inspirations innovatech

Inspirations,
news et dossiers

L’ intelligence artificielle est déjà dans nos entreprises

Date de publication
2 février 2017
facebook twitter LinkedIn Google Mail Agroalimentaire/Industrie/Informatique/Logistique/Technologie Print
intelligence artificielle

L’intelligence artificielle réunit les sciences et les technologies qui permettent d’imiter, et/ou d’augmenter l’intelligence humaine à l’aide de machines.

Il n’y a aucune raison que les machines que l’homme concevra aient, comme lui, des désirs, des pulsions et des défauts

Aujourd’hui, l’objectif des spécialistes de l’IA est de produire des machines autonomes capables d’accomplir des tâches complexes en utilisant des processus réflectifs semblables à ceux des humains. C’est déjà le cas notamment dans le secteur de la santé, de la simulation, de la robotique ou encore dans le retail. Mais à l’avenir, l’IA pourrait bien modifier radicalement le rapport entre l’homme et la machine.

Conceptualisée pour la première fois en 1956 par les américains John McCarthy et Marvin Lee Minsky, l’IA a refait parler d’elle ces dernières années. Les performances d’IBM Watson, les robots et les voitures à conduite automatique de Google, qui ont fait le buzz, y sont pour quelque chose. L’irruption du Big Data, l’apparition de moyens de calculs toujours plus puissants et celle, parallèle, des nouveaux algorithmes du deep learning (l’apprentissage profond) de l’IA n’y sont pas pour rien non plus.  

 

Machine learning et apprentissage profondintelligence artificielle

Le terme « deep learning » désigne un ensemble de techniques de machine learning, explique Mathieu Goeminne,  ingénieur de recherche senior au CETIC où il coordonne les efforts dans la thématique « machine learning ». Ces techniques permettent, à partir de propriétés d’un élément considéré, de « deviner » (prédire) une de ses caractéristiques. Par exemple, lorsque l’élément est une personne, la prédiction pourra consister à déterminer son secteur d’activité professionnelle ou le risque qu’elle contracte une maladie donnée.

Réseaux de neurones

neuronesLes techniques de deep learning reposent sur les réseaux de neurones, qui sont des modèles utilisés de longue date (le perceptron, un modèle à base de réseaux de neurones, a été mis au point en 1957). Ces réseaux sont inspirés des neurones biologiques: ils sont constitués d’entités très simples, appelées neurones, qui sont regroupées en couches successives. Certains neurones sont connectés à d’autres. Lorsqu’un neurone reçoit des informations de neurones situées dans la couche précédant la sienne, il les transforme et propage l’information transformée aux neurones situés dans la couche suivant la sienne et avec lesquels il est connecté. L’information reçue par les neurones de la dernière couche contient le résultat attendu.

Configuration et apprentissage

Afin de prédire correctement une caractéristique des éléments dont les propriétés lui sont fournies, un réseau de neurones doit préalablement être « configuré » au cours d’un « apprentissage ». Cet apprentissage nécessite l’exploitation de nombreux exemples d’éléments dont les propriétés permettent de déterminer la manière dont les différents neurones doivent transformer l’information reçue. Au fur et à mesure de son apprentissage, un réseau de neurones est ainsi capable d’ajuster les paramètres qui le caractérisent et d’améliorer sa capacité prédictive. Jusqu’à il y a peu, les réseaux de neurones ne comportaient généralement que trois couches, car l’ajout de couches supplémentaires augmente très fortement l’effort de calcul devant être réalisé pour entraîner le modèle, et les couches supplémentaires n’améliorent généralement pas sensiblement sa qualité. Récemment, cependant, la combinaison de progrès, aussi bien du point de vue matériel que logiciel, avec une accessibilité accrue à une quantité de données inégalée ont rendu possible l’apprentissage et l’utilisation performants de réseaux de neurones disposant d’un plus grand nombre de couches.

Apprentissage de modèles plus complexes

En augmentant le nombre de couches disponibles, il est possible de réaliser l’apprentissage de modèles plus complexes, où chaque couche apprend à reconnaître un concept d’un niveau d’abstraction supérieure à celui de la couche précédente. Par exemple, une première couche peut apprendre à reconnaître des segments de droite dans un image. Une seconde couche peut assembler ces segments en entités plus abstraites telles que des figures géométriques. Une troisième couche reconnaît alors des visages, des animaux, des paysages, dans la combinaison de ces figures. Un aspect intéressant des techniques de deep learning est qu’il n’est pas systématiquement nécessaire de décrire explicitement la manière dont les concepts se combinent: certaines approches sont en effet capables de découvrir de nouvelles abstractions d’elles-mêmes, ce qui évite une fastidieuse phase de programmation à leurs utilisateurs.

Prédire la sémantique des mots utilisés

Si les techniques de deep learning peuvent s’appliquer à de nombreux contextes, leur intérêt provient principalement des prédictions qu’elles sont capables de réaliser dans des domaines où la description explicite des étapes nécessaires à leur aboutissement est fastidieuse. intelligence artificielleAinsi, s’il est très difficile de programmer explicitement un algorithme pour comprendre le contenu d’une phrase, un algorithme de machine learning peut, après un apprentissage automatique, déterminer automatiquement la sémantique des mots utilisés. Ce type d’algorithme est d’ores et déjà employé dans le cadre de programme d’intelligence artificielle afin de permettre à l’humain de « dialoguer » plus naturellement avec la machine, que ce soit oralement ou par écrit.

Détecter des anomalies

Un autre usage typique du deep learning est la détection d’anomalies, qui consiste par exemple à mettre en évidence les utilisations frauduleuses de cartes de crédit ou les intrusions dans un réseau informatique. Les approches de deep learning permettent de reconnaître de nouveaux types de fraudes ou de nouvelles procédures d’intrusion sans qu’il soit nécessaire qu’un expert les ait mis en évidence au préalable.

Détecter l’ironie ou les messages haineux

L’évolution actuelle du deep learning favorise également son utilisation dans des situations où des aspects humains, sociaux, doivent être pris en compte. Ainsi, s’il existe depuis des années des algorithmes permettant d’analyser les sentiments véhiculés par un message écrit, ceux-ci nécessitent soit un ensemble de règles complexes qui ne peuvent que partiellement retranscrire les subtilités de la communication humaine, soit un étiquetage préalable, manuel, laborieux et difficilement généralisable.

Le deep learning, au contraire, promet de détecter les idées similaires ou dissonantes dans une discussion, ce qui permet par exemple de détecter l’usage de l’ironie ou encore les messages haineux même s’ils sont déguisés au moyen de mots-clés dont le sens caché est peu évident. alpha go

Dans le domaine de l’IA, le deep learning s’est récemment illustré par le succès d’AlphaGo, une intelligence artificielle capable de rivaliser avec les maîtres du jeu de Go. Avant qu’il ait pu gagner une rencontre (très médiatiatisée) contre le numéro 3 mondial de ce jeu, le modèle utilisé a été entraîné en jouant de nombreuses parties, ce qui lui a permis de découvrir les stratégies favorisant ses chances de réussite et les erreurs qu’il ne faut pas commettre.

Certains estiment que le deep learning est amené à s’inviter dans notre quotidien dans un futur assez proche (2020-2030), par exemple afin d’établir une jurisprudence cohérente qui permettrait d’automatiser partiellement la justice pour les affaires aux enjeux modérés (voir par exemple cet article du Trends).

Cela amène à une réflexion de fond (aspects moraux, légaux, etc.) sur la place que peut prendre ces techniques d’IA dans notre société.

Les approches de deep learning ont plusieurs limitations

Tout d’abord, elles sont encore en plein développement, et leur immaturité peut encore se faire sentir lorsqu’on tente de les utiliser dans des contextes pour lesquels des outils appropriés n’existent pas. Ensuite, pour que ces approches puissent offrir des résultats convaincants, une grande quantité de données est nécessaire. Si les entreprises ont de plus en plus souvent recours au « big data » qui implique généralement un volume de données conséquent, de nombreux problèmes portent sur une volumétrie peu compatible avec le deep learning. Si la gestion d’une grande quantité de données nécessite en soi une infrastructure informatique conséquente, les ressources nécessaires (essentiellement en termes de puissance de calcul) à l’apprentissage du modèle restent aujourd’hui également importantes. L’utilisation conjointe et efficace de centaines de CPU et de GPU, si elle est facilitée par un ensemble d’outils récemment développés, présente des obstacles à la mise en œuvre du deep learning qu’il reste encore à aplanir.

Avec l’IA, l’homme s’est repris à rêver, du meilleur comme du pire.  Ray KurzweilLes plus optimistes, Ray Kurzweil (« les ordinateurs pourront être drôles, comprendre des blagues, être sexy, aimants et percevoir les émotions humaines »), qui dirige le département d’IA de Google ou le transhumaniste français Laurent Alexandre (« L’homme qui vivra mille ans est déjà né ») , qui dirige DNAVision (Gosselies) nous annoncent un avenir radieux.

Selon Gregory Rozieres, ces papes de la singularité prédisent qu’avec l’IA (et les avancées spectaculaires de la génomique fonctionnelle) l’homme changera radicalement. Ce futur sera pavé d’immortalité, de nano-robots, aura éloigné le spectre du réchauffement climatique… À terme, Kurzweil imagine un monde où l’être humain sera devenu quasi-entièrement artificiel, bionique.

Certains par contre s’inquiètent ouvertement des conséquences de l’Intelligence Artificielle. En janvier 2015, et après l’entrepreneur Elon Munsk (PayPal, Tesla Motors et SpaceX) et le physicien Stephen Hawking, c’est Bill Gates qui s’est déclaré «préoccupé par la superintelligence » artificielle. Une inquiétude sur le long terme: « Au début les machines accompliront de nombreuses tâches pour nous et ne seront pas super intelligentes. Ce devrait être positif si nous le gérons bien. Quelques décennies après, cependant, l’intelligence sera assez forte pour devenir un sujet de préoccupation. Je suis d’accord avec Elon Munsk et plusieurs autres sur ce point, et je ne comprends pas ceux qui ne s’inquiètent pas. » 

Entre ces deux attitudes, Yann LeCun, le spécialiste AI chez Facebook. « De la reconnaissance des tumeurs cancéreuses à la sécurité routière, les développements de l’intelligence artificielle et du deep learning ouvrent de larges horizons« , explique-t-il. intelligence artificielleEt tempère les craintes: « même si un jour on construit des systèmes par certains aspects plus complexes et performants que les humains, ils vont être construits pour des tâches spécifiques. On associe trop souvent l’intelligence artificielle aux qualités et aux défauts humains. Il n’y a aucune raison que les machines que l’homme concevra aient comme lui des désirs, des pulsions et des défauts ».

Aujourd’hui en effet, il n’y a pas de logiciel d’intelligence artificielle mais des solutions d’intelligence artificielle. Elles s’appuient sur des dizaines de briques différentes qui « vont de la captation des sens, notamment audio et visuels, à l’interprétation des informations, au traitement du langage et à l’exploitation des grandes bases de données structurées et non structurées ».

L’état de l’art actuel, décrit plus haut, c’est l’IA faible ou Artificial Narrow Intelligence (ANI). On peut y mettre en vrac les moteurs de recherche courants, la détection des fraudes bancaires, le credit rating de particuliers, la conduite automatique ou assistée, Apple SIRI, Microsoft Cortana et Google Translate.

 

L’étape suivante, c’est l’ Artificial General Intelligence (AGI), qui correspond au niveau d’intelligence équivalent à celui de l’homme: polyvalence, capacité de raisonner, d’analyser des données et de résoudre des problèmes variés.intelligence artificielle « On peut intégrer dans ce niveau un grand nombre des capacités humaines, précise Olivier Ezratty (conseiller d’entreprise et auteur depuis 2006 d’un rapport annuel relatif au CES de Las Vegas) : l’usage du langage à la fois comme émetteur et récepteur, l’usage de la vue et les autres sens, la mémoire et en particulier la mémoire associative, la pensée, le jugement et la prise de décisions, la résolution de problèmes multi-facettes, l’apprentissage par la lecture ou l’expérience, la création de concepts, la perception du monde et de soi-même, l’invention et la créativité, la capacité à réagir à l’imprévu dans un environnement complexe physique comme intellectuel ou encore la capacité d’anticipation. On peut y ajouter la capacité à ressentir des émotions personnelles ou sentir celle des autres (l’empathie), avoir des envies et des désirs et aussi savoir gérer ses pulsions et agir avec plus ou moins de rationalité. Cette liste est très longue ! Pour l’instant, on en est encore loin, même si certaines de ces capacités notamment linguistiques et de raisonnement général sont en train de voir le jour ».

 

L’étape ultime: l’ Artificial Super Intelligence (ASI) dépasse l’homme dans tous les domaines, y compris dans la créativité et même dans l’agilité sociale.

L’âge de la pierre de l’Intelligence Artificielle

« En l’état actuel des choses, on est surtout à l’âge de la pierre de l’Intelligence Artificielle » poursuit Olivier Ezratty. Et pourtant, tous les secteurs de l’industrie sont déjà impactés par cette nouvelle technologie. Notamment via la robotique  (Citius à Liège ou Wow Technology à Naninne) ou les outils de simulation (avec GeonX à Gosselies). « Cette technologie de rupture devrait toucher tous les secteurs de l’économie, prédit Tanja Freund, analyste media, expert technologies et innovation chez LexisNexis BIS. Et deux secteurs devraient être particulièrement impactés par l’IA.

La santé tout d’abord: d’après Frost & Sulllivan, en 2021, ce marché devrait atteindre 6 milliards de dollars. Citons notamment les innovations liées à la médecine des 4P (personnalisée, préventive, prédictive, participative). Chez nous, OncoDNA (Gosselies) a fait de la médecine personnalisée son cœur de métier.

La banque et la finance sont également à l’affut. Le nasdaq est par exemple en plein tests de systèmes IA pour détecter d’éventuelles fraudes de courtiers.

