Depuis une dizaine d’années et la naissance du concept du Deep Learning, de nombreuses applications dites d’Intelligence Artificielle ont été développées. Dans ce post, nous allons répondre à plusieurs questions que nous rencontrons régulièrement auprès de nos clients :
- L’IA, comment peut-on la définir ? Quelles sont ses composantes ?
- Quels sont les cas d’application que l’on rencontre aujourd’hui ?
- Comment intégrer l’IA au sein de ma stratégie d’entreprise ?
Mon application est-elle une Intelligence Artificielle ?
Cette question est régulièrement posée dans les différents événements que l’on peut trouver autour de la data, en effet, beaucoup d’applications sont appelées « Intelligence Artificielle » alors qu’il pourrait plutôt s’agir d’un projet « Data Science », un projet « Informatique »…
Pour définir si son projet est une IA, il convient notamment de vérifier si le projet fait intervenir les composantes suivantes :
Le Machine Learning : le système développé doit être doté d’une intelligence qu’il a pu acquérir grâce à un système d’apprentissage basé principalement sur des événements passés. A partir de ces événements passés, une optimisation algorithmique permet de donner une intelligence à l’application lui permettant de réagir de la meilleure manière possible. Les algorithmes de type Random Forest, Gradient Boosting ou SVM sont les plus utilisés dans le domaine de l’apprentissage supervisé.
Une IA doit également avoir des interactions avec l’extérieur de l’application pour communiquer et agir comme pourrait le faire un humain. Par exemple, une application de tri automatisé de courriers aurait un routage des courriers en fonction des caractéristiques de ces derniers comme un humain serait amené à le faire.
Les applications les plus poussées vont utiliser leur sens (voix, vue, touché, odorat,…) pour acquérir de l’information et ainsi interagir avec l’environnement extérieur. De nos jours, la majorité des applications utilise principalement la vue et la voix. Les modèles de Deep Learning créés dans les années 2000 ont des performances impressionnantes pour traiter ce type d’information.
La dernière composante est la stratégie, à l’aide des informations recueillies, des interactions et du machine learning l’application doit mettre en place une stratégie optimale pour répondre au besoin. Par exemple, dans le cadre des voitures autonomes, l’application doit anticiper et réagir de manière optimale en fonction des informations prises sur l’environnement extérieur (piéton, trottoir…).
Quels sont les cas d’application que l’on rencontre aujourd’hui ?
Les cas d’application sont nombreux, l’imagination est la seule limite !
Les premiers projets d’IA sont arrivés avec les méthodes de « Computer Vision » avec la possibilité de développer des algorithmes de Deep Learning permettant d’analyser / classifier / extraire de l’information à partir de l’analyse des images. Ces méthodes ont permis des avancées importantes dans l’ensemble des secteurs d’activité. En biologie, le traitement des images permet d’analyser des radiologies pour déterminer automatiquement la pathologie d’un patient. En marketing, la vision par ordinateur permet de mettre en place des magasins autonomes où la reconnaissance automatique des produits achetés par un client détermine son panier d’achats.
Les projets autour de l’analyse de la voix sont aussi en vogue depuis quelques années avec l’arrivée sur le marché des assistants vocaux (« Alexa », « Google Assistant », « Siri », « Cortana »), ces assistants permettant aux clients de les aider dans leurs actions quotidiennes grâce à une IA répondant à leurs besoins.
Enfin, les projets robotiques se développent dans le secteur de l’industrie pour assister l’humain dans la réalisation des tâches répétitives et usantes. Ces robots qui ont appris sur un historique peuvent reproduire automatiquement une batterie d’actions.
Le dernier projet illustrant l’IA est la construction des voitures autonomes, ce projet mélange de nombreuses applications afin de pouvoir permettre à un véhicule de circuler au sein d’un environnement hétérogène.
Comment intégrer l’IA au sein de ma stratégie d’entreprise ?
Vous souhaitez mettre en place un projet d’Intelligence Artificielle ? Avez-vous déjà analysé les prérequis suivants avant de vous lancer ?
Avant de vous lancer dans la finalité, il est indispensable de procéder par étape pour limiter le risque d’échec de votre projet.
Par exemple, vous souhaitez mettre en place une application de traitement automatisé des documents, si vous n’avez pas déjà une connaissance solide de la composition des documents, votre projet n’aboutira pas et sera abandonné.
Dans notre positionnement, nous considérons que les projets d’Intelligence Artificielle sont une finalité qui doit être atteinte après avoir réalisé chacune des étapes suivantes :
- Analyse descriptive de la problématique
- Prise de décision avec des raisonnements simples
- Mise en place des premiers algorithmes de Machine Learning
- Développement d’une Intelligence Artificielle
Chacune des étapes permet de faire intervenir des métiers différents au sein de l’entreprise permettant ainsi de créer une émulation collective et d’aider à la conduite du changement. Sans une adhésion de l’ensemble des métiers de l’entreprise à votre projet, votre IA sera incomprise et partiellement, voire jamais, utilisée.
A travers cet article, nous avons pu vous exposer notre vision de l’IA en nous appuyant sur nos retours d’expérience. Fort de cette maîtrise, nous sommes à votre disposition pour vous rencontrer et voir ensemble comment appliquer cette vision à vos problématiques.
