La position dominante de Google n’est pas le fait du hasard. Le moteur propose la plupart du temps des résultats de recherche plus pertinents que ceux de ses concurrents. A cœur de Google : la donnée, exploitée avec méthode, qu’il s’agisse de texte, d’image, de vidéo ou de lieux, tout ce qui est susceptible d’intéresser l’être humain est stocké, analysé et restitué par Google.

Les modalités de restitution d’information évoluent souvent de pair avec les avancées technologiques, aujourd’hui via des terminaux (PC, Smartphone) demain par le biais de différents supports mobiles comme les lunettes Google à réalité augmentée (Google Glasses) l’intelligence embarquée dans les automobiles par exemple ou encore les vêtements intelligents.

Dans les années 2000, Larry Page disait déjà « L’intelligence artificielle sera la version ultime de Google. Pour avoir un moteur de recherche parfait il faudrait qu’il comprenne tout sur le web. Il faudrait qu’il comprenne exactement ce que vous voulez, et vous amènerait la bonne information. Répondre à n’importe quelle question c’est évidemment construire une intelligence artificielle… » 

La firme américaine fait évoluer les algorithmes de son moteur plusieurs fois par an avec toujours la même volonté de proposer l’information la plus pertinente possible. Mais qu’est-ce qu’un résultat pertinente si ce n’est celui correspondant au mieux à une recherche. Pour l’identifier, Google doit comprendre ce que vous cherchez, et une analyse basée sur la présence voire la densité des mots clés n’est pas suffisante.

En décembre 2012, Google a fortement fait évoluer ses algorithmes avec le Knowledge Graph (KG) en passant d’une analyse par syntagmes (groupes de mots) à une analyse par entités (sens des mots). Si vous souhaitez en savoir plus sur cette évolution vers l’intelligence artificielle je vous  invite lire l’article sur le Knowledge Graph de Wikipedia. Comprenez dans un premier temps que pour qu’un moteur puisse répondre « blanc » à la question « de quelle couleur est le lait ? », il faut lui apprendre quelques concepts à commencer par ce qu’est le lait. La même année, les ingénieurs de Google X, Andrew Y. Ng et Jeff Dean, ont fait la démonstration d’un système d’intelligence artificielle basé un réseau de neurones artificiels de 16000 processeurs, l’objectif étant de simulation une réflexion similaire à celle d’un cerveau humain. Dans un premier temps, une phase d’initialisation a été réalisée afin de lui faire reconnaître 20000 objets et êtres vivants.

Ce cerveau électronique à 120 millions de dollars  a ensuite été « lâché » sur internet afin d’évaluer ses capacités à apprendre par lui-même. Les résultats obtenus auraient dépassés l’espérance des ingénieurs.

Ce cerveau serait en mesure de distinguer les animaux et de reconnaître les silhouettes humaines. Lorsqu’il ne reconnait pas un objet ou un animal fréquemment rencontré, il le conceptualise afin de pouvoir l’exploiter plus tard. Ainsi, le système est capable de réagir et reconnaitre un chien lorsqu’il le voit plusieurs fois. Plus il voit de chiens et plus il les conceptualise, le chien devient une entité à part entière caractérisé par des attributs plus ou moins spécifiques.

Google tire la majorité de ses revenus de son système d’annonce Adword. Plus l’annonce est ciblée et plus elle est génératrice de vente et se vend chère. L’intelligence artificielle est donc source de revenu sur le marché de l’annonce publicitaire. Mais il n’y a guère de limite que l’imagination pour déterminer l’exploitabilité de l’intelligence artificielle. Les marchés sont très nombreux – tout d’abord militaires (machines de guerre intelligentes), économiques et bien sûr domestiques (robots domestiques). L’intelligence artificielle est née il y a presque 80 ans, pour être exploitée par le commun des mortels, elle a besoin d’information classée. Google « digère » depuis une décennie tous ce qui est publié sur Internet et son projet Google Book vise, lui aussi, à disposer d’information fiable et consistante. L’intelligence artificielle n’est donc pas une finalité pour le groupe, mais je pense, la pierre angulaire de ses prochains développements.
Le laboratoire Google X gèrerait un portefeuille d’une centaine de projets et il y a fort à penser que certains d’entre eux s’appuierons sur les recherches autour de l’IA. Quoiqu’il en soit, le retour sur investissement des recherches en matière IA promet d’être important.

A lire sur le même thème : L’article du monde informatique sur le Knowledge Graph