Entretien avec Ulrich Tan, créateur d'Albert

Ulrich Tan est depuis juin 2023 le chef du "DataLab" au sein du département Etalab de la Direction interministérielle du numérique (Dinum). Ingénieur issu du corps des Mines, formé à Polytechnique et Sciences Po, il inscrit le projet Albert dans une démarche d’optimisation des données et d’amélioration des processus décisionnels dans l'administration publique. Nous avons pu échanger avec lui pour mieux comprendre les algorithmes sous-jacents à l'IA Albert.

« Le père d'Albert s'appelle Ulrich, un ingénieur, formé dans notre pays. Après avoir travaillé 9 ans dans le privé, il rencontre les équipes de la Direction interministérielle du numérique sur un forum du service public. Nous sommes en avril 2023. Deux mois plus tard, en juin 2023, il écrit les premières lignes de codes d'Albert. Avec 8 de ses collègues ingénieurs, il est le père de l'IA souveraine à la Française. » Gabriel Attal lors du lancement d'Albert, le 23 avril 2024

Nous n'avons pas pu mener particulièrement d'entretien longue durée avec l'équipe, cette dernière étant particulièrement mobilisée. Nous avons donc réalisé plusieurs courts échanges, téléphoniques et textuels, avec M. Ulrich Tan pour répondre à l'ensemble de nos questions. A partir de ses réponses, nous avons pu néanmoins cerner les éléments importants d'Albert.

Compréhension et explicabilité de l’algorithme

Selon la commission nationale de l'informatique et des libertés (CNIL), la loi pour une République numérique impose l'explicabilité des algorithmes. En ce sens, comprendre et expliquer un algorithme probabiliste est essentiel.

Selon l’interviewé, Albert repose sur des principes fondamentaux comme l’apprentissage automatique et l’analyse prédictive. Il est conçu pour extraire des informations pertinentes à partir de grandes quantités de données non structurées. Pour vulgariser son fonctionnement, le spécialiste le compare à un assistant intelligent qui apprend en permanence des données qu’il traite, les croise avec des modèles préétablis, et propose des résultats ou des prédictions basées sur ces analyses.

Le fine-tuning est à ses yeux la préparation d'une voiture, là où Meta (producteur de llama3) est le "motoriste".

Albert utilise principalement des données textuelles, numériques ou multimédias provenant de sources diverses. Ces données sont collectées via des interfaces numériques, des bases de données existantes, et passent par un processus de nettoyage et de structuration avant leur utilisation. Ce processus garantit que les données soient exploitables et de qualité.

Analyse et résultats

Les défis majeurs résident dans la gestion de données de mauvaise qualité, les biais potentiels, et l’interprétation des résultats dans des contextes complexes.

Le spécialiste illustre ces défis avec des exemples concrets : Albert a permis d’améliorer la classification des demandes administratives dans un service public, réduisant les délais de traitement. L’algorithme utilise des techniques comme l’analyse sémantique et les réseaux neuronaux pour fournir des résultats précis à partir de données diversifiées.

Parmi les avantages de l’utilisation d’Albert, l’interviewé cite une efficacité accrue, une meilleure gestion des ressources, et une prise de décision plus éclairée. Cependant, il reconnaît des limites, telles que la dépendance à des données fiables ou les risques d’erreurs dues à des biais algorithmiques.

Depuis l’introduction d’Albert, il a observé des changements notables dans les pratiques professionnelles, comme une adoption accrue des outils numériques et une amélioration des processus collaboratifs.

Perspectives d’évolution

Pour l’avenir, le spécialiste envisage des améliorations technologiques, notamment l’intégration d’algorithmes plus transparents et l’élargissement des domaines d’application d’Albert.

Il insiste sur l’importance de développer des mécanismes de contrôle pour minimiser les biais, tout en explorant de nouveaux modèles d’apprentissage plus robustes et performants.

L’entretien aborde les préoccupations éthiques, en particulier la collecte des données et la protection de la vie privée. L’interviewé souligne la nécessité d’établir des cadres réglementaires stricts pour garantir une utilisation responsable des données.

Concernant les biais algorithmiques, il explique que des efforts sont déployés pour réduire ces risques, mais admet que des défis persistent. Il appelle à une transparence accrue pour rassurer les usagers.

Il reconnaît également les critiques sur le risque de déshumanisation des services, mais estime qu’Albert, bien utilisé, peut au contraire permettre aux professionnels de se concentrer sur des tâches à forte valeur ajoutée.