La Banque mondiale pousse la « small AI » pour le développement local

La Banque mondiale défend une stratégie différente en matière d’intelligence artificielle pour les économies en développement : des modèles plus petits et spécialisés, conçus pour fonctionner dans les langues locales, sur les téléphones mobiles et dans des zones où une connexion fiable à haut débit ne peut être tenue pour acquise.

Lors des assemblées annuelles de la Banque mondiale et du Fonds monétaire international à Bangkok, le directeur des connaissances de la banque, Paschal Donohoe, a soutenu que cette approche de « small AI » pourrait aider les pays à transformer leurs capacités numériques en progrès concrets pour le développement. L’objectif n’est pas de reproduire les plus grands systèmes généralistes mis au point par les grandes entreprises technologiques. Il s’agit de rendre disponibles, là où les populations en ont besoin, des outils entraînés pour des tâches précises.

Une IA conçue pour les conditions locales

Cette distinction compte, car l’accès détermine l’utilité. Un puissant service fondé sur le cloud peut être difficile à utiliser régulièrement dans des communautés où la connectivité est limitée, les ressources informatiques rares ou les besoins linguistiques peu pris en compte par les produits grand public mondiaux. Un modèle plus petit, entraîné pour une tâche spécifique, peut potentiellement fonctionner sur un téléphone et dépendre moins d’une connexion permanente.

La description de Donohoe place le contexte local au centre de la conception. Dans cette perspective, les questions pertinentes ne sont pas seulement de savoir quelle est la performance d’un modèle sur un benchmark général, mais s’il peut fournir des informations dans la langue d’une communauté, grâce aux appareils qu’elle possède déjà et dans des conditions de réseau réelles.

Il s’agit d’un changement important par rapport à une grande partie du débat actuel sur l’IA. La compétition publique autour de l’intelligence artificielle est souvent dominée par des systèmes de plus en plus sophistiqués destinés à un large usage grand public. Selon la Banque mondiale, les besoins du développement pourraient appeler un modèle plus ciblé : des outils capables de résoudre suffisamment bien un problème limité pour être utiles à grande échelle.

L’agriculture offre un exemple concret

Donohoe a cité le programme agricole AgriConnect de la Banque mondiale en Inde. Les agriculteurs participant au programme ont besoin d’accéder à des analyses des sols dans leur propre langue. Fournir des conseils très personnalisés à chaque petite exploitation grâce à une vaste équipe d’experts humains serait difficile. La banque voit dans l’IA spécialisée un moyen possible d’élargir l’accès à ces informations.

L’exemple illustre à la fois le potentiel et les limites de la proposition. La valeur ne réside pas dans la capacité d’un système d’IA à formuler une affirmation générale sur l’agriculture, mais dans l’aide qu’il peut apporter pour transmettre des informations précises à des utilisateurs précis. Pour un agriculteur, un outil devient pertinent lorsqu’il est accessible, compréhensible et relié à une décision concrète.

La spécialisation pourrait également faciliter le déploiement. Un système plus limité peut être construit autour d’un domaine et d’un jeu de données spécifiques, plutôt que d’essayer de répondre à toutes les questions. Cela ne supprime pas le besoin d’une conception rigoureuse, de connaissances locales ou de supervision, mais concentre les investissements sur des applications à la finalité définie.

L’infrastructure reste la condition de l’impact

La Banque mondiale ne prétend pas que la small AI puisse contourner les exigences plus larges du développement. Lors des réunions de Bangkok, la directrice générale du FMI, Kristalina Georgieva, a souligné que les gouvernements devaient créer les conditions nécessaires à l’adoption de l’IA. Elle a cité l’électricité, l’infrastructure numérique, la préparation du public à adopter la technologie et la capacité des gouvernements à fournir des protections de sécurité comme des fondations essentielles.

Ces exigences constituent un contexte important pour l’enthousiasme suscité par les modèles fonctionnant sur téléphone. Un outil capable de fonctionner avec une faible connectivité peut lever un obstacle, mais il dépend toujours de l’électricité, des appareils, des compétences et d’un environnement où les utilisateurs peuvent s’en servir en confiance. L’accès dans les langues locales exige également un travail sur les données, les interfaces et le déploiement afin de refléter les communautés concernées.

Autrement dit, la proposition n’est pas un raccourci pour contourner l’investissement public. Elle porte sur l’orientation des investissements dans l’IA une fois que les pays construisent les bases nécessaires : vers des systèmes adaptés aux contraintes locales, plutôt que de supposer que ces contraintes disparaîtront.

De la capacité à la collaboration

Donohoe a suggéré que des produits utiles pourraient émerger d’une coopération entre la Banque mondiale, les gouvernements et les acteurs du secteur privé. Cela reflète le défi pratique qui se présente. Construire un modèle n’est qu’une partie du déploiement. Il doit être relié à un service public ou commercial, entretenu au fil du temps et rendu accessible à des personnes qui ne disposent peut-être pas d’un soutien technique important.

Cette approche implique également que la valeur économique ne sera pas mesurée uniquement par la taille d’un modèle ou la puissance de calcul qui le sous-tend. Pour les usages axés sur le développement, le test le plus pertinent pourrait être de déterminer si un outil spécialisé améliore l’accès aux connaissances dans un contexte où l’expertise est rare.

L’affirmation centrale de la Banque mondiale est ambitieuse : des progrès du développement qui ont historiquement pris beaucoup plus de temps pourraient être accélérés. Mais la voie décrite repose sur une prémisse peu spectaculaire. Le bénéfice le plus large de l’IA pourrait ne pas venir des systèmes les plus vastes, mais d’outils suffisamment ciblés pour fonctionner sur un téléphone ordinaire, dans une langue locale et pour répondre à un problème réel et récurrent.

• La Banque mondiale préconise des modèles spécialisés de « small AI » pour les économies en développement.
• Les systèmes proposés sont destinés à fonctionner sur des téléphones mobiles, dans les langues locales et avec une connectivité limitée.
• L’électricité, l’infrastructure numérique, la préparation à l’adoption et les protections de sécurité restent nécessaires pour produire un impact.

Cet article s’appuie sur un reportage de The Guardian. Lire l’article original.