« Nous avons un modèle capable de tout prédire sur la vie d’un individu »

« La calculette de la mort » connaît la date de votre dernier soupir. Baptisé life2vec, un algorithme développé par des chercheurs danois est capable de prédire toutes les étapes de la vie d’un individu et prévoit même la mort sans se tromper dans 78 % des cas. Entraîné sur les données anonymisées des six millions de Danois rassemblées par l’institut national de statistiques, l’algorithme analyse les événements de la vie des individus pour deviner la suite. Sune Lehmann, professeur à l’université technique du Danemark et coauteur de l’étude publiée dans    , nous aide à comprendre cet algorithme.

Comment fonctionne votre algorithme ?

Nous vivons à une époque dominée par les grands modèles de langage comme ChatGPT ou Gemini [l’IA de Google]. Ils analysent le langage comme une séquence de paroles qui se suivent. Ils travaillent de la même façon que l’autocomplétion de nos smartsouvent phones : vous écrivez une lettre, et ils proposent un mot, avec justesse. C’est, en gros, ce que font ces grands modèles de langage. Ils ne regardent pas seulement le mot juste avant, mais l’ensemble des mots, de façon à donner une suite à un texte.

Qu’en est-il de life2vec ?

Si on regardait la vie humaine comme une phrase ? Vous êtes né dans cet hôpital, à cet endroit, vous avez telle date d’anniversaire, vous avez ce score d’Apgar [évaluation de la vitalité d’un nouveau-né], vous habitez telle adresse, vous allez à cette crèche, puis cette école et ainsi de suite. Et si, de la même manière qu’un mot suit un autre mot, les événements de la vie se suivaient ? L’algorithme donne un sens aux événements de la vie. Nous avons construit un modèle capable de tout prédire sur la vie d’un individu. Comment votre modèle sera-t-il utilisé une fois accessible ?

C’est un projet de recherche. Il est question de découvrir les données sous-jacentes qui permettent de comprendre le monde. Il ne sera pas accessible au grand public. Je ne crois pas qu’il est intéressant pour quelqu’un de savoir qu’un algorithme connaît sa date de mort. Cette façon de modéliser la vie des humains pourrait avoir un intérêt dans le domaine de la santé. Regarder comment nous pourrions identifier plus tôt les personnes avec des risques de cancer. Cet algorithme est une preuve de concept, mais il comporte tout un tas de biais.