Un conseil: ne parlez pas à Sabine Süsstrunk d’intelligence artificielle. La directrice du Laboratoire d’images et représentation visuelle de la Faculté d’informatique et communications de l’Ecole polytechnique fédérale de Lausanne (EPFL) déteste cette terminologie. «Cela n’existe pas encore, précise-t-elle dans un sourire. Les systèmes qui s’appuient sur le machine learning sont certes extrêmement performants dans la reconnaissance de formes, par exemple, mais ils sont toujours incapables de faire la distinction entre le bien et le mal. En ce sens, ils sont encore loin d’être intelligents.»

Subjuguée depuis toujours par la façon dont nous percevons le monde, mais aussi par l’imagerie et la photographie, Sabine Süsstrunk a consacré l’entier de sa carrière à améliorer la qualité des images que nous produisons, et ce, dès le début de la photographie «électronique», telle qu’elle était appelée lors de ses prémices dans les années 1990.

«C’est un secteur qui a initialement été développé pour le marché professionnel, avant que le premier appareil numérique n’entre dans les ménages en 2003 et signe la fin de la pellicule», se rappelle la professeure, qui a également enseigné, entre 1991 et 1995, à la Faculté de photographie de l’Institut de technologie de Rochester, une ville surnommée par ses habitants Imaging Capital of the World.

«Au tout début de la standardisation de la photo numérique, Kodak, Canon et Nikon étaient tous réunis autour d’une même table pour savoir ce qu’ils allaient faire de cette technologie. Il est toujours incroyable de se rappeler que Kodak, dont le siège est à Rochester, était alors la plus avancée dans le domaine. Avec la suite que l’on connaît…»

Inspiré du système rétinien

Au sein de ses recherches, principalement axées sur la photographie dite computationnelle, la vision par ordinateur, mais aussi l’esthétique algorithmique, Sabine Süsstrunk s’intéresse tout particulièrement aux composants fondamentaux qui font une image et à quel point le changement d’un de ces composants est en mesure d’influencer sa perception.

«Comment sait-on que ce qu’on regarde est une bonne ou une mauvaise image, et quels sont les critères subjectifs, dont nous n’avons pas toujours conscience, nous permettant d’émettre un tel jugement? Ce sont des questions qui m’ont toujours énormément intéressée.»

Lire aussi: Pierre Vandergheynst, maître de la pensée computationnelle à l’EPFL

S’il est d’apparence facile pour l’œil humain de comprendre une image et d’en extraire des informations pertinentes, il n’en est pas de même pour les machines. «C’est la raison pour laquelle nous avons voulu développer un algorithme, basé sur un modèle de traitement rétinien, qui imite mieux la vision humaine», explique la chercheuse, auteure ou coauteure de plus de 150 articles scientifiques et détentrice d’une dizaine de brevets différents.

«Notre rétine compte près de 100 millions de photorécepteurs, mais uniquement un million de neurones capables de transmettre l’information visuelle au cerveau. Cela oblige notre œil à rejeter une grande partie de l’information qu’il reçoit. C’est sur ce processus biologique que nous nous sommes appuyés.»

Un algorithme créé par le laboratoire dirigé par Sabine Süsstrunk a notamment permis, en s’appuyant sur les concepts sémantiques, d’améliorer automatiquement les images produites. «Concrètement, cet algorithme permet une légère augmentation des contrastes, un peu à l’image de ce que ferait aujourd’hui un filtre Instagram. Pour cela, il a fallu apprendre à la machine à reconnaître les objets importants dans la composition. Au départ, nous avions conçu un prototype où nous parlions directement à l’appareil en lui disant ce qu’il devait mettre en avant. C’était avant l’arrivée des appareils connectés par Bluetooth, et autant dire que l’on nous a parfois pris pour des fous.»

Revers de la médaille

Photographe scientifique de formation, Sabine Süsstrunk, qui a également été chercheuse principale en imagerie chez Corbis Corporation – une entreprise fondée à Seattle par Bill Gates et spécialisée dans l’achat et la vente de photographies et de films – mais aussi directrice, depuis 2015, du Digital Humanities Institute de l’EPFL, et cofondatrice de la Fondation WISH pour la promotion des femmes dans les sciences, voit les avancées technologiques ayant façonné ces dix dernières années d’un œil à la fois fasciné et acéré.

«Ce que l’on peut faire aujourd’hui grâce au machine learning ou au deep learning [lorsque la machine est capable d’apprendre par elle-même], est absolument phénoménal. Mais il faut également garder en tête que ces algorithmes sont extrêmement puissants et qu’ils peuvent être utilisés pour des activités contestables sur un plan éthique, comme la reconnaissance des visages. Il sera difficile de pouvoir tirer la prise, mais il est important que les autorités gouvernementales prennent conscience des possibles dangers liés à ces technologies et soient en mesure d’agir si nécessaire.»


Profil

1962 Naissance à Soleure.

1991-1995 Enseigne à la Faculté de photographie du Rochester Institute of Technology (Etats-Unis).

1995-1999 Chercheuse principale en imagerie chez Corbis Corporation, à Seattle.

1999 Intègre l’EPFL comme professeure.

2006 Cofonde la Fondation WISH, destinée à promouvoir la place des femmes dans les sciences.


Retrouvez tous les portraits du «Temps».