TELECOM PARIS ALUMNI
Retour aux actualités
Article suivant Article précédent

Revue TELECOM 187 - Les usages de l'intelligence artificielle

Articles Revue TELECOM

-

15/12/2017

LES USAGES DE L'INTELLIGENCE ARTIFICIELLE

par Olivier Ezratty dans la revue TELECOM n° 187

 

L’intelligence artificielle recouvre dans la pratique différentes techniques qui augmentent ou complètent les capacités humaines. Les solutions à base d’IA assemblent du logiciel du matériel et des données qui servent à l’entrainer.

 

Vu de haut, on peut identifier quatre grandes briques logicielles pour les techniques d’IA :

 

Les moteurs de règles

Ils servent à construire des systèmes experts à base de règles formelles. Cette technique a connu des hauts et des bas avant que le deep learning ait submergé l’espace médiatique de l’IA. Elle reste fondamentale pour un grand nombre de systèmes. Les moteurs de règles s’appellent maintenant les BRMS pour Business Rules Management Systems et sont souvent intégrés dans les Decision Management Systems. Ils sont très utilisés dans les applications industrielles.

 

Le machine learning

Il sert à faire des prédictions, de la classification et de la segmentation automatiques en exploitant de grands volumes de données structurées existants. Il peut s’appuyer sur des réseaux de neurones simples pour les tâches complexes portant sur des données multidimentionnelles.

Les services de marketing et de vente, en particulier dans le domaine des télécoms, utilisent de plus en plus le machine learning et dans toutes les étapes du cycle de vente, pour segmenter les bases clients et comprendre leur besoin, définir des marchés et clients cibles et interagir directement avec eux. L’analyse de sentiments dans les réseaux sociaux permet aussi de mieux cibler son discours. Le développement de la notoriété tire parti de solutions qui aident à optimiser le plan média et la portée de ses campagnes. Le machine learning est aussi exploité dans les systèmes de recommandation de produits dans les sites de vente en ligne.

 

 

 

 

 

 

 

 

 

 

1/ Les agents conversationnels

 

Le deep learning ou apprentissage profond, sert notamment à reconnaitre des objets complexes comme les images, l’écriture manuscrite, le bruit, la parole et le langage. Il s’appuie sur des réseaux de neurones multicouches. Ses variantes récentes permettent aussi de générer des contenus à partir de contenus existants, par exemple pour coloriser automatiquement des images en noir et blanc ou générer du texte dynamiquement dans des chatbots1.

La vision artificielle qui s’appuie sur le deep learning identifie les personnes et objets dans les images et vidéos, dans les moteurs de recherche ou la vidéosurveillance. Elle est aussi utilisée en imagerie médicale pour reconnaitre aussi bien que des spécialistes des mélanomes de la peau, des rétinopathies diabétiques dans les fonds de l’œil, des nodules cancéreux dans des radios ou des anomalies dans des échographies cardiaques.

Le traitement du langage est le second plus grand domaine d’application du deep learning avec la reconnaissance de la parole, la génération de parole synthétique, les robots conversationnels, la traduction automatique, l’extraction de données, la création de résumés et la génération de textes automatique. Dans les services de ressources humaines, les algorithmes de traitement du langage permettent par exemple de trier plus rapidement les CV.

C’est aussi avec le deep learning que l’on peut analyser le bruit d’un moteur afin d’identifier les anomalies et permettre de faire de la maintenance préventive, et ceci avant qu’une panne ne se produise.

Les réseaux d’agents servent à orchestrer les briques de l’IA pour créer des solutions. Un chatbot, un robot ou un véhicule à conduite autonome sont toujours des assemblages hétéroclites de briques avec des moteurs de règles, du machine learning, des capteurs et plusieurs techniques de deep learning. Les réseaux d’agents sont à la fois des objets conceptuels et des logiciels d’assemblages de briques.

Le deep learning et le machine learning sont aujourd’hui reliés aux systèmes experts. Il était à l’origine difficile de les alimenter manuellement avec des règles provenant des experts humains. Le machine learning et le deep learning permettent d’examiner de gros volumes de textes et données et d’en déduire des règles qui, à leur tour, peuvent alimenter des moteurs de règles et des systèmes experts.

 

L’IA envahit tous les secteurs d’activité

L’IA est en train d’envahir presque tous les métiers et marchés verticaux aussi bien dans les domaines de l’économie « physique » (agriculture, industrie, transports, énergie, ville intelligente, tourisme, santé) que dans l’économie des « services » qui sont de plus en plus dématérialisés (banques, assurances, métiers juridiques, médias).

Les applications d’aujourd’hui vont aussi bien au-delà de la mode des chatbots. Elles tirent parti des données pour prédire on influencer le futur, du côté de l’offre comme de la demande. Elles enrichissent le travail des cols blancs en leur fournissant des outils de recherche et d’analyse plus sophistiqués, comme par exemple dans les services juridiques et financiers.

Dans l’industrie, l’IA intervient sur l’ensemble du cycle de vie des produits, avec la conception, la planification, le contrôle qualité en usine et la maintenance préventive. La robotique est aussi un gros utilisateur de l’IA et dans des domaines aussi divers que l’agriculture, les véhicules à conduite assistée et automatique terrestres, sous-marins et aériens, les usines, et même dans les services comme dans le nettoyage, la restauration ou la surveillance. La ville connectée deviendra aussi intelligente grâce à l’IA pour réaliser des économies d’énergie et faciliter la circulation des personnes.

 

L’enjeu des compétences

Les dirigeants et managers d’activités doivent rapidement comprendre les tenants et aboutissants technologiques de l’IA pour en identifier les usages clés.

Les ingénieurs et développeurs devront aussi s’accoutumer rapidement à une nouvelle génération de méthodes et outils, comme ils l’ont fait avec le web, la mobilité et le cloud.

Contrairement à une idée répandue, il ne faudra pas avoir un doctorat en IA pour en tirer parti. Des outils sont déjà disponibles avec divers niveaux d’abstraction permettant de créer des solutions opérationnelles. L’intégration des métiers et de technologies disparates sera toujours un facteur clé de succès des projets.

À chaque fois que l’on cherche à automatiser des processus, à accélérer des traitements, à rendre l’entreprise plus réactive, l’IA est au rendez-vous de l’innovation. Mais comme pour toute grande vague technologique, reste à le faire sans perdre en humanité, notamment dans la relation client et dans la vie de la société en général. 

 

Biographie de l'auteur

 

Olivier Ezratty (ECP 1985) est consultant et auteur depuis 2005 après avoir été développeur chez Sogitec et au marketing chez Microsoft France pendant 15 ans. Il a récemment publié un ebook gratuit de 362 pages « Les usages de l’intelligence artificielle » sur son blog « Opinions Libres ».

 olivez www.oezratty.net

 

206 vues Visites

J'aime

Commentaires0

Veuillez vous connecter pour lire ou ajouter un commentaire

Articles suggérés

Articles Revue TELECOM

Revue TELECOM 194 - Editorial Laura Peytavin et Yves Poilane

User profile picture

Rédaction Revue TELECOM

13 novembre

Articles Revue TELECOM

Revue TELECOM 193 - La kippa bleue

User profile picture

Rédaction Revue TELECOM

15 juin

Articles Revue TELECOM

Revue TELECOM 193 - La transformation digitale (numérique) 2.0

User profile picture

Rédaction Revue TELECOM

15 juin