We show that the double descent phenomenon occurs in CNNs, ResNets, and transformers: performance first improves, then gets worse, and then improves again with increasing model size, data size, or training time. This effect is often avoided through c

Sous prétexte d’amélioration, une vague d’outils d’analyse vocale déferle dans les entreprises. L’intelligence artificielle (IA) promet plus d’objectivité et de performance. En réalité, c’est un travail placé sous surveillance émotionnelle. « Votre appel peut être enregistré à des fins de formation » : cette phrase familière camoufle désormais bien plus qu’un simple enregistrement. Derrière la collecte, il y a l’analyse ; derrière l’analyse, une interprétation ; et derrière l’interprétation, une intention. Le speech analytics, qui détecte stress, fatigue, doute ou enthousiasme, sort des centres d’appels pour pénétrer nos services internes, nos interactions professionnelles, nos entretiens d’évaluation… Les outils attribuent des scores, déclenchent des alertes. Demain, ils pourraient recommander promotions ou sanctions. La voix devient une simple donnée biométrique. Pourtant, elle n’est pas qu’un signal. Elle vibre, hésite, tremble, reflète nos journées, nos doutes, nos émotions. La standardiser, c’est nier qu’une intonation est souvent une histoire. Jugée « inappropriée » ? Alerte. Rythme jugé trop lent ? Risque de désengagement. Ton jugé trop vif ? Possible tension. Les autorités françaises et européennes l’ont compris : la voix est une donnée hautement sensible, permettant d’identifier une personne, mais aussi d’inférer son état émotionnel ou psychologique. Son traitement est interdit, sauf consentement libre et éclairé, ainsi que le prévoit le règlement général sur la protection des données (RGPD) – bientôt renforcé par l’IA Act. Mais en entreprise, que vaut ce consentement « libre » ? Peut-on refuser un outil imposé par la hiérarchie, comprendre ce que l’algorithme « a entendu » ou même contester ses conclusions ? Le consentement n’est pas une simple case à cocher, mais un droit fondamental. Lire aussi | Article réservé à nos abonnés L’entreprise américaine Palantir suspectée de créer une base de données géante sur les citoyens De nombreuses études confirment les risques : stress accru des salariés sous écoute permanente, autocensure, affaiblissement des échanges spontanés, rupture de confiance, déshumanisation du travail. S’y ajoutent des biais matériels ou algorithmiques, comme la compression numérique, le filtrage des fréquences, l’altération du timbre par les réseaux téléphoniques ou par VoIP [« voix sur IP », une technique qui permet de transmettre des appels sur Internet], qui pénalisant certains accents, voix féminines ou styles culturels. Il vous reste 50.04% de cet article à lire. La suite est réservée aux abonnés.

Aux urgences, l’IA peut aider les médecins face aux traumatisés sévères Les raisonnements de l’algorithme de l’intelligence artificielle et ceux de l’humain pourraient être complémentaires et améliorer la prise en charge des patients gravement blessés. Article réservé aux abonnés Le service d’urgence de l’hôpital CHU Nord à Grenoble, dans les Alpes françaises, le 29 décembre 2013. ROBERT PRATTA / REUTERS Le tri des patients à l’arrivée aux urgences est un passage obligé en amont de la prise en charge à l’hôpital. Y compris pour les victimes de traumatisme grave. C’est cette étape qui oriente les cas en fonction des blessures et de leur gravité : traumatisme crânien, hémorragie, lésions de la colonne vertébrale… Une étape cruciale car elle décide des moyens mobilisés à l’arrivée du blessé dans le service des urgences. Par exemple, si une hémorragie est suspectée, la procédure est de préparer un bloc opératoire et une équipe d’intervention, et d’acheminer du sang pour une transfusion. Un mauvais aiguillage peut être fatal. « C’est pour ça que c’est important d’essayer d’anticiper au mieux les besoins des patients », explique Tobias Gauss, anesthésiste-réanimateur au CHU de Grenoble.Une équipe pluridisciplinaire, dont il fait partie, a voulu tester ce qu’une intelligence artificielle (IA) pourrait apporter au diagnostic en termes de précision et de gain de temps. Ils ont développé Shockmatrix, une IA d’assistance au triage. Leur outil, conçu grâce à un partenariat avec l’entreprise grenobloise Capgemini, utilise la technologie de l’apprentissage machine : l’algorithme a été nourri avec les données de 50 000 admissions à l’hôpital, issues du registre national des patients traumatisés sévères. L’IA est censée ensuite pouvoir proposer un diagnostic. Il vous reste 70.7% de cet article à lire. La suite est réservée aux abonnés.