Introduction à l’Intelligence Artificielle pour l’Industrie : 3 questions à Cédric Hervet
- 18 août 2020
- 4 mins
Cédric Hervet est docteur en Mathématiques Appliquées et co-fondateur de Kardinal. Depuis plus de 10 ans, il étudie et conçoit des systèmes d’Intelligence Artificielle pour des applications industrielles dans les secteurs des télécommunications, du marketing digital et du transport.
Sa double compétence en statistiques/Machine Learning ainsi qu’en algorithmie/Recherche Opérationnelle lui permet d’articuler ces deux grands ensembles de techniques pour concevoir les systèmes intelligents de demain.
Qu'est-ce que l'Intelligence Artificielle ?
Cédric Hervet : Avant de parler d’IA, il convient de bien définir de quel type d’IA il s’agit. En effet, les chercheurs distinguent deux grands types : l’IA faible et l’IA forte (ou généralisée, selon les définitions). L’IA forte est la “vraie” IA, qui pense au sens où nous l’entendons, qui a conscience d’elle-même et de ses propres raisonnements. L’IA faible est plus simplement une machine qui est capable d’imiter une tâche habituellement réalisée par un humain. Il n’existe pas aujourd’hui d’IA forte, et la possibilité qu’elle puisse voir le jour à l’avenir est, pour l’instant, hautement spéculative. Ainsi, quand on parle d’IA appliquée à l’Industrie aujourd’hui, on parle uniquement d’IA faibles : c’est-à-dire des machines conçues pour exécuter des tâches qui requièrent habituellement le travail et l’intelligence d’un être humain.
L’IA ne correspond pas à une technologie en particulier : “faire de l’IA”, c’est concevoir un système (informatique) capable de réaliser toute une série de tâches complexes dans un objectif bien précis.
Le terme “IA” vient généralement du fait qu’on cherche, ce faisant, à automatiser les tâches qui étaient préalablement réalisées par un être humain, pour les automatiser, les réaliser à une plus grande échelle et, parfois, les faire “mieux”.
Mais ce n’est pas parce que la machine est, par exemple, capable de conduire une voiture de façon autonome ou qu’elle peut jouer au jeu de Go qu’elle le fait à la façon d’un être humain. Ainsi, ce qu’on trouve dans la machine n’est pas de l’intelligence au sens humain du terme, mais simplement des séries d’instructions plus ou moins élaborées (des algorithmes), qui vont permettre à la machine de réaliser la tâche qui lui est dévolue.
Et le fait qu’elle puisse le faire avec une efficacité parfois désarmante pour un champion d’échec ou de Go a souvent juste à voir avec la puissance de calcul de l’ordinateur et l’hyper-spécialisation de la machine sur une seule et unique tâche. AlphaGo (l’IA de Google) ne sait jouer qu’au Go et est parfaitement inutile à quoique ce soit d’autre, à l’inverse de Lee Sedol, le champion du monde humain qu’elle a battu. Pour “apprendre” à jouer au Go, cette IA a analysé des milliers de parties déjà jouées, et a joué des millions de fois contre elle-même. En temps humain, cela signifie qu’il aura fallu l’équivalent de plusieurs milliers d’années d’apprentissage à la machine pour faire aussi bien qu’un homme trentenaire sur une seule tâche, très précise : le jeu de Go.
Cela doit permettre de mesurer l’écart qu’il y a entre ce que fait réellement la machine d’une part, et ce que fait l’Homme d’autre part
Quelles sont les applications de l'IA en Industrie ?
Par ce qu’elles amènent en matière d’automatisation ou d’optimisation des processus, les technologies d’IA sont présentes dans de nombreux domaines industriels où chaque jour, de nouvelles applications naissent. Comme on le verra plus tard, l’IA a besoin de données, et l’un des premiers domaines où la donnée a été disponible de façon suffisamment qualitative est la gestion de la relation client. En effet, d’abord pour des besoins évidents de facturation et de suivi de la consommation, les premières bases de données ont émergé pour contenir l’ensemble des échanges financiers au sein des entreprises. Ainsi, en appliquant les techniques d’IA sur ces données, des premières applications marketing ont été possibles permettant de comprendre les comportements d’achat des clients et aller vers de la recommandation de produits. On peut notamment mentionner le scoring prédictif de lead dans un CRM tel que Salesforce, qui permet à un commercial d’avoir une prédiction du potentiel d’un nouveau lead entrant, lui permettant ainsi d’optimiser sa conversion. Les algorithmes de recommandation qu’on trouve sur les sites marchands tels qu’Amazon, ou les plateformes de streaming comme Netflix, sont également issus des techniques d’IA.
L’IA est parfois en place depuis longtemps dans certaines industries telle que la Finance, où les algorithmes dits de “fast-trading” effectuent chaque jour de grandes quantités de micro-transactions optimisées, en s’appuyant sur des modèles prédictifs qui essaient d’anticiper l’évolution des cours. Toute la filière industrielle lourde qui achète chaque jour des matières premières afin de les transformer tente en permanence d’optimiser ses décisions d’achat en fonction de prévisions produites par des IA.
Bien sûr, depuis, de nouvelles techniques plus évoluées sont apparues, et l’IA est maintenant capable de travailler sur des données qui ne sont plus issues de bases de données, mais à partir d’images, de sons, de vidéos. On peut mentionner Siri (Apple) ou Cortana (Microsoft) qui peuvent répondre à des requêtes utilisateurs formulées à voix haute, ce qui pourra à l’avenir permettre à des opérateurs en industrie de diriger une machine en ayant les mains libres. Sur le traitement d’images, de nombreuses applications voient également le jour, permettant à des robots de trier automatiquement les déchets à partir du flux vidéo, ou encore comme la technologie Heuritech qui identifie les tendances de la mode et prédit leur évolution future à partir des contenus postés dans le monde entier.
Enfin, certaines applications de l’IA vont jusqu’à inverser le rapport d’utilisation et formulent des recommandations qu’il faut suivre. Waze est un bon exemple, où ses techniques de prévision de trafic, combinées à un traitement temps réel de la congestion routière et, surtout, des algorithmes d’optimisation puissants et rapides, ont rendu les cartes obsolètes et font que quoiqu’il arrive, une IA pourra nous guider dans tous nos déplacements.
Quels défis quand on développe une solution basée sur l'IA ?
Pour reprendre le fameux “Hype Cycle” de Gartner, l’IA est actuellement entre désillusion et illumination, selon la maturité de l’Industrie. En effet, de nombreux projets IA annoncés en grande pompe ces dernières années ont parfois mis beaucoup de temps à amener un ROI, qui lui même se révèle parfois décevant. Comme pour toutes les transitions de la recherche au monde réel, les industriels ont rapidement réalisé que concevoir, développer et mettre en production un véritable système d’IA qui soit, au bout de ce processus, toujours pertinent, n’a absolument rien de simple.
Parmi tous les obstacles, le premier est souvent la question de la donnée : sa disponibilité, son exhaustivité, sa qualité. Sans elle, rien d’élaboré ou d’automatisable n’est possible. Un autre défi dans la conception de systèmes industriels basés sur l’IA arrive en fin de cycle, quand l’outil est finalement déposé dans les mains d’un être humain qui va devoir l’utiliser.
En effet, quand l’homme et l’outil peuvent tous les deux réaliser la même tâche, une question cruciale se pose : qui fait quoi ? Des réponses inadéquates à cette question peuvent également conduire les projets d’IA pourtant très avancés vers un échec.
Assez paradoxalement il est vrai, c’est donc la partie la plus “maths” du processus, où la machine apprend, comprend, analyse et décide, qui est finalement la plus simple à mettre en oeuvre car sur ces points, la technologie est effectivement mature. Ainsi, “faire de l’IA” a parfois moins à voir avec la technique “pure” qu’avec sa mise en œuvre dans un outil utilisable, intelligible et utile à l’Homme.
Dans quelles situations l’IA est-elle plus pertinente que l’Humain ? Comment travailler avec des solutions basées sur l’IA ? Découvrez nos pistes de réflexion dans cet article.
Vous voulez en apprendre davantage ? Retrouvez les autres articles de notre dossier “Collaboration Humain-IA dans les solutions industrielles”
Quelles technologies dans les systèmes d’Intelligence Artificielle ?
Dans les médias, sans doute du fait des importants progrès réalisés au cours des dernières années grâce à ces techniques,
Classification de la capacité à prendre des décisions : Machine versus Humain
On l’a vu, l’IA recouvre un ensemble de tâches et de techniques très variées. Néanmoins, d’un point de vue industriel,
Quelle place pour l’Humain dans les solutions d’IA pour l’industrie ?
La conception d’un système d’IA en industrie doit, pour qu’il ait du sens, apporter une valeur ajoutée, qu’elle soit qualitative
