The Master Algorithm

La première tribu, ce sont les symbolistes. Pour eux, apprendre, c'est manipuler des symboles et des règles, comme en logique. Ils construisent des systèmes qui déduisent, qui remplissent les trous d'un raisonnement à partir de faits connus. Leur outil emblématique, l'arbre de décision, enchaîne des questions oui/non jusqu'à trancher. Leur ancêtre intellectuel serait presque Hume et son problème de l'induction : comment justifier qu'on généralise du passé vers l'avenir ?

Viennent ensuite les connexionnistes, ceux qui veulent imiter le cerveau. Leur pari : reproduire des réseaux de neurones artificiels et laisser l'apprentissage ajuster les connexions entre eux. Leur algorithme phare, la rétropropagation, corrige les erreurs en remontant à travers les couches du réseau. C'est cette famille, longtemps marginalisée, qui alimente aujourd'hui l'essentiel de ce qu'on appelle le deep learning et la reconnaissance d'images ou de voix.

L'argument central de Domingos tient en une conviction : chaque tribu capture une part réelle de ce qu'est apprendre, aucune ne la capture entièrement. Les symbolistes excellent à combiner des connaissances et à raisonner, mais peinent avec le bruit et l'incertitude. Les connexionnistes encaissent le désordre du réel mais restent des boîtes noires. Les bayésiens gèrent l'incertitude à merveille mais deviennent vite lourds à calculer. Les évolutionnistes explorent large mais lentement. Les analogistes généralisent avec peu d'exemples mais choisissent mal ce qui compte comme ressemblant.

D'où l'hypothèse qui donne son titre au livre : et s'il existait un algorithme maître, un master algorithm, capable d'apprendre n'importe quoi à partir de données, en réunissant les forces des cinq ? Domingos formule ça comme un pari scientifique, pas comme une certitude. Son analogie favorite est la physique : longtemps l'électricité, le magnétisme, la lumière furent des domaines séparés, jusqu'à ce que des équations les unifient. Pourquoi l'apprentissage n'aurait-il pas, lui aussi, sa théorie unifiée ?

Ce que Domingos met en jeu dépasse la plomberie technique. Pendant des siècles, on a délégué aux machines l'exécution : calculer plus vite, produire plus, mémoriser plus. L'apprentissage automatique délègue autre chose — la découverte elle-même. On ne dit plus à la machine quoi faire, on lui demande de trouver comment, à partir de ce qu'elle observe. Un algorithme unificateur pousserait ce basculement à son terme : une méthode générale pour extraire du savoir de n'importe quel coin du réel.

Cela déplace la question du pouvoir. Qui possède les données possède la matière première de cet apprentissage, et donc une part de la capacité à anticiper — ce qu'on achètera, ce dont on tombera malade, comment on votera. Domingos le dit sans catastrophisme : le modèle qui vous connaît le mieux devient, en un sens, une extension de vous, capable d'agir en votre nom. Le vrai enjeu n'est pas que les machines se retournent contre nous, mais qui contrôle les apprenants qui, discrètement, décident de plus en plus de choses.

Au fond, le livre de Domingos raconte moins une technologie qu'une géographie intellectuelle : cinq tribus qui ont chacune deviné une facette de l'apprentissage, et l'intuition qu'une carte complète existe peut-être, qui les relierait toutes. Le master algorithm reste une hypothèse, une direction de recherche assumée comme telle. Mais elle éclaire ce qu'on manipule déjà tous les jours : les filtres, les recommandations, les diagnostics assistés ne sortent pas d'un seul cerveau d'ingénieur, ils sortent de méthodes qui apprennent, chacune héritière d'une de ces traditions.