single

     

Intelligence Artificielle : fantasmes et réalités

L'intelligence artificielle a toujours nourri les fantasmes les plus fous. De "2001, l'Odyssée de l'espace" à "Terminator", on nous prédit des avenirs tous aussi différents les uns que les autres, avec cependant une constante : les machines seront douées d'intelligence. Mais ou en sommes-nous réellement aujourd'hui ? Les machines sont-elles vraiment capables d'intelligence ?

IA FAIBLE ET IA FORTE

Même si le terme "intelligence artificielle" est extrêmement à la mode actuellement, nous sommes encore très loin des fantasmes qu'il suscite dans nos esprits. Il convient tout d'abord de distinguer deux manières de "donner de l'intelligence" à une machine. Historiquement, la première approche a été d'enseigner le comportement humain via une modélisation du monde et des règles qui le régissent. Dans cette approche, que l'on trouve parfois sous le nom " IA faible", c'est l'humain qui définit et programme les connaissances dans la machine. Il s'efforce de mettre noir sur blanc ce qu'il sait et la manière dont il raisonne dessus. Cette approche a occupé les chercheurs pendant quelques décennies, avec toutefois un problème majeur : il y a des choses que nous ne sommes pas capables d'expliquer. Essayez d'expliquer par "a + b" à un humain comment tenir sur un vélo. Pas facile, non ? Alors, imaginez à une machine...

Une autre approche a alors vu le jour. Au lieu de se baser sur des règles enseignées à la machine par un humain, elle se base sur un postulat totalement inverse : on va demander à la machine d'observer le "monde" et d'en tirer elle-même des conclusions. Cette approche est entièrement fondée sur les mathématiques statistiques. En fonction d'un certain nombre de données d'entrée présentées à la machine (celles-ci représentent le "monde" qu'elle connaîtra), on va lui demander de déduire des probabilités : quelle est la probabilité que tel événement advienne en fonction de tels ou tels autres événements observés ou observables ? Si bien que plus elle verra d'événements, plus elle sera capable d'en déduire d'autres de manière efficace.

Par exemple, si une machine observe qu'un client arrivant sur la page d'un produit X par une publicité Facebook donnée achète ce même produit, et qu'elle fait cette observation de manière répétée (différents clients, différents contextes...), elle sera capable "d'apprendre" que : telle campagne Facebook + page du produit X => achat du produit X.

" Une IA bien conçue et bien entraînée sera capable de modéliser et de "comprendre" l'environnement d'une entreprise pour en tirer des avantages concurrentiels potentiellement phénoménaux. "
Anthony ROUSSEAU, Head of R&D, Partner Allo-Media

Image1_579_digital-strategy

DE L'IMPORTANCE DE LA DONNEE

Sachant cela, il devient alors primordial d'avoir le plus de données possible pour apprendre ces systèmes. Les données brutes collectées par le web, les signaux du marketing, les appels des call centers représentent des ensembles, le "monde", dont une intelligence artificielle pourra se nourrir. Cela constitue le nouvel Eldorado des entreprises qui voudront tirer leur épingle du jeu. Une IA bien conçue et bien entraînée sera capable de modéliser et de "comprendre" l'environnement d'une entreprise et donc d'exploiter toute la donnée cachée et non traitable par un humain pour en tirer des avantages concurrentiels potentiellement phénoménaux.

APPRENTISSAGE SUPERVISE ET NON SUPERVISE

Un autre tremblement secoue depuis plusieurs mois déjà le monde grandissant de l'intelligence artificielle. En effet, actuellement, la plupart des apprentissages sont réalisés de façon "supervisée" c'est-à-dire qu'on présente à la machine des données à traiter en entrée, tout en lui indiquant pour chaque entrée la "réponse" attendue en sortie. Concrètement, cette approche permet à l'IA de créer des relations entre entrée et sortie (on appelle aussi ces liens mathématiques "réseau de neurones"), mais elles restent orientées par l'humain. Car c'est l'humain qui définit et associe en amont entrée donnée et sortie attendue, charge ensuite à la machine d'en déduire des corrélations invisibles, afin d'être capable par la suite de prédire des événements inédits.

Toutefois, produire de grandes quantités de données "annotées" est un travail long, fastidieux et coûteux. Il est dès lors rapidement apparu intéressant de pouvoir commencer à s'affranchir de ces étapes de préparation des données. Pour cela, de nouvelles approches, dites non supervisés, apparaissent. Le principe est simple : il s'agit toujours de présenter à la machine des données en entrée, mais cette fois de façon brute, non structurée. A l'aide d'algorithmes différents, on lui demandera alors, en plus d'apprendre le "monde" que l'on met à sa disposition, de structurer elle-même les données et d'en déduire des relations et des ensembles de façon totalement automatique. Ce faisant, en plus de s'affranchir d'interventions humaines coûteuses, cette approche représente une première étape vers la conceptualisation et l'élaboration de "vraies" intelligences artificielles, qui resteront cependant des intelligences dites spécialisées.

UNE MACHINE INTELLIGENTE ?

Mais pour autant, peut-on dire que les machines sont intelligentes ? Elles sont actuellement simplement capables de reproduire ce qu'elles observent et d'en généraliser des concepts afin de se spécialiser dans une tache donnée. Malgré les articles alarmistes qui fleurissent régulièrement dans la presse, nous sommes encore loin du concept d'une intelligence artificielle "générale", qui serait capable de rivaliser avec l'être humain, voire l'humanité dans son ensemble. En revanche, les machines peuvent parfaitement, dès maintenant, être utilisées de manière très efficace dans le traitement des masses de données inexploitables par des humains. Ces masses de données, de plus en plus imposantes, représentent aujourd'hui un potentiel inexploité pour bon nombre d'entreprises.

Cet article a été rédigé par Vincent Jousse CTO, Associé & Anthony Rousseau Head of R&D, Associé chez Allo-Média

Pour consulter l'ensemble de l'ouvrage, cliquer ici.