<img alt="" src="https://secure.innovation-perceptive52.com/789714.png" style="display:none;">
Demander une démo
fr
Les topic(s): L'Intelligence Artificielle

L'Intelligence Artificielle: c'est quoi? L'histoire derrière la magie

Bon nombre d’articles sont dédiés à l’impact de l’Intelligence Artificielle sur le marché du travail. Nous évoluons vers un monde automatisé. Maintenant que la fin de l’ère mobile-first approche, nous devons nous préparer à une société basée sur l’Intelligence Artificielle. Mais qu’est-ce que cela veut dire, l’Intelligence Artificielle ?

Qu’est-ce que cela veut dire, l’Intelligence Artificielle ?

Le nom « Intelligence Artificielle » parle pour soi : une forme artificielle de l’intelligence humaine. Cette forme vise à simuler l’intelligence humaine avec des algorithmes.

Chaque jour, l’homme prend de petites et de grandes décisions. Une combinaison de décisions conscientes et inconscientes nous aident à atteindre nos buts. Nous avons appris cette action consciente au fil du temps, c’est-à-dire en prenant des décisions basées sur nos expériences.

Bad-Decisions-Are-The-Best-Teachers-Sachin-Mittal

Voilà comment l’homme apprend des choses : il exerce une action et il réfléchit (consciemment ou inconsciemment) au résultat. Cette action, vous a-t-elle amené plus proche à votre but ? Dans ce cas, on apprend automatiquement que c’était une bonne action. Le résultat, était-il moins satisfaisant ? Nous nous souviendrons de ne plus exercer cette action ou de prendre cette décision dans le futur pour atteindre notre but.

Nous apprenons à faire du vélo, à calculer, à envoyer un e-mail, à utiliser une nouvelle application, à socialiser, etc. L’homme apprend des choses quasi automatiquement et nous ne sommes pas au courant de ces millions de petites décisions que l’on prend avant d’apprendre quelque chose.

Voilà la grande différence entre l’homme et la technologie. Des ordinateurs ont toujours été très performants aux calculs répétitifs après des instructions détaillées dans un environnement plutôt stable. Cet environnement stable n’existe presque pas dans le monde réel. L’homme vit dans un monde qui ne cesse de changer et il n’a pas besoin d’instructions détaillées.

Depuis des décennies, le développement de l’Intelligence Artificielle est quelque chose qui prend tout l’intérêt des scientifiques. Toutefois, ces derniers temps, l’IA semble plus actuelle que jamais. D’une part, cela est dû au fait que l’homme n’a jamais collecté autant de données. D’autre part, nous comprenons de mieux en mieux la signification des données existantes. Comme un bébé apprend en grandissant et comme il gagne des expériences, l’IA apprend grâce aux données.

 

Quelle est la différence entre l’Intelligence Artificielle et machine learning ? (Google)

Le logiciel qu’on connaît se compose de différentes fonctions. Chaque fonction a appris à traiter un certain input. L’action A amènera au résultat B. Ce logiciel ne devient pas plus intelligent au fur et à mesure qu’il est utilisé plus fréquemment. Ce logiciel (qui est plutôt vieux) ne s’adapte pas à vos habitudes et s’appelle « regular computer processing ».

L’apprentissage machine est une forme d’Intelligence Artificielle. Du logiciel qui gagne en importance au fur et à mesure qu’il traite plus de données s’appelle « la capacité d’apprentissage » et fait partie de l’« apprentissage machine ». Ces algorithmes ne doivent donc pas être programmés explicitement par l’homme.

Les services de Google montrent clairement la signification d’« apprentissage machine ». Sur le plan mondial, des millions de personnes utilisent Google Search et Google Translate. Quand quelqu’un tape un terme de recherche dans Google, ce terme sera enregistré. Quand on tape une erreur, Google suggéra le mot correct. Google n’a pas appris ce mot par un scientifique, mais par d’autres personnes qui ont cherché le même mot avant que vous l’ayez cherché. Ensuite, le système décide qu’il est plus probable que vous vouliez chercher la version correcte que la version fautive.

Google Translate est un autre exemple d’apprentissage machine. Cette application est l’outil de traduction par excellence. Dans ce cas, Google suggère une traduction de votre texte. Si vous n’êtes pas content de cette traduction, l’application vous donne la possibilité de la changer. Ces adaptations sont mémorisées par les algorithmes. La prochaine fois que quelqu’un veut traduire le même texte, l’algorithme tient compte de vos adaptations. Vous pouvez donc bien vous imaginer que Google Translate peut devenir intelligent très vite. Chaque utilisateur est important et contribue à l’information collectée. Il s’agit de « données générées par les utilisateurs ».

L’utilisateur est très important (Waze)

Waze-Reporting-Screen_English-576x1024

Waze devient plus intelligent d’une manière similaire. Les utilisateurs de

 Waze sont des automobilistes qui peuvent indiquer si un bouchon a été causé par un accident, par des voitures stationnées au bord de la rue, etc. Ces données aident Waze à devenir plus intelligent concernant la circulation quotidienne. Un atout vraiment intéressant est le fait que Waze divise les flux de trafic en différentes routes pour réduire les bouchons. Basés sur des prédictions, les algorithmes de Waze peuvent suggérer des actions pour améliorer et pour faciliter notre façon de vivre. De cette façon, l’Intelligence Artificielle devient particulièrement valable.

Dans ces exemples, l’utilisateur, et plus spécifiquement l’homme, génère des données pour que le système devienne plus intelligent. Ces données peuvent aussi être collectées parmi d’autres manières.

L’utilisateur est aussi très important pour le fonctionnement d’un ascenseur. Chaque fois qu’un ascenseur est utilisé, le système enregistre différents paramètres comme la vitesse, le poids, le chargement, le nombre d’arrêts, la température, le nombre d’erreurs, etc. A base de ces données, un producteur d’ascenseurs peut prédire quand l’ascenseur nécessite un entretien. Les données optimalisent l’algorithme et, en conséquence, les prédictions sont plus correctes. Ainsi, un producteur d’ascenseurs peut livrer un meilleur service à ses clients.

Parfois il n’est pas possible de collecter des données quantitatives, comme les diagnostics à base de symptômes ou le choix d’un traitement. Des experts, dans ce cas ce sont des docteurs, ont déterminé des diagnostics basés sur une combinaison de symptômes. Ces données précises permettent aux algorithmes de proposer un diagnostic et un traitement convenable. La quantité et la qualité de ces données déterminent le succès d’une telle intelligence artificielle. Il est donc essentiel que ces données soient générées par des experts comme des médecins, des scientifiques ou des professeurs.

Le succès de l’intelligence artificielle est aussi déterminé par l’algorithme (IBM)

Chaque jour, nous traitons énormément de données afin de prendre la décision correcte ou afin de mener l’action correcte. Au sein du domaine de l’Intelligence Artificielle, chaque promoteur cherche à simuler les algorithmes de traitement humain (par exemple la détection d’émotions).

Il faudra cependant encore un peu de temps avant qu’un algorithme soit développé qui égale la capabilité humaine et qui puisse traiter une grande quantité de données en même temps afin de faire des prédictions raisonnables. Beaucoup d’applications d’Intelligence Artificielle sont spécialisées dans une branche.

Dans certains cas, ces algorithmes sont meilleurs que le processus de traitement humain. En fait, un algorithme traite un grand nombre de sources d’information d’une manière objective. L’homme utilise très fréquemment des raccourcis dans ses processus de décision. Des moyens mnémotechnique, des trucs, de l’induction et de la déduction sont des exemples connus de raccourcis ou d’« heuristiques ». Ils nous aident à prendre une décision ou à trouver une solution plus rapidement. Ces raccourcis sont essentiels pour prendre une décision quand on n’a pas autant d’information.

En 1997, Deep Blue d’IBM a gagné de Garry Kasparov, le champion du monde de ce temps-là. Voilà un exemple d’un ordinateur qui a pris des décisions plus minutieuses que l’homme. La vitesse de traitement dépend de, entre autres, la vitesse calculée de l’ordinateur, quelque chose qui a énormément évoluée au fil des ans.

Une autre condition pour simuler l’intelligence humaine est la structure de l’algorithme. Plus l’algorithme contient des paramètres, plus le processus de traitement humain est simulé, mais plus l’algorithme devient complexe.

L’intelligence artificielle signifie donc commencer dans un domaine délimité. Il appartient à l’homme de décider quels paramètres on utilisera comme input pour l’algorithme.

  • Tout compte fait, vous avez besoin d’énormément de données afin d’entraîner l’Intelligence Artificielle.
 In God we trust and all others bring data.

Un algorithme doit reconnaître des modèles dans les données et l’algorithme de Waze ne peut commencer à régler la circulation que quand il sait où se trouvent les bouchons quotidiens. Décider où se trouve un « bouchon quotidien » doit être basé sur les données collectées au fil du temps.

Un patient n’aura confiance dans un ordinateur qui fait un diagnostic que quand il fait des prédictions avec une précision qui suit de plus près la perfection. Dans ce cas, nous parlons de perfection si un ordinateur fait autant ou moins d’erreurs qu’un spécialiste.

La précision de l’IA est déterminée par des tests avec des données d’apprentissage. Dans le cas de diagnostiquer, des données d’apprentissage sont une combinaison de symptômes dont on est 100% sûr que le diagnostic est correct. Si un grand nombre de données est traité par l’algorithme et si cette prédiction correspond au résultat réel, le système est aussi intelligent que le spécialiste.

Voulez-vous développer une solution intelligente?

Par exemple, une solution qui peut résoudre les problèmes de stationnement dans votre ville? Veillez à ce que vous disposiez d’autant de données dans ce contexte. Collectez, par exemple, des données sur les places de stationnement, sur le stationnement en général dans votre ville, sur le nombre d’habitants et sur les parcmètres pour que les algorithmes puissent faire des prédictions précises afin de manager les places aussi efficaces que possible. Plus vous faites des prédictions, plus les utilisateurs utiliseront votre application et plus vous collecterez à nouveau des données. Par conséquent, vos prédictions s’amélioreront et vous attirerez de nouveaux clients.

 

Voulez-vous investir dans une application intelligente ?

N’oubliez pas que le partage de vos données rendra votre application plus intelligente et plus correcte. En conséquence, cette application aura plus de valeur pour votre entreprise. En partageant des données, d’autres personnes pourront bénéficier de la précision augmentée qui en suit, mais aussi votre organisation profitera du partage de données. L’Intelligence Artificielle est comparable à l’amour, ou comme Joey de la série télévisée « Friends » l’a dit : « It is a love based on giving and receiving as well as having and sharing ».

Je voudrais vous recommander dès maintenant de commencer à collecter des données et à préparer des algorithmes forts. L’Intelligence Artificielle et l’apprentissage machine confirment l’« avantage du premier ».

J’aimerais revenir à un exemple pour illustrer cette phrase. Au début des années 90, Google a développé un algorithme primitif, mais génial pour faire de meilleures prédictions de recherche. Cet algorithme était couronné de succès. Google a assuré que chaque pièce d’information était disponible et utilisable pour tout le monde. De plus en plus de personnes commençaient à utiliser Google. De cette façon, Google a collecté énormément de données et, en conséquence, les prédictions devenaient plus précises. D’autres grandes entreprises comme Microsoft restaient passives. Un rattrapage était rapidement impossible et personne n’était capable d’égaler Google dû à sa masse de données dont il dispose.

Hello Customer est un exemple d’une application intelligente

  1. Les utilisateurs qui génèrent des données : des clients de plus de 100 entreprises dans différents secteurs (banques, assurances, retail, healthcare, etc.)
  1. Les données : le feed-back de tous nos clients sur leur expérience avec une certaine entreprise : « Customer feedback about their Customer Experience ».
  1. Les algorithmes qui traitent les données forment évidemment notre plus grand secret. Ce que je peux vous dire est que nous convertissons notre feed-back en compréhensions. De cette façon, chaque entreprise qui travaille avec Hello Customer peut immédiatement commencer à améliorer l’expérience client !