissage une fois en production, pour peu qu'ils aient un moyen d'obtenir un retour sur la qualité des résultats produits. | French |
Selon les informations disponibles durant la phase d'apprentissage, l'apprentissage est qualifié de différentes manières. | French |
Si les données sont étiquetées (c'est-à-dire que la réponse à la tâche est connue pour ces données), il s'agit d'un apprentissage supervisé. | French |
On parle de classification ou de classement[3] si les étiquettes sont discrètes, ou de régression si elles sont continues. | French |
Si le modèle est appris de manière incrémentale en fonction d'une récompense reçue par le programme pour chacune des actions entreprises, on parle d'apprentissage par renforcement. | French |
Dans le cas le plus général, sans étiquette, on cherche à déterminer la structure sous-jacente des données (qui peuvent être une densité de probabilité) et il s'agit alors d'apprentissage non supervisé. | French |
L'apprentissage automatique peut être appliqué à différents types de données, tels des graphes, des arbres, des courbes, ou plus simplement des vecteurs de caractéristiques, qui peuvent être continues ou discrètes. | French |
Depuis l'antiquité, le sujet des machines pensantes préoccupe les esprits. | French |
Ce concept est la base de pensées pour ce qui deviendra ensuite l'intelligence artificielle, ainsi qu'une de ses sous-branches : l'apprentissage automatique. | French |
La concrétisation de cette idée est principalement due à Alan Turing (mathématicien et cryptologue britannique) et à son concept de la « machine universelle » en 1936[4], qui est à la base des ordinateurs d'aujourd'hui. | French |
Il continuera à poser les bases de l'apprentissage automatique, avec son article sur « L'ordinateur et l'intelligence » en 1950[5], dans lequel il développe, entre autres, le test de Turing. | French |
En 1943, le neurophysiologiste Warren McCulloch et le mathématicien Walter Pitts publient un article décrivant le fonctionnement de neurones en les représentant à l'aide de circuits électriques. | French |
Cette représentation sera la base théorique des réseaux neuronaux[6]. | French |
Arthur Samuel, informaticien américain pionnier dans le secteur de l'intelligence artificielle, est le premier à faire usage de l'expression machine learning (en français, « apprentissage automatique ») en 1959 à la suite de la création de son programme pour IBM en 1952. | French |
Le programme jouait au Jeu de Dames et s'améliorait en jouant. | French |
À terme, il parvint à battre le 4e meilleur joueur des États-Unis[7],[8]. | French |
Une avancée majeure dans le secteur de l'intelligence machine est le succès de l'ordinateur développé par IBM, Deep Blue, qui est le premier à vaincre le champion mondial d'échecs Garry Kasparov en 1997. | French |
Le projet Deep Blue en inspirera nombre d'autres dans le cadre de l'intelligence artificielle, particulièrement un autre grand défi : IBM Watson, l'ordinateur dont le but est de gagner au jeu Jeopardy![9]. | French |
Ce but est atteint en 2011, quand Watson gagne à Jeopardy! | French |
en répondant aux questions par traitement de langage naturel[10]. | French |
Durant les années suivantes, les applications de l'apprentissage automatique médiatisées se succèdent bien plus rapidement qu'auparavant. | French |
En 2012, un réseau neuronal développé par Google parvient à reconnaître des visages humains ainsi que des chats dans des vidéos YouTube[11],[12]. | French |
En 2014, 64 ans après la prédiction d'Alan Turing, le dialogueur Eugene Goostman est le premier à réussir le test de Turing en parvenant à convaincre 33 % des juges humains au bout de cinq minutes de conversation qu'il est non pas un ordinateur, mais un garçon ukrainien de 13 ans[13]. | French |
En 2015, une nouvelle étape importante est atteinte lorsque l'ordinateur « AlphaGo » de Google gagne contre un des meilleurs joueurs au jeu de Go, jeu de plateau considéré comme le plus dur du monde[14]. | French |
En 2016, un système d'intelligence artificielle à base d'apprentissage automatique nommé LipNet parvient à lire sur les lèvres avec un grand taux de succès[15],[16]. | French |
Les algorithmes utilisés permettent, dans une certaine mesure, à un système piloté par ordinateur (un robot éventuellement), ou assisté par ordinateur, d'adapter ses analyses et ses comportements en réponse, en se fondant sur l'analyse de données empiriques provenant d'une base de données ou de capteurs. | French |
La difficulté réside dans le fait que l'ensemble de tous les comportements possibles compte tenu de toutes les entrées possibles devient rapidement trop complexe à décrire (on parle d'explosion combinatoire). | French |
On confie donc à des programmes le soin d'ajuster un modèle pour simplifier cette complexité et de l'utiliser de manière opérationnelle. | French |
Idéalement, l'apprentissage visera à être non supervisé, c'est-à-dire que la nature des données d'entrainement n'est pas connue[17]. | French |
Ces programmes, selon leur degré de perfectionnement, intègrent éventuellement des capacités de traitement probabiliste des données, d'analyse de données issues de capteurs, de reconnaissance (reconnaissance vocale, de forme, d'écriture…), de fouille de données, d'informatique théorique… L'apprentissage automatique est utilisé pour doter des ordinateurs ou des machines de systèmes de : perception de leur environnement (vision, reconnaissance d'objets tels des visages, schémas, langages naturels, caractères manuscrits, formes) ; moteurs de recherche ; aide aux diagnostics, médical notamment, bio-informatique, chémoinformatique ; interfaces cerveau-machine ; détection de fraudes à la carte de crédit, cybersécurité, analyse financière, dont analyse du marché boursier ; classification des séquences d'ADN ; jeu ; génie logiciel ; adaptation de sites Web ; locomotion de robots ; analyse prédictive en matière juridique et judiciaire… Exemples : Les algorithmes d'apprentissage peuvent se catégoriser selon le mode d'apprentissage qu'ils emploient : Ce sont, dans ce domaine : Ces méthodes sont souvent combinées pour obtenir diverses variantes d'apprentissage. | French |
L'utilisation de tel ou tel algorithme dépend fortement de la tâche à résoudre (classification, estimation de valeurs…). | French |
L'apprentissage automatique est utilisé pour un large spectre d'applications, par exemple : La qualité de l'apprentissage et de l'analyse dépendent du besoin en amont et a priori de la compétence de l'opérateur pour préparer l'analyse. | French |
Elle dépend aussi de la complexité du modèle (spécifique ou généraliste), de son adéquation et de son adaptation au sujet à traiter. | French |
In fine, la qualité du travail dépendra aussi du mode (de mise en évidence visuelle) des résultats pour l'utilisateur final (un résultat pertinent pourrait être caché dans un schéma trop complexe, ou mal mis en évidence par une représentation graphique inappropriée). | French |
Avant cela, la qualité du travail dépendra de facteurs initiaux contraignants, liées à la base de données : L'apprentissage automatique ne se résume pas à un ensemble d'algorithmes mais suit une succession d'étapes[25]. | French |
L’apprentissage automatique demande de grandes quantités de données pour fonctionner correctement. | French |
Il peut s’avérer difficile de contrôler l’intégrité des jeux de données, notamment dans le cas de données générées par les réseaux sociaux[26]. | French |
La qualité des « décisions » prises par un algorithme d’AA dépend non seulement de la qualité (donc de leur homogénéité, fiabilité, etc.) | French |
des données utilisées pour l’entrainement mais surtout de leur quantité. | French |
Donc, pour un jeu de données sociales collecté sans attention particulière à la représentation des minorités, l’AA est statistiquement injuste vis-à-vis de celles-ci. | French |
En effet, la capacité à prendre de « bonnes » décisions dépend de la taille des données, or celle-ci sera proportionnellement inférieure pour les minorités. | French |
L’AA ne distingue actuellement pas cause et corrélation de par sa construction mathématique, et est incapable d’aller au-delà du cadre imposé par ses données, il n’a donc pas de capacité d’extrapolation. | French |
Un exemple : si on apprend à un algorithme de retourner le chiffre qu’on lui donne (application identité) en l’entraînant uniquement avec les nombres 1 à 5, il sera incapable de correctement répondre à 6. | French |
Il est donc incapable d’extrapoler. | French |
L’utilisation d’algorithmes d’apprentissage automatique demande donc d’avoir conscience du cadre de données que l’on a utilisé pour l’apprentissage lors de leur utilisation. | French |
Il est donc prétentieux d’attribuer des vertus trop grandes aux algorithmes d’apprentissage automatique[27]. | French |
La voiture autonome paraît réalisable grâce à l’apprentissage automatique et les énormes quantités de données générées par la flotte automobile, de plus en plus connectée. | French |
Contrairement aux algorithmes classiques (qui suivent un ensemble de règles prédéterminées), l’apprentissage automatique apprend ses propres règles[28]. | French |
Les principaux innovateurs dans le domaine insistent sur le fait que le progrès provient de l’automatisation des processus. | French |
Ceci présente le défaut que le processus d’apprentissage automatique devient privatisé et obscur. | French |
Privatisé, car les algorithmes d’AA constituent des gigantesques opportunités économiques, et obscurs car leur compréhension passe derrière leur optimisation. | French |
Cette évolution peut potentiellement nuire à la confiance du public envers l’apprentissage automatique, mais surtout au potentiel à long terme de techniques très prometteuses[29]. | French |
La voiture autonome présente un cadre test pour confronter l’apprentissage automatique à la société. | French |
En effet, ce n’est pas seulement l’algorithme qui se forme à la circulation routière et ses règles, mais aussi l’inverse. | French |
Le principe de responsabilité est remis en cause par l’apprentissage automatique, car l’algorithme n’est plus écrit mais apprend et développe une sorte d’intuition numérique. | French |
Les créateurs d’algorithmes ne sont plus en mesure de comprendre les « décisions » prises par leurs algorithmes, ceci par construction mathématique même de l’algorithme d’apprentissage automatique[30]. | French |
Dans le cas de l’AA et les voitures autonomes, la question de la responsabilité en cas d’accident se pose. | French |
La société doit apporter une réponse à cette question, avec différentes approches possibles. | French |
Aux États-Unis, il existe la tendance à juger une technologie par la qualité du résultat qu’elle produit, alors qu’en Europe le principe de précaution est appliqué, et on y a plus tendance à juger une nouvelle technologie par rapport aux précédentes, en évaluant les différences par rapport à ce qui est déjà connu. | French |
Des processus d’évaluation de risques sont en cours en Europe et aux États-Unis[29]. | French |
La question de responsabilité est d’autant plus compliquée que la priorité chez les concepteurs réside en la conception d’un algorithme optimal, et non pas de le comprendre. | French |
L’interprétabilité des algorithmes est nécessaire pour en comprendre les décisions, notamment lorsque ces décisions ont un impact profond sur la vie des individus. | French |
Cette notion d’interprétabilité, c’est-à-dire de la capacité de comprendre pourquoi et comment un algorithme agit, est aussi sujette à interprétation. | French |
La question de l’accessibilité des données est sujette à controverse : dans le cas des voitures autonomes, certains défendent l’accès public aux données, ce qui permettrait un meilleur apprentissage aux algorithmes et ne concentrerait pas cet « or numérique » dans les mains d’une poignée d’individus, de plus d’autres militent pour la privatisation des données au nom du libre marché, sans négliger le fait que des bonnes données constituent un avantage compétitif et donc économique[29],[31]. | French |
Dans les années 2000-2010, l'apprentissage automatique est encore une technologie émergente, mais polyvalente, qui est par nature théoriquement capable d'accélérer le rythme de l'automatisation et de l'autoaprentissage lui-même. | French |
Combiné à l'apparition de nouveaux moyens de produire, stocker et faire circuler l'énergie, ainsi qu'à l'informatique ubiquiste, il pourrait bouleverser les technologies et la société (comme l'ont fait la machine à vapeur et l'électricité, puis le pétrole et l'informatique lors des révolutions industrielles précédentes. | French |
L'apprentissage automatique pourrait générer des innovations et des capacités inattendues, mais avec un risque selon certains observateurs de perte de maitrise de la part des humains sur de nombreuses tâches qu'ils ne pourront plus comprendre et qui seront faites en routine par des entités informatiques et robotisées. | French |
Ceci laisse envisager des impacts spécifiques complexes et encore impossibles à évaluer sur l'emploi, le travail et plus largement l'économie et les inégalités. | French |
Selon le journal Science fin 2017 : « Les effets sur l'emploi sont plus complexes que la simple question du remplacement et des substitutions soulignées par certains. | French |
Bien que les effets économiques du BA soient relativement limités aujourd'hui et que nous ne soyons pas confrontés à une « fin du travail » imminente comme cela est parfois proclamé, les implications pour l'économie et la main-d'œuvre sont profondes »[32]. | French |
Il est tentant de s'inspirer des êtres vivants sans les copier naïvement[33] pour concevoir des machines capables d'apprendre. | French |
Subsets and Splits
No saved queries yet
Save your SQL queries to embed, download, and access them later. Queries will appear here once saved.