Stratégie Cognitive - weave
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Stratégie Cognitive
janvier 2018
Executive Summary
Nous entrons dans une nouvelle ère de l’informatique : l’ère cognitive,
caractérisée par des systèmes informatiques capable d’interagir en
langage naturel et de développer leur propre « intelligence »
Cette nouvelle ère et l’explosion des nouvelles technologies
permettent aujourd'hui le développement de l’intelligence artificielle
à grande échelle. L’IA est partout, promettant des conseils
personnalisés automatisés, de nouveaux remèdes et de nouvelles
façons de travailler.
Au delà de la communication faite autour de ces nouvelles
opportunités et des craintes qu’elles engendrent, comment séparer
la fiction de la réalité ? Comment votre entreprise peut-elle adopter
le cognitif pour résoudre des problématiques réelles en 2017 ?
2
SOMMAIRE
UNE NOUVELLE ERE
INTELLIGENCE ARTIFICIELLE
CAS D’USAGE
APPROCHE WEAVE
3
UNE NOUVELLE
ERE Ere cognitive
Nous entrons dans une
nouvelle ère de l’information
et de l’informatique : l’ère
cognitive.
Quels éléments marquent le
début de cette ère ?
4
ère cognitive
UNE NOUVELLE ERE DE L’INFORMATIQUE
L’informatique a connu un développement fulgurant le siècle dernier. Grâce aux avancées technologiques, nous
entrons aujourd’hui dans une nouvelle ère de l’informatique : l’ère cognitive.
COGNITIF
Intelligence Découverte
du système Probabilistes
Coût temps machine Langage naturel
et data
Sorties complexes
PROGRAMMABLE
Recherche
Systèmes déterministes
Données d'entreprise
Langage machine
Volume de
Sorties simples Données
TABULATION Générées
Carte à trous 90% des
données ont été
Pointeuse créées en
2015/2016
1837 1937 2017
5
ère cognitive
UNE NOUVELLE ERE DE L’INFORMATIQUE
L’institut Gartner positionne les éléments des systèmes cognitifs à l’apogée du Hype cycle avec une adoption
généralisée de ces technologies entre 2 et 10 ans.
6
CARACTERISTIQUES DE
L’ERE COGNITIVE
Usages digitaux et data
Les comportements des consommateurs ont évolué
pour privilégier les moyens digitaux dans la
communication de tous les instants. Ces nouveaux
usages génèrent une quantité phénoménale de
données.
Connection permanente
Il n’a jamais été aussi facile de connecter un appareil au
réseau. L’explosion de l’internet des objets en atteste et
crée autant de sources d’information ou de points de
contact homme-machine.
Interopérabilité accrue
Les systèmes s’homogénéisent augmentant leur
interopérabilité. La mise en place de nombreux services
ouverts et exposés via différentes API facilite les
échanges et le traitement des données.
7
INTELLIGENCE
ARTIFICIELLE Système Cognitifs
L’intelligence artificielle est un
mot à la mode utilisé à
outrance et souvent confondu
avec les moyens
technologiques sous-jacents
(Machine Learning, Deep
Learning, NLP, data mining…).
Quelle(s) définition(s) pour
l’Intelligence Artificielle ou les
Systèmes Cognitifs ?
8
intelligence artificielle
INTELLIGENCE & INTELLIGENCE ARTIFICIELLE
Il n’y a pas de définition unique et partagée de l’intelligence.
On peut néanmoins y associer différentes capacités : The essence of
compréhension communication apprentissage mémoire logique
intelligence is
skill in extracting
abstraction créativité conscience de soi planification ...
meaning from
De la même manière, il n’y a pas de définition partagée de l’Intelligence Artificielle (IA).
every day
Il s’agit aujourd’hui plus d’un terme marketing regroupant un ensemble de moyens experience.
technologiques permettant de réaliser des analyses automatiques à grandes échelles en émulant
ou mimant le fonctionnement du raisonnement humain.
- unknow
On différencie malgré tout les IA « faibles » permettant de comprendre une question et d’y
répondre en piochant dans un corpus d’information (ex: IBM Watson Explorer) et les IA « fortes »
qui sont capables de prendre réellement des décisions, d’agir en autonomie et pourquoi pas
développer des sentiments (ex: Skynet de Terminator).
Partant de ce constat, nous préférons utiliser le terme de système cognitif pour décrire les
systèmes existants et l’état de l’art du marché.
9
intelligence artificielle
SYSTÈME COGNITIF
Les systèmes cognitifs sont des systèmes complexes de traitement de l’information, capables d’acquérir, de mettre en œuvre
et de transmettre des connaissances. Ils sont capables d’apprendre en suivant un mécanisme éducatif et poursuivre leur
apprentissage de façon autonome de part l’interaction avec les utilisateurs et par de nouvelles situations. Ils comprennent et
s’expriment en langage naturel.
Un système cognitif raisonne de la même manière qu’un humain, en
suivant un processus cognitif en 4 étapes … … et développe ainsi 4 capacités majeures :
Il observe son environnement, il ADAPTATIF INTERACTIF
1 perçoit et recueille les informations
de son entourage.
Il prend en compte l’évolution Il interagit facilement avec
des informations et tient les utilisateurs pour qu’ils
Il interprète ses perceptions et
compte des changements puissent définir leurs besoins
2 construit une vue conceptuelle de
d’objectifs. facilement.
son environnement.
Il évalue ses interprétations en
3 fonction de son contexte et de ses ITÉRATIF CONTEXTUEL
connaissances.
Il se souvient des anciennes Il peut comprendre, identifier
Il décide de façon autonome sur base réponses et interactions pour et extraire des éléments
4 de son évaluation et de son indice de ré-utiliser ces informations contextuels (définitions,
confiance. comme base de syntaxes, dates, lieux,
connaissance. domaines, lois…).
10intelligence artificielle EXPERIENCE CLIENT
DOMAINES D’APPLICATION Proposer de nouveaux modes d’interaction
Enrichir le parcours client
Personnaliser la relation client
Améliorer la connaissance client et son
Les systèmes cognitifs se répandent exploitation
peu à peu à travers les différentes
Prévoir le besoin client & adapter l’offre en
industries. Leur rayon d’action prédictif
s’agrandit et ils peuvent désormais
compléter tous les niveaux de la
chaine de valeur des entreprises.
INTELLIGENCE & FONCTION
D’ENTREPRISE
Anticiper les évolutions de marché
Automatiser les processus et fonctions
d’entreprise
Optimiser la performance des services
Compléter la stratégie d’entreprise
Rechercher de nouveaux axes de valeur
Exploiter et valoriser les données internes 11intelligence artificielle
LES OUTILS DU COGNITIF
Pour fonctionner, un
système cognitif s’appuie
sur 6 familles d’outils
N LP Natural Language
Processing KR Knowledge
Representation CV Computer
Vision
TRAITEMENT REPRÉSENTATION DES VISION PAR ORDINATEUR
technologiques : AUTOMATIQUE DU CONNAISSANCES
LANGAGE NATUREL
Assurer l’interactivité homme – Représenter les informations à Etre en capacité d’acquérir, de traiter,
machine, en comprenant ET générant propos du monde permettant de d’analyser et de comprendre des
du langage naturel. résoudre des tâches complexes. images.
Utilisation : traduction, génération de Utilisation : Réseau sémantique, Utilisation : reconnaissance
résumés, analyse sentimentale… cadre, ontologie… d’objets, restauration d’images…
AR Automated
Reasoning ML Machine
Learning R Robotic
RAISONNEMENT APPRENTISSAGE ROBOTIQUE
AUTOMATISÉ AUTOMATIQUE
Comprendre les différents aspects du Apprendre sans avoir été Etre en capacité de mouvoir des
raisonnement explicitement formaté en extrayant la objets et interagir avec le monde
Utilisation : Logique et calcul, logique connaissance de la donnée. physique..
floue, inférence Bayésienne… Utilisation : Filtre anti-spam, moteur Utilisation : Robotique spatiale,
de recherche, vision par ordinateur… système de guidage…
12intelligence artificielle
DIFFÉRENTS SYSTÈMES COGNITIFS
On dénombre 6 familles de systèmes cognitifs caractérisées par leur spectre de capacités et d’intervention :
Robot Assistant Système Système Intelligence Intelligence
d’interaction Personnel Expert autonome Spécialisée multifonction
Robot ou chat bot qui Interface personnalisée Logiciel d'aide à la Système robotisé et/ou Système intelligent Système cognitif
interagit avec des permettant de contrôler décision capable de automatisé interagissant développé pour répondre pluridisciplinaire
humains permettant de des systèmes par répondre à des questions, avec le monde réel et à une problématique autoapprenant au spectre
renseigner les gens, leur interaction naturelle en effectuant un remplaçant l’humain complexe précise d’intervention étendu
donner de l’information, raisonnement à partir de
les accueillir faits et de règles connues
Pepper, Léa SNCF Apple Siri, Amazon Echo Wesave, IBM Watson Tesla autopilot, Deep Blue, Alphago, Salesforce Einstein, IBM
Oncology Automation Anywhere DeepDream Watson
NLP KR NLP KR AR NLP KR AR ML AR ML CV R KR AR ML NLP KR AR ML
DONNEES : DONNEES : DONNEES : DONNEES : DONNEES : DONNEES :
structurées structurées structurées non structurées non structurées structurées non structurées structurées non structurées
Sophistication
13CAS D’USAGE Utilisation
Les systèmes cognitifs se
répandent peu à peu à travers
les différentes industries. Leur
rayon d’action s’agrandit…
Quelles applications du cognitif
sont aujourd’hui possibles ?
