Les algorithmes d’apprentissage automatique classiques reposent sur des bases théoriques solides. Sous l’hypothèse conventionnelle que les données d’apprentissage proviennent de la même «distribution génératrice» que les données à prédire, on parvient à énoncer des garanties statistiques sur l’acuité de la prédiction de ces algorithmes. Cependant, le déploiement de l’IA dans le monde réel met à mal cette hypothèse fondamentale, car le monde et les temps changent! Nous, enthousiastes de l’IA, sommes alors tiraillés entre le désir de déployer des algorithmes, qui accomplissent malgré tout des exploits, et la crainte de le faire en l’absence de garanties rigoureuses qu’ils sont sécuritaires.