Dans le domaine de l’intelligence artificielle, règne la confusion entre les fantasmes de science-fiction, la réalité scientifique, les annonces grandiloquentes et les informations déformées. Portée par les géants du numérique et par des centaines de start-up, cette révolution est en train de transformer l’économie toute entière et promet de régler des problèmes concrets.
11 milliards de dollars. C’est ce que devrait peser le marché l’intelligence artificielle en 2024 selon BPI France. Les investissements dans la recherche sur le sujet sont énormes, surtout en Chine (plus 5 milliards de dollars y ont été consacrés en 2016), aux Etats-Unis (4 milliards de dollars) et en Corée du Sud (860 millions de dollars). Plus de 950 start-up dans le monde oeuvrent dans ce domaine, dont près de 500 aux Etats-Unis.
La France, terreau fertile de l’IA
En France, certains acteurs sont déjà incontournables dont Snips (interface vocale), Jam (chatbot), Sinequa (recherche cognitive et analytics), Up, Ysance Stores (solution de marketing contextuel), Wit.AI (chatbot et voicebot), Regaind (traitement des images via l’IA), Tellmeplus (éditeur de logiciel d’IA appliqué au big data), Craft.AI (AI as a service pour différents secteurs d’activités), Wiidii (assistant personnel hybride), Julie Desk (assistance virtuelle à la prise de rendez-vous) ou encore Antidot, Start Me Up et bien d’autres.
Des usages à créer
Poussée par des géants comme IBM, Google et Microsoft, et par cette impressionnante armada de start-up, l’intelligence artificielle est un domaine d’une grande richesse, où la majorité des usages reste cependant à créer. Ce vaste domaine comprend plusieurs catégories d’IA :
- Le machine learning et le deep learning
Autrement dit, des algorithmes qui agissent en fonction de ce qu’on leur apprend et des données qu’ils ingurgitent. Pour éviter de se perdre dans les dédales des bases de données, il existe de nouvelles plateformes comme Hadoop et Spark qui permettent d’automatiser le traitement des données et d’aider à la prise de décision. Avec le machine learning, ces plateformes iront encore plus loin : elles apprendront à partir des données et seront capables d’accélérer l’analyse et la prise de décision. Elles pourront s’adapter au comportement du marché, anticiper les tendances, intensifier les flux d’affaires et améliorer en permanence les performances de la donnée. En attendant, le machine learning se limite à la génération de modèles prédictifs et de plateformes capables d’analyser les données comportementales. Certains organismes financiers, par exemple, l’utilisent pour détecter les fraudes ; des commerçants et des détaillants pour identifier les meilleures pistes commerciales, etc. Le champ des applications est vaste.
- L’analyse de données non structurées
Jusqu’à présent, la quasi-totalité des données analysées étaient des données structurées, capturées et stockées dans une base de données. Or aujourd’hui, ces données structurées ne représentent plus que 20 % de l’information, les 80 % restant étant constitués de données non structurées. L’analyse des données non structurées va donc logiquement prendre de plus en plus d’importance au cours des années à venir. Par sa capacité d’automatiser les traitements, l’AI va aider à libérer le potentiel de ces données.
- Le traitement naturel du langage et la reconnaissance vocale
Certains algorithmes sont aujourd’hui capables d’analyser le langage humain et de le convertir en texte numérique compréhensible et éditable. D’autres peuvent comprendre la voix humaine et interpréter les actions demandées. Ce qui permet d’envisager désormais sérieusement la dictée vocale comme une alternative à la saisie de texte au clavier, mais aussi de piloter différents dispositifs à la voix : son ordinateur par exemple, mais aussi son smartphone, sa smart TV ou son enceinte connectée. Les interfaces conversationnelles arrivent.
- La reconnaissance d’image
Elle permet aux éditeurs de solutions de DAM (digital asset management) notamment de mieux identifier les images stockées sur leur plateforme, de repérer les éléments qui les composent (objets, décors, personnes, visages, thématique principal, orientation, émotion sur les visages, etc.), la couleur dominante et ainsi permettre aux utilisateurs de trouver plus facilement ce qu’ils recherchent.
- Le contrôle gestuel
Il est essentiellement utilisé dans l’électronique grand public pour le pilotage des téléviseurs connectés et dans les jeux vidéo pour proposer une expérience différente aux utilisateurs et rendre certains jeux plus ludiques. Il n’est pas interdit de penser que le contrôle gestuel remplacera sous peu le pilotage tactile. Il suffira de reproduire les mêmes gestes, mais sans avoir à toucher l’écran.
- Les assistants virtuels
L’un des exemples les plus parlant est évidemment Siri, développé par Apple, qui utilise à la fois la reconnaissance vocale et textuelle pour rendre facile et ludique la gestion de votre agenda, de vos messageries et de vos informations. Siri peut par exemple détecter une date et un horaire inclus dans un message pour déclencher dans l’agenda la planification d’une réunion. Ce qui était autrefois de la science-fiction est aujourd’hui devenu une réalité.
- Les chatbots
Il s’agit d’une autre classe d’assistants virtuels. Ceux-ci permettent d’automatiser l’accueil des clients en ligne et les processus d’assistance, pour peu que les questions posées soient simples. Les chatbots n’apprennent et ne savent utiliser que ce que vous leur enseignez. Ils devraient cependant révolutionner l’interaction entre l’humain et la machine.
- Les smart robots
Les robots sont aujourd’hui capables de détecter ce qui les entoure, de comprendre leur environnement et d’enclencher des actions adaptées. Les plus avancés sont même capables de réagir aux émotions humaines et, par exemple, de repérer un utilisateur perdu dans un aéroport ou un magasin et de lui indiquer le bon chemin. Là encore, le champ des applications est vaste et l’avenir s’annonce radieux pour les robots, qu’ils soient “compagnons”, “travailleurs”, “éducatifs” ou autres.
- L’automatisation des processus manuels
L’automatisation du travail a toujours été associée à la technologie. Aujourd’hui, les robots enregistrent les réservations et les commandes, ils travaillent aux côtés des hommes quand ils ne se substituent pas à eux. Ainsi, après le travail physique remplacé par les machines automatisées de l’ère industrielle, l’intelligence artificielle est sur le point d’automatiser les processus cognitifs des routines. Cette évolution est d’autant plus intéressante que les robots ont une capacité de travail illimitée, sans pause café, sans week-end, ni congés.
...
Vous avez lu 50 % de cet article issu du guide pratique Data, intelligence artificielle et objets connectés, publié par Archimag.
Pour commander le guide pratique, le recevoir en quelques instants et lire l'article en intégralité ou pour consulter le sommaire du guide, cliquez-ici.
Data, intelligence artificielle et objets connectés
L’intelligence artificielle et le machine learning donnent un coup d’accélérateur aux technologies de l’information. Parallèlement, l’internet des objets suppose un pilotage intelligent et génère quantités de nouvelles données qu’il faut traiter. Les algorithmes sont au coeur des systèmes. Emergent des questions d’aide à la décision, de responsabilité, d’éthique, de valorisation des données, de risques de piratage. Des régulations s’imposent ; services et solutions ont besoin de repères.