Pour quelles industries ?
14CAS D’USAGE exemples inspirants
outils
cognitifs
Netflix
Mise en place d’analyse prédictive de masse pour réaliser des
Recommandation iTunes AR ML
recommandations personnalisées aux clients finaux
Pandora
NLP AR
Refonte du parcours client à l’aide de capacités cognitives pour Northface : IBM Watson
Parcours client
agréger des données diverses et enrichir l’expérience client Facebook ML
Mise en place de nouvelles interfaces client en langage naturelle :
DBS – MyKai/Kasisto NLP KR
chat bot, reconnaissance vocale
Interaction
Client
Renault : Pepper NLP KR
Utilisation de robot d’interaction pour assurer la relation client sur
First Commercial Bank :
site physique
Pepper R
DBS : IBM Watson Wealth NLP KR
Exploitation d’un système d’aide à la décision pour accompagner
Expertise Management
le collaborateur / expert dans son travail quotidien
Wesave AR ML
CIC - Crédit Mutuel : IBM NLP AR
Analyse et catégorisation automatique des interactions mails
Watson
clients
Automatisation Société Générale - OWI ML
des traitements /
Gestion des flux KR AR
Mise en place de Robotic Process Automation pour automatiser ANZ : Automation
les processus de traitement interne Anywhere ML
15cas d’usage
GESTION INTERACTION CLIENTS (1/2)
La répartition des flux clients entre les canaux évolue. Le développement de l’omni-canalité transforme la relation
client en une multitude d’interactions clients successives sur les différents médias.
L’entreprise doit adapter ses services en charge de la relation client et ses outils pour assurer la cohérence et la fluidité
de ces interactions clients et ainsi construire une conversation avec le client.
Les plateformes multicanal dites « d’engagement client » transversalisées et construites autour du concept
d’interaction client se répandent. Ces plateformes mettent en place un point de convergence des interactions et
utilisent les données clients : profil, préférence, historique d’interaction… pour dispatcher et traiter les interactions
clients en fonction de différentes règles métier prédéfinies.
Il est aujourd’hui possible d’enrichir ces systèmes à l’aide de services cognitifs permettant d’analyser les demandes
pour comprendre l’intention du client, l’objet réel de la demande, son degré d’urgence et l’état d’esprit du client sur base
du vocabulaire et de la grammaire utilisés. Il est alors possible de gérer les flux en fonction de leur contenu et de
faciliter leur traitement en proposant ou en automatisant la réponse.
16cas d’usage
GESTION INTERACTION CLIENTS (2/2)
La gestion d’interaction clients peut être enrichie à l’aide de systèmes cognitifs :
17http://kasisto.com/kai/
cas d’usage
CHATBOT
MyKAI
DBS lance en 2016 un premier chatbot sur Facebook Messenger en utilisant l’offre MyKai de Kasisto. L’expérience,
concluante en Inde et à Singapore, est reproduite dans les filières du groupes (POSB,…).
Kasisto met à disposition une plateforme offrant des services de conversation et notamment un chatbot spécialisé
dans le domaine bancaire.
18https://www.youtube.com/watch?v=VULXuEUn2JI
cas d’usage
PEPPER
First Commercial Bank
La First Commercial Bank a embauché le robot Pepper dans ses
agences pour accueillir la clientèle et assurer le premier niveau
de renseignement.
Le robot est réellement « embauché » puisqu’il perçoit un
« salaire » (perçu par son propriétaire).
19cas d’usage
ROBO ADVISOR
IBM Watson Wealth Management
IBM Wealth Management est une solution
offrant de nombreux services d’analyse
pour accompagner la gestion de
portefeuilles patrimoniaux.
Cette solution permet d’analyser les profils
et comportements des clients et d’étudier
diverses sources d’informations pour gérer
mieux les patrimoines et proposer les
meilleures corrélations de produits aux
clients.
Watson intervient dans l’analyse des profils
clients et dans la recherche et
l’accompagnement de la gestion du
patrimoine.
20cas d’usage
ROBOTIC PROCESS AUTOMATION (RPA)
AUTOMATION ANYWHERE
La banque australienne ANZ a adopté le RPA en 2015 en Inde en utilisant la solution de Automation Anywhere.
L’objectif de cette implémentation était de résoudre le problème de charge saisonnière et des recrutements.
Résultat : un processus de paiement automatisé a permis de réduire une équipe de 40 personnes à seulement 2
personnes.
21cas d’usage
GESTION DES MAILS
CREDIT MUTUEL
La filiale technologique du groupe Crédit Mutuel,
Euro-Information, achète IBM Watson en fin d’année
2015 pour réaliser un ensemble d’expérimentations.
En fin d’année 2016, le Crédit Mutuel lance la phase
pilote de son analyseur de mail réalisé avec IBM
Watson. Cet outil permet d’analyser automatiquement
le contenu des mails clients, de les catégoriser en
fonction de leur thème et de l’urgence de la demande.
Un ensemble de réponse type a été créé pour
répondre aux demandes les plus répandues. Watson
priorise donc les emails et associe à une réponse type
avant de les proposer aux conseillers.
22cas d’usage
PROCHAIN FILM ?
NETFLIX
Netflix utilise de nombreux
algorithmes de prédiction pour
recommander le prochain film
ou série que vous pourriez
vouloir regarder.
De la même manière Amazon,
iTunes, Pandora et d'autres
entreprises utilisent des
analyses prédictives similaires
pour faire de meilleures
recommandations.
Netflix va encore plus loin en
utilisant ces informations pour
décider de ce que les studios
devraient réaliser pour répondre
à la demande.
23cas d’usage
Expert Personal Shopper
The North Face
En partenariat avec Fluid (éditeur de site de
e-commerce), The North Face a mis en
place un micro site dédié à la vente
spécialisée de manteaux.
Ce micro site propose les services d’un
« Personal Shopper » en apportant les
conseils d’un expert sur le domaine des
manteaux techniques (vendus par The
North Face).
Fluid met en place des capacités cognitives
pour interagir avec le client par des
questions réponses, puis agrège des
données de sources variées pour
sélectionner les produits les plus pertinents
selon le contexte.
24cas d’usage
AUTOPILOT
TESLA
Les modèles Tesla sont équipés
d’un système d’autopilotage
constitué de 8 caméras et
différents radars.
La voiture est ainsi capable
d’identifier son environnement,
déterminer les potentiels dangers,
de définir son allure, choisir son
chemin et ainsi se conduire toute
seule.
25
https://www.tesla.com/fr_FR/autopilotcas d’usage
EINSTEIN
SALESFORCE
« Salesforce Einstein intègre de l'intelligence
artificielle (IA) au cœur de la plateforme
Salesforce, pour en faire le CRM le plus intelligent
au monde. Il apporte des capacités d'IA avancées
aux outils de vente, service client et marketing. »
Salesforce met ainsi à disposition sur sa
plateforme des services cognitifs déployables
rapidement permettant d’enrichir les campagnes
marketing, de coacher les vendeurs ou
d’accompagner les services clients en exploitant
la donnée client.
En plus de ces services accessibles clés en main,
il est également possible de développer ses
propres algorithmes à l’aide des outils de la
plateforme.
26
https://www.salesforce.com/fr/products/einstein/overview/cas d’usage
GOOGLE HOME
GOOGLE Google Home est l’extension à domicile de Google Assistant précédemment développé
sur mobile. Cet assistant donne accès à de nombreuses fonctionnalités à travers une
interface vocale.
Google Home interagit donc en langage naturel, peut reconnaitre les personnes par
leur voix, accède à un corpus d’informations et d’actions et apprend de chaque
interaction pour personnaliser peu à peu les échanges.
27
https://madeby.google.com/home/APPROCHE
WEAVE De la théorie à la
pratique
L’écosystème du cognitif
explose, les industries
adoptent les systèmes
cognitifs et inscrivent l’IA à leur
plan stratégique.
Par où commencer ?
Comment transformer
l’excitation du marché en
fonctionnalités réelles ?
28approche weave
TRANSFORMATION D’ENVERGURE
L’entrée dans l’ère cognitive représente une vraie transformation pour les systèmes
d’information comme pour leurs utilisateurs :
o Transformation économique : une évolution des modèles économiques et nouveaux axes
de développement de valeur
o Transformation méthodologique : de nouvelles approches et méthodes de travail sont à
adopter
o Transformation technologique : de nouvelles infrastructures techniques sont nécessaires
o Transformation humaine : des changements humains importants dans l’appréciation et
l’utilisation des nouvelles technologies
Une transformation d’envergure nécessitant de construire un plan d’action prospectif robuste
qui tire partie des capacités de l’existant et permet un éclairage pertinent sur la trajectoire à
suivre.
29approche weave
PLAN DE TRANSFORMATION COGNITIVE
Pour aborder cette transformation d’envergure, nous vous proposons d’adopter une stratégie en 3 étapes
clés :
01.Stratégie Cognitive 02.Expérimentation 03.Industrialisation
Définition de votre stratégie Construction de vos premières Déploiement des solutions
cognitive en analysant votre solutions cognitives en concluantes à une échelle
existant, en inventoriant vos exploitant les architectures cloud industrielle en vous dotant des
données disponibles et en based infrastructures nécessaires
priorisant les cas d’utilisation
cognitifs de valeur
Mesure
Données MVP
Diagnostic
Services Autres
Priorisation
CAS D’USAGE Cas d’usage Cognitifs Services
validé et
& développé
VALEUR METIER dans le
cloud
API
Appren-
tissages Réalisa- Services
Core IT
tion Dédiés
DONNEES
Cas
d’usage
30approche weave
UNE ATTENTION SPECIFIQUE POUR LA DATA
La data est au cœurs des systèmes cognitifs.
Cette dépendance à l’information produit deux problématiques majeures pour les entreprises :
LE PATRIMOINE DATA LE PRINCIPE GIGO
Pour fournir de la valeur, les systèmes cognitifs doivent Le principe « Garbage in = Garbage out » est
absorber une grande quantité d’informations. Un prérequis fondamental dans l’apprentissage des systèmes cognitifs.
pour mettre en place et utiliser un système cognitif est Les données de base utilisées pour construire le système
alors de posséder suffisamment de patrimoine data doivent être de qualité. C’est-à-dire, être le plus fidèle à la
pour construire la base de connaissance de départ. réalité, posséder une forte représentativité, constituer une
Pour compléter votre patrimoine, il existe certains volumétrie et un historique suffisants. La performance du
patrimoines ouverts (open source - notamment pour le système repose sur l’entrainement et particulièrement sur
NLP), d’autres pouvant être achetés auprès de partenaires. les données utilisées lors de cet entrainement.
La maîtrise de vos données est primordiale pour démarrer La préparation amont des données représente un effort
l’aventure. important et nécessaire.
weave.data vous accompagne pour répondre à ce double enjeu de la data et vous facilite la
mise en place des capacités cognitives au cœur de vos systèmes d’informations.
31approche weave
NOTRE ECOSYSTEME
En quête de solutions et face aux turbulences, nous faisons le choix du travail en écosystème,
source de nouveaux points d’appui et d’inspiration perpétuelle pour vous et nous. Le conseil en « stratégie
Le concept de conseil en « stratégie augmentée », que nous avons déposé, traduit notre augmentée », fruit de
volonté d’approcher le conseil en intégrant de nouvelles dimensions : l’hybridation entre le
l’approche par les usages conseil en stratégie
l’expérimentation opérationnelle et de
la data, nouvelle source de vision et de business models nouvelles compétences
Stratégie Opérationnelle Veille dédiée à l’intelligence
Conseil Métier & Technologique artificielle > ia.weave.eu
Weave.air
Design Thinking, Business Design
Weave Data : Machine Learning,
mathématiques appliquées
Incubation des Start up
de notre écosystème
Expérimentation, POC Lab 32approche weave
NOS REFERENCES, NOS ACCELERATEURS
Nos références :
Secteur financier - Accompagnement de la Banque régionale - Moteur de Lessivier - Prototypage rapide de solution
transition digitale d’un acteur du conseil recommandation d’offres bancaires exploitant d’objets connectés : boule doseuse connectée
boursier à distance les comportements clients
Design Thinking sur les usages liés à la Finance Réaliser un moteur de recommandation sous forme de Conduite d’un POC évaluant l’opportunité d’une boule
Comportementale des boursicoteurs et POC d’une appli POC pour prédire en fonction du profil et comportement doseuse connectée collectant les données d’utilisation
dédiée (et déployée auprès des conseillers à distance) client, la ou les prochaines offres auxquelles il pourrait par le consommateur final lors des cycles de lavage à
sur plateforme Apple/IOS souscrire par canal l’aide de 6 capteurs embarqués et de l’exploitation du
réseau Sigfox,
Pour accélérer la transformation et se lancer tout de suite dans le cognitif, nous pouvons employer trois
accélérateurs :