Reproduire une recette à partir d’une photo de repas, réduire le temps requis pour l’imagerie médicale, prédire les images d’une vidéo. Depuis un an, le laboratoire d’intelligence artificielle (IA) que Facebook a créé à Montréal multiplie les projets. Mais même en recherche fondamentale, impossible d’ignorer la tourmente qui frappe le réseau social. La Presse s’est entretenue avec sa directrice, Joëlle Pineau, professeure à l’Université McGill et sommité en apprentissage profond.
Le 15 septembre 2017, Montréal accueillait officiellement le quatrième laboratoire Facebook Artificial Intelligence Research (FAIR), après New York, Paris et Menlo Park. Où en est ce laboratoire un an plus tard ?
Il y a un an, on était quatre chercheurs. On est rendus à une vingtaine de personnes, un mélange de chercheurs, d’ingénieurs, d’étudiants. J’aimerais mentionner Michal Drozdzal, Adriana Romero, Mike Rabbat, Nicolas Ballas, Amy Zhang et Amaia Salvador Aguilera. On est installés de façon un peu temporaire au centre-ville et là, on s’installe dans le Mile-Ex, à proximité du MILA et d’autres laboratoires de recherche pour être au cœur de l’écosystème montréalais en intelligence artificielle. On va avoir de la place pour de l’expansion, pour éventuellement se rendre à 40 ou 50 personnes sur quelques années.
Depuis un an, sur quoi travaillez-vous, essentiellement ? Y a-t-il des projets plus appliqués ?
Oui. Il y en a un qui a un lien avec l’analyse de vidéos : comment on peut faire de la prédiction ? On met une séquence et on demande à la machine de la compléter de façon automatique. Ça a toutes sortes d’applications, pour la compression, quand il y a des délais de transmission.
Quelques chercheurs ont travaillé, en collaboration avec d’autres chercheurs de Facebook à New York et en Californie, et New York University, sur l’analyse de l’imagerie par résonance magnétique (IRM). Je ne sais pas si vous avez déjà passé une IRM, mais c’est très, très long. J’en ai eu une récemment, ç’a pris 45 minutes seulement pour un point à l’épaule. Présentement, l’image est prise couche par couche. L’algorithme des méthodes d’inférence permet de choisir quelles couches aller chercher pour minimiser le temps d’acquisition. Si on réussit, ça donne des résultats intéressants sur le plan clinique et ça nous permet de comprendre l’acquisition de données en trois dimensions.
Un autre projet qui est assez rigolo est lié à une tendance que vous connaissez sûrement : les gens au restaurant qui prennent des photos de leur repas. Le défi, c’était d’entraîner une machine à reconstituer la recette à partir de la photo d’un plat, tant les ingrédients que les instructions. C’est rigolo, mais l’idée n’était pas que de faire un petit gadget sur Facebook. C’était de se pencher sur la compréhension de l’image pour extraire l’information et donner les ingrédients et les instructions en langage naturel. C’est assez impressionnant de voir les recettes que ça génère !
Il y a depuis six mois toute une controverse qui ébranle Facebook, concernant la confidentialité des données. Est-ce que ça vous touche ? Devez-vous en tenir compte dans vos travaux ?
Par rapport à la confidentialité, on travaille avec des jeux de données publiques depuis le début. Ça ne change pas du tout nos façons de faire, on n’a pas à réviser nos pratiques. Là où on a eu plus de conversations, c’est par rapport à l’intégrité des données et des nouvelles, sans que ce soit la responsabilité de notre équipe, qui a comme mission la recherche fondamentale. Mais je dirais qu’on est toujours interpellés par des problèmes intéressants… On a publié des articles notamment sur la vulnérabilité des systèmes de dialogue. C’est un problème qui est, scientifiquement et évidemment socialement, très intéressant. Nous, on peut regarder sur un plus long horizon comment développer des modèles qui sont plus robustes.
Quand on demande à Facebook quelles sont les mesures prises pour contrer le phénomène des « fake news », les faux comptes, la manipulation, l’IA est souvent présentée comme une solution à cette crise d’identité que connaît l’entreprise. J’imagine que vous avez été sollicités sur ce plan…
Notre mandat est vraiment la recherche fondamentale, alors on n’est pas sollicités directement. Il y a des gens dans l’entreprise qui le sont, et il y a eu pas mal d’investissements. Ce sont des problématiques importantes, on n’est pas insensibles à ça. C’est clair que la solution est un mélange de machine et d’humain. Au volume de données qu’on traite, il faut qu’il y ait une partie qui soit traitée par la machine, mais le critère de ce qui est acceptable doit être imposé par l’humain. C’est certain qu’on incorpore ces notions dans nos modèles, dans nos projets de recherche.
En tant que participante et observatrice, comment s’est développé l’écosystème de l’IA à Montréal depuis un an ?
Il y a une effervescence assez incroyable. Même il y a un an, on ne voyait que le début. Les étudiants sont au rendez-vous, on a des tonnes d’appliquants excellents qui postulent pour des places dans nos laboratoires. On ne peut malheureusement n’en accepter qu’une fraction. On est pressés d’engager de nouveaux professeurs, on a réussi à en engager quatre ou cinq entre McGill et l’Université de Montréal qui commencent cette année. Ils viennent du MIT, de Stanford, de Carnegie Mellon.
Quatre ou cinq ? Ça semble peu…
Mais on en avait 12 avant. Je sais que les chiffres n’ont pas l’air gros, mais tout ce qui s’est construit à Montréal était sur une douzaine de professeurs, et la moitié n’était pas là cinq ans auparavant. On a une cohorte de 250 ou 300 étudiants diplômés, tous les laboratoires qui se sont installés, toute la scène des start-up. Il y a un bel écosystème.
