Revue de Presse IA du 04/12/2020

La tête dans les étoiles…

Les scientifiques du programme ORION-B utilisent le machine learning pour rendre visibles des phénomènes astrophysiques jusqu’ici inaccessibles.

Les nuages de gaz où naissent et grandissent les étoiles sont de vastes régions de l’Univers très riches en matière, et donc en processus physiques. Entremêlés à différentes échelles, de temps et de tailles, tous ces processus rendent presque impossible la compréhension complète des pouponnières d’étoiles. Mais les scientifiques du programme ORION-B (CNRS, IRAM, Paris-PSL, Centrale Marseille, Centrale Lille) viennent de prouver que les statistiques et l’intelligence artificielle peuvent lever les barrières se dressant encore devant les astrophysiciens et astrophysiciennes.

(plus de détails ici)

Le rapport IA de la semaine : Le livre blanc de la sécurité intérieure

La politique de la donnée et les technologies d'intelligence artificielle sont au rendez-vous du nouveau Livre Blanc de la Sécurité intérieure. D'une manière générale, le ministère de l'Intérieur insiste sur le besoin de construire une politique de données plus ambitieuse et davantage structurée. Cela passe d'abord par l'identification des sources de données d'intérêt pour permettre aux chefs de projets et développeurs de bien les localiser. Cela passe aussi par créer des stratégies d'échanges avec des partenaires territoriaux et privés (transport, cartographie). Une volonté de développer l'OpenData est également rappelé. A ce sujet, la publication souligne de manière intéressante que pourrait être à l'étude "un cadre permettant de bénéficier d'un intéressement financier en échange de la mise à disposition de données auprès d'industriels". Quant l'élaboration d'une stratégie IA, le Livre Blanc considère qu'il est désormais indispensable pour le ministère de se doter d'un volet IA dans sa feuille de route d'innovation numérique (à l'instar du ministère des Armées et du ministère chargé de la Santé) et que les applications principales pourraient se faire pour l'assistance cognitive (reconnaissance de lieu ou d'identité…) ou des tâches répétitives. Le Livre Blanc rappelle enfin que ces actions respecteront un cadre éthique : vie privée, recours à des tiers neutre de confiance et techniques de pseudonymisation.

Retrouvez-le ici !

Dans la presse internationale : L'IA contre la propagation de la tuberculose

Dans l'Inde rurale et dans d'autres endroits où la tuberculose sévit, l'application qXR, créée par la société indienne Qure.ai et subventionnée par le gouvernement indien, connait un succès croissant. Cette application permet à l'utilisateur de scanner des radiographies et d'identifier des risques de tuberculose. Les médecins peuvent ensuite effectuer des tests de confirmation sur les patients présentant des risques élevés. L'application identifie la tuberculose avec une précision de 95%. À l'hôpital Nandurbar en octobre, l'application a permis de diagnostiquer la tuberculose chez 20 patients. Les experts se sont montrés optimistes quant à l'impact que ces applications utilisant l'IA pourraient avoir sur la lutte contre la tuberculose, en particulier dans des pays comme l'Inde, qui souffre d'un manque de ressources médicales. Des applications telles que le qXR pourraient également servir au dépistage systématique des personnes séropositives ou atteintes d’autres maladies, qui les exposent à un risque plus élevé de contracter la tuberculose.

(The New York Times, 20/11/2020)

L'article scientifique : Une percée historique en biologie grâce à DeepMind

En ces temps de médiatisation intense autour de la vaccination au Covid-19, une révolution de la biologie est presque passée inaperçue auprès du grand public.

Une société fille de la division IA de Google, DeepMind, vient de découvrir une méthode permettant de déterminer la structure des protéines par l'analyse de leurs acides aminés. Le programme AlphaFold a en effet gagné le concours CASP de prédiction de structure des protéines, une énigme scientifique longtemps irrésolue. En seulement 30 minutes, l'algorithme d'AlphaFold a prédit la structure d'une protéine bactérienne avec une précision de 92%. L’apprentissage d’AlphaFold est basé sur une base de données d’environ 170 000 structures protéiques. La forme d’une protéine étant liée à sa fonction, un tel outil est une percée historique pour le développement de médicaments ou la recherche en biologie.

(Nature, 30/11/2020)