Entretien : Le dilemme des biais dans l'IA de la construction

Contenu Premium

Le rôle de l'intelligence artificielle (IA) dans le secteur de la construction s'accroît, mais les problèmes liés aux biais exigent des solutions réfléchies. Catrin Jones s'entretient avec Karoliina Torttila, directrice de l'IA chez Trimble, sur certaines de ces solutions.

L’IA a transformé les industries du monde entier, et le secteur de la construction ne fait pas exception. De l’optimisation de la logistique à l’amélioration des contrôles de conformité, l’IA façonne l’environnement bâti d’une manière jusqu’alors inimaginable.

Karoliina Torttila, directrice de l'IA chez Trimble Karoliina Torttila, directrice de l'IA chez Trimble (Photo : Trimble)

Par exemple, les outils de conception basés sur l’IA peuvent automatiser les flux de travail, ce qui accélère les délais des projets tout en réduisant les erreurs. Les systèmes de maintenance prédictive exploitent l’IA pour identifier les pannes potentielles des équipements avant qu’elles ne surviennent, garantissant ainsi la sécurité des travailleurs et minimisant les temps d’arrêt. En outre, l’IA transforme la gestion des ressources, aidant les entreprises de construction à allouer les matériaux de manière plus efficace et plus durable.

Ces avancées s’accompagnent toutefois de défis, notamment en matière de biais. Pour explorer ce sujet, Construction Europe s’est entretenu avec Karoliina Torttila, directrice de l’IA chez Trimble. Forte de sa vaste expérience dans le développement de l’IA, Torttila nous offre un aperçu des causes des biais, de leurs implications pour le secteur et des solutions potentielles.

Comprendre les biais dans l’IA

« Le biais est un concept essentiel dans le développement de l’IA », explique Torttila. « Alors que les débats sociétaux présentent souvent les biais de manière négative, en IA, un certain niveau de biais inductif est nécessaire au fonctionnement des modèles d’apprentissage automatique. » Elle explique que le biais inductif permet aux modèles d’IA de formuler des hypothèses basées sur des données d’entraînement, ce qui leur permet de se concentrer sur des scénarios plausibles au lieu d’être submergés par des possibilités infinies.

Mais le problème se pose avec les biais préjudiciables découlant de données d’entraînement incomplètes ou biaisées. « Prenons l’exemple de la cartographie géospatiale », explique-t-elle. « Si les données d’entraînement ne représentent pas les zones reculées ou certains continents, les modèles d’IA peuvent produire des cartes de moindre qualité, ce qui conduit à une planification inadéquate des infrastructures ou à une mauvaise allocation des ressources. »

Elle cite également comme exemple les algorithmes de conformité. S’ils sont formés à partir de données provenant d’une seule juridiction, ces modèles pourraient signaler à tort ou négliger des problèmes en raison de disparités réglementaires régionales, prévient-elle.

Biais dans les modèles linguistiques

Torttila se penche sur les nuances des biais dans les grands modèles linguistiques (LLM), qui sont de plus en plus utilisés dans tous les secteurs. « Les biais peuvent intervenir à plusieurs stades du développement, de la phase de pré-formation, où les modèles apprennent des modèles linguistiques, à la phase de réglage fin, où l’apport humain introduit des préférences subjectives. »

Par exemple, la tâche humaine consistant à classer les résultats des modèles en fonction de leur qualité introduit intrinsèquement des biais. « Même les directives strictes pour les annotateurs sont basées sur l'interprétation de quelqu'un », note-t-elle. Torttila souligne également les défis liés à l'alignement de la sécurité, où les efforts visant à empêcher les résultats nuisibles peuvent parfois entraîner une surcorrection. Il existe des exemples de modèles de génération d'images produisant des résultats inattendus en raison de ces corrections.

Le contexte industriel

Dans le secteur de la construction, les implications des biais peuvent être importantes. Les applications d’IA de Trimble impliquent souvent des données sur les actifs de l’environnement bâti, tels que les bâtiments et les ponts, plutôt que des informations personnelles. Cette distinction n’élimine pas les biais, mais en change la nature. « Des données inadéquates sur les matériaux les plus récents ou les régions sous-représentées peuvent entraîner des erreurs qui affectent des projets entiers », explique Torttila.

Elle souligne que le secteur doit aborder les préjugés avec un état d'esprit constructif. « Traquer les préjugés et punir les échecs ne favorise pas l'amélioration », affirme-t-elle. Au contraire, favoriser la collaboration entre les parties prenantes peut favoriser le progrès.

« L’un des développements positifs dans le secteur du bâtiment, tant en Europe qu’� l’échelle mondiale, est le nombre croissant de consortiums réunissant différentes parties prenantes. Cela reflète une compréhension commune selon laquelle les défis auxquels nous sommes confrontés sont trop importants pour qu’une seule entité puisse les relever seule. »

Interrogée sur les solutions possibles, Torttila est claire : la qualité et la transparence des données sont essentielles. « L’inclusion d’ensembles de données diversifiés et de haute qualité est un élément essentiel pour atténuer les biais », déclare-t-elle. Elle souligne également l’importance de créer des systèmes autour de modèles d’IA qui incluent des mesures de protection telles que la surveillance humaine ou des contrôles secondaires de l’IA.

La réglementation est un autre domaine qui, selon elle, jouera un rôle clé. « La loi européenne sur l'IA est une étape importante, mais il est crucial de trouver le bon équilibre », conseille-t-elle.

Une réglementation excessive pourrait freiner l’innovation, limitant le développement de l’IA aux seules entreprises les plus grandes et les mieux financées. « Seules des entreprises comme Microsoft, Google, OpenAI et quelques autres qui développent cette technologie seront capables de la gérer. Les petites startups, les organisations à but non lucratif ou même les universités pourraient alors ne pas y parvenir en raison du fardeau réglementaire trop lourd. »

« Je pense que le progrès risque d'être entravé si la réglementation n'est pas abordée de manière réfléchie. C'est pourquoi il faut commencer par légiférer et réglementer au bon niveau, quel qu'il soit », déclare-t-elle.

La dynamique homme-machine

Torttila souligne l’importance de l’interaction entre les humains et les machines pour atténuer les biais. L’IA ne fonctionne pas de manière isolée. La plupart des industries, y compris la construction, n’en sont pas encore au point où elles se sentent à l’aise avec des systèmes entièrement autonomes qui prennent des décisions. La supervision humaine reste essentielle, que ce soit comme point de contrôle final ou dans le cadre d’une boucle de rétroaction plus large.

Elle aborde également la question de la responsabilité, un sujet controversé en matière d’éthique de l’IA. « La responsabilité est partagée entre les développeurs, les utilisateurs et la société dans son ensemble », affirme-t-elle. La transparence et la définition d’attentes réalistes sont essentielles. « La perfection est inaccessible, mais nous allons commencer quelque part, apporter de la valeur et ensuite, espérons-le, nous allons collectivement améliorer les choses. »

Les réflexions de Torttila révèlent à la fois les défis et les opportunités liés à la lutte contre les biais de l'IA dans le secteur de la construction. À mesure que l'IA s'intègre de plus en plus dans l'environnement bâti, des approches réfléchies en matière de données, de réglementation et d'interaction homme-machine seront essentielles. Bien que le chemin à parcourir soit complexe, favoriser la collaboration et maintenir un état d'esprit constructif peut garantir que l'IA continue d'apporter des avantages transformateurs à la société et à la construction.

Restez connecté

Recevez les informations dont vous avez besoin, au moment où vous en avez besoin, grâce à nos magazines, newsletters et briefings quotidiens de renommée mondiale.

ENTREZ EN CONTACT AVEC L'ÉQUIPE
Andy Brown Éditeur, Editorial, Royaume-Uni - Wadhurst Tél: +44 (0) 1892 786224 E-mail: [email protected]
Neil Gerrard Éditeur principal, Editorial, Royaume-Uni - Wadhurst Tél: +44 (0) 7355 092 771 E-mail: [email protected]
Catrin Jones Rédactrice en chef adjointe, Editorial, Royaume-Uni â€� Wadhurst Tél: +44 (0) 791 2298 133 E-mail: [email protected]
Eleanor Shefford Responsable de la marque Tél: +44 (0) 1892 786 236 E-mail: [email protected]