AI basics (1/2) : Comment définir l’Intelligence Artificielle?

AI

En 2018, le marché mondial de l’Intelligence Artificielle devrait atteindre en valeur 1,2 trillion de dollars (étude du cabinet Gartner). Il s’agit clairement de la grande tendance technologique des prochaines années. Et attention, nous parlons ici de l’IA à l’état brut, du véritable programme informatique intelligent, et non des robots humanoïdes que l’on peut voir dans le cinéma de science-fiction. Exit les Terminator, Blade Runner ou Ex Machina, nous nous concentrerons ici sur les HAL 9000, Jarvis, VIKI ou encore Mother (que vous pouvez retrouver respectivement dans 2001, l’Odyssée de l’espace, Iron Man, I, Robot et Alien). Ainsi, pour démarrer ce dossier sur l’IA, autant partir de la base : qu’est ce que l’Intelligence Artificielle?

Comment définir l’intelligence artificielle ?

L’IA n’est pas une notion simple à définir. Concrêtement, c’est du code. Des lignes et des lignes de codes. Mais qui, mis ensemble, déclenchent des fonctionnalités et délivrent des solutions. On peut retenir deux critères pour qualifier une IA : l’autonomie, et l’adaptabilité. Ainsi une IA, résultant de ce code, doit pouvoir exécuter des actions sans supervision constante et être capable d’améliorer ses capacités par la répétition en acquérant de l’expérience. A ce sujet, l’Université d’Helsinki délivre un diplôme gratuit et libre d’accès en anglais pour acquérir les notions de base de l’Intelligence Artificielle, je ne peux que vous recommander de le suivre : https://www.elementsofai.com/

 

On pourrait découper l’IA, ou du moins les applications que l’on en fait aujourd’hui, en 4 grandes fonctions.

L’analyse sémantique

Il s’agit de la compréhension de la voix du client, que celle-ci soit orale ou écrite. Le process consiste, pour l’IA, de capter ce qu’on lui dit, de transformer la voix captée en mots écrits, et de restituer une réponse, le tout dans un laps de temps réduit. Une analyse sémantique s’intéresse au sens global d’un énoncé, apporté par l’ensemble des mots. Les chatbots ou assistants vocaux en sont les meilleurs exemples.

L’analyse des images

L’IA analyse ici les images et les vidéos afin de les décomposer et les comprendre les différents éléments. Un travail important de traitement de l’information s’effectue alors. Utilisé pour la surveillance ou le comptage automatique de personnes, le meilleur exemple reste la voiture autonome. Les capteurs intégrés sont en charge d’identifier les panneaux, les piétons en mouvement, les autres véhicules… Enfin bref, tout l’environnement urbain est scanné et analysé de façon ultra-rapide afin que le véhicule exécute les actions adéquates.

L’analyse prédictive

En intégrant des masses de données, l’intelligence artificielle est en mesure de comprendre des comportements et prédire des tendances. Une première étape d’apprentissage consiste à entraîner le modèle à partir de méthodes statistiques. La seconde étape de prédiction permet de prédire les résultats en utilisant le modèle “intelligent”. Une méthode qui s’appuie de nombreux mots qui peuvent paraître barbares : data mining, machine learning, deep learning …

Le Robotic Process Automation

Le, RPA de son petit nom, consiste en une automatisation des tâches simples qui prennent du temps, pour permettre au salarié de se concentrer sur sa production de valeur. Son utilisation trouve sa praticité en ce qu’elle libère du temps au salarié qui peut alors se focaliser sur de réelles problématiques. En effet, la RPA traite des tâches simples. Elle prend en charge les actions qui ne nécessitent pas de connaissance, de compréhension ou de perception particulière. Le secteur bancaire s’est très vite emparé de cette automatisation pour permettre aux usagers d’effectuer par eux-mêmes des actions sur leur comptes depuis leurs téléphones par exemple. Chose qui nécessitait un assistant pour effectuer manuellement les opérations il y a encore quelques années.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *