L’enseignement supérieur français est constamment soumis à des injonctions contradictoires — faire de l’excellent sans moyens, etc. Voici une contradiction amusante — ou navrante — sur l’enseignement de l’informatique.

On fait trop de maths

Encore récemment, les commentateurs et certains responsables politiques n’en avaient que pour les écoles alternatives, notamment la fameuse 42. L’enseignement universitaire, nous disait-on, était trop théorique, supposait trop de prérequis, notamment mathématiques, d’utilité douteuse ; tout ceci était dépassé et il fallait un enseignement basé sur la pratique, sur le « codage », tourné vers les technologies du moment. On a même entendu des gens prétendre qu’il n’y avait pas de formation au développement informatique dans les universités !

(Bien entendu ces discours profitent à des écoles privées, qui proposent à des parents et des jeunes inquiets des formations certes coûteuses mais censées leur assurer une insertion immédiate dans le marché du travail, ce fameux marché du travail où l’on demande des gens ayant 10 ans d’expérience dans des technologies vieilles de 5. Qui plus est, ils considèrent que l’université se limite aux licences généralistes, qui effectivement ne visent pas à enseigner telle ou telle technologie du moment, et omettent les Instituts universitaires de technologie, dont l’objet est justement de fournir une formation technologique.)

Il faut faire de l’apprentissage automatique

Tout ce discours, portant principalement sur les applications Web et mobiles, est déjà un peu dépassé : la mode est maintenant à l’intelligence artificielle (IA) ! Du plus haut niveau de l’État on nous dit que c’est LA chose importante à enseigner.

Ouvrons un manuel d’intelligence artificielle tourné pratique (du style Machine learning en Python), écrit par un ingénieur et pas par un de ces universitaires déconnectés de la réalité du vrai monde dont on nous parle dans les médias. On y trouve beaucoup de formules mathématiques. Certes, on n’y fait pas de démonstrations longues, on explique les choses par l’intuition (par exemple, on ne va pas démontrer la vitesse de convergence d’un algorithme de descente de gradient suivant des bornes sur les dérivées secondes, on va dessiner une cuvette et ce qui arrive lorsque l’on descend), mais il y a tout de même quelques petits raisonnements. Pareil ouvrage est inutilisable pour ces gens absolument rétifs aux mathématiques que des écoles comme 42 sont censées pouvoir aider.

Est-ce évitable ? Les systèmes basés sur l’apprentissage automatique (je simplifie grossièrement) prennent en entrée des tableaux de nombres et produisent des nombres en sortie. Ils sont paramétrés par de grands tableaux de nombres, par des « hyper-paramètres » (des nombres aussi) et par des fonctions mathématiques. L’analyse de leurs résultats suppose une certaine compréhension des statistiques, des probabilités. Aussi, Yann Le Cun, patron de l’IA à Facebook et titulaire d’une chaire annuelle au Collège de France, conseille de « miser sur les maths et la physique ».

Bien entendu, on peut apprendre à utiliser des technologies basées sur l’IA sans comprendre finement son fonctionnement. Le problème est que cette IA a de nombreux « boutons de réglage ». Je doute fortement que l’on puisse s’en servir valablement en tournant ces boutons au petit bonheur et en récupérant des résultats dont on n’a pas les moyens intellectuels de savoir s’ils sont significatifs ou non.

Il est vrai que, comme m’a fait remarquer un collègue qui applique l’apprentissage automatique chez un industriel, l’IA jouit actuellement du privilège qu’il n’y a souvent pas d’éléments de comparaison. Une entreprise acquiert des volumes de données, elle ne sait pas les analyser : ce que l’IA produira, de quelque qualité qu’il soit, sera perçu comme une amélioration par rapport au néant. Cette situation est transitoire et, s’il s’agit de préparer l’avenir et la compétitivité à long terme du pays, comme on nous le dit, c’est faire un mauvais pari que de viser aussi bas.

Caveat

Je ne dis évidemment pas qu’à l’université on n’apprend jamais des « technologies dépassées », qu’il n’y a jamais d’enseignements théoriques superflus par rapport aux objectifs des formations, ou que l’enseignement des mathématiques y est toujours adapté au public visé.