Des scientifiques danois ont développé un algorithme avec une précision bien plus élevée que prévu et qui n’a fait d’erreur que dans des cas presque impossibles à prédire.
Le 18 décembre dernier, une étude fort surprenante a été publiée dans la revue Nature Computational Science. Cette étude se concentre sur le développement d’un système d’intelligence artificielle (IA) capable d’analyser les données vitales de millions de personnes et de prédire différents aspects de leur avenir. Cela inclut leur niveau de revenu, leur probabilité de réussite professionnelle ou même le moment de leur décès.
Les grands modèles de langage
Selon Sune Lehmann, travaillant à l’Université technique du Danemark et auteure principale de l’étude, la clé a été l’utilisation de grands modèles de langage, les mêmes que ceux qui alimentent ChatGPT, Bard ou Grok, par exemple. Leur fonctionnement repose sur l’analyse de grandes quantités de texte pour ensuite rechercher des modèles dans des chaînes de mots et de phrases. Ainsi, ils peuvent prédire quels termes devraient apparaître ensuite dans une phrase.
« Comme c’est le cas dans le langage, l’ordre des événements de la vie est très important », indique Lehmann. Les chercheurs ont pu utiliser divers dossiers médicaux et professionnels des six millions de citoyens danois actuels, obtenant ainsi des données précieuses sur leur salaire et leur pouvoir d’achat, leurs avantages sociaux, leurs visites à l’hôpital et les diagnostics de maladies, etc.
Ensuite, ils ont synthétisé ces informations en créant des stimuli du type : « en août 2010, Agnès gagnait 30 000 couronnes danoises en tant que sage-femme à l’hôpital de Copenhague ». À partir de là, les scientifiques ont créé des histoires de vie pour chaque individu sur une période de 2008 à 2016. Ensuite, ils ont demandé au système d’intelligence artificielle, baptisé life2vec, de générer une histoire de vie future.
L’IA permet des prédictions fiables à 78%
L’une des questions posées à life2vec était de savoir qui mourrait avant l’année 2020. Sans disposer des données de la période 2016-2020, le modèle a réussi à prédire correctement des cas. De plus, la plupart des erreurs étaient dues à des crises cardiaques et surtout à des accidents, qui sont pratiquement impossibles à prédire. Pour obtenir ces résultats, ils ont établi que les faibles revenus, le diagnostic de maladie mentale et le fait d’être un homme augmentaient le risque de décès prématuré. Presque toutes les erreurs de l’IA étaient liées à des accidents ou des crises cardiaques.
Cependant, le modèle pourrait ne pas être valide pour d’autres populations en dehors du Danemark. Comme l’affirme le psychologue de l’University College de Londres, Youyou Wu, « il faudrait l’adapter en utilisant des données de la population d’autres pays. C’est ainsi seulement qu’il serait possible de déterminer s’il a le potentiel de révéler des modèles universels ou de mettre en évidence des nuances culturelles uniques ». Il ajoute également que « les biais dans les données pourraient brouiller ses prédictions ».
Ce n’est pas la première fois qu’une tentative similaire est faite. Par exemple, Matthew Salganik, sociologue à l’Université de Princeton, a tenté de développer, avec une équipe de chercheurs, un modèle d’apprentissage automatique basé sur l’analyse de 5 000 enfants sur 15 ans. Cependant, il n’a pas réussi à créer un algorithme aussi précis que celui-ci.
Les utilisations potentielles
Selon Wu, cette IA pourrait avoir un potentiel négatif si elle est utilisée pour prendre des décisions en matière de souscription d’assurance maladie et d’autres primes d’assurance, par exemple. Cependant, Lehmann préfère explorer son côté positif. Par exemple, elle affirme que life2vec pourrait être utilisé pour détecter les risques de maladies et aider ainsi les personnes à prendre les mesures appropriées pour rester en bonne santé.
De plus, les chercheurs ont réalisé que l’algorithme était capable de prédire avec une grande précision d’autres aspects, tels que la propension à être introverti ou extraverti. Cependant, selon la scientifique sociale computationnelle de l’École de commerce de Columbia, Sandra Matz, cela n’est pas si surprenant. À cet égard, elle affirme que des modèles plus simples ont réussi à établir des liens entre certaines professions, comme coiffeur ou styliste, et une plus grande extraversion.