Le transport est évidemment également impacté, tout comme la logistique.

L’intelligence artificielle dans le retail

Si l’usage de l’intelligence artificielle dans la vente est moins spectaculaire que dans d’autres secteurs, elle n’en est pas moins bien présente. Et elle le sera de plus en plus. Selon Gartner, d’ici 2020, 85% des interactions des clients dans le commerce de détail seront gérées par l’intelligence artificielle. McDonalds, aux États-Unis, utilise l’IA pour converser avec les automobilistes attendant de passer commande dans les drives. « C’est un bot (un software qui agit automatiquement) qui finira par prendre la commande en filtrant les bruits extérieurs et l’interprétera. Objectif: fluidifier la relation client et éviter à ce dernier de devoir hurler plusieurs fois sa commande ». intelligence artificielle

Les caméras de surveillance dotée de la reconnaissance faciale ne sont pas seulement dédiées à la protection contre le vol de marchandise. Elles permettent aussi de déterminer l’humeur du client. « Si le système détecte un client à l’humeur maussade, la direction peut lui envoyer un vendeur confirmé » explique Christophe Rit, architecte solution chez Microsoft France.

L’intelligence artificielle est d’ailleurs embarquée désormais sur toutes les briques de Dynamics 365, son CRM en mode Cloud.  Ce qui permet de détecter l’arrivée d’un client déjà enregistré dans la base de données et de lui proposer directement sur son smartphone une offre de restauration. 1800-Flowers.com

Vendre sur internet n’est pas une sinécure.

Selon Alex Baldock, le DG du britannique Shop Direct, « en ligne, vous avez 3 secondes pour attirer l’attention du client ». Seule solution: les chatbots. Ils ne réagissent plus en fonction des traditionnels mots-clés mais en prévoyant votre intention d’achat lorsque vous démarrez une phrase.

Le chatbot GWYN de l’américaine 1800-Flowers.com a ainsi été créé pour devenir une sorte de concierge virtuel. Ce robot apprend au fur et à mesure vos préférences et vous propose des bouquets de fleurs personnalisés à envoyer… quasi sur un coup de tête.

Chez Starbucks, on a développé un algorithme qui suit ce que les clients achètent. Objectif: recommander des produits et des offres pertinents lors de leurs prochaines visites sur l’application. Un outil destiné à doper l’expérience client qui sera, en 2020 et selon Frost & Sullivan, plus importante que le prix ou le produit acheté.

VRintelligence: doper l’ intelligence artificielle dans le retail

VRintelligence est une PME de Wavre, créée en 2006 par Philippe Voisin et dirigée aujourd’hui par son fils, Jean-Bastien. En 2015, Pierre-Olivier Beckers, l’ex-CEO du groupe Delhaize, entre au capital de cette entreprise familiale. L’entreprise, qui emploie 10 personnes, a conçu une solution d’immersion 3D pour les marques de produit de consommation courante (L’Oréal, Nestlé, Danone) qui souhaitent optimiser leur visibilité dans les rayons de supermarchés, virtuels en l’occurrence. L’entreprise utilise également la réalité virtuelle comme outil collaboratif entre différents maillons de la chaîne de production d’un shampooing ou d’un yaourt, pour accélérer sa commercialisation et réduire les coûts opérationnels et logistiques.

intelligence artificielleSon rapport avec l’intelligence artificielle? Irriguée par le big data de ses clients, des masses de données collectées et traitées par des intervenants extérieurs, l’entreprise permet avec ses propres outils (logiciel de virtualisation 3D, création d’environnement 3D) de créer une info produit tellement précise et interactive qu’elle permet d’analyser de multiples scénarios de vente dans une situation quasi réelle. Des tests soumis à un millier de tests shopper dont les résultats s’ajoutent aux infos recueillies précédemment sur les habitudes d’achat. Au final, ces informations stratégiques sont présentées, en réalité virtuelles aux décideurs.

VRintelligence fournit donc aux diverses directions des entreprises clientes (marketing digital, management, service d’études)  un outil d’aide à la décision très rapide (plus besoin de reconstituer physiquement des vrais-faux rayons de magasins dans les caves de l’établissement, nécessairement modulables en fonction des scénarios), très pointus (VRintelligence combine à son logiciel des technologies puissantes comme le eye tracking par exemple) et très peu couteux. Un prochain article vous présentera cette entreprise très innovante.

 

L’intelligence artificielle est une source inépuisable de créativité et d’innovation. Et vous, vous vous y mettez quand?

l'équipe de rédaction InnovaTech

Par

L'équipe de rédaction d'InnovaTech est composée d'experts en innovation technologique et en communication.

Website Facebook Twitter LinkedIn

Services associés

coach

Bénéficiez d’un coach

Technologie

Technologie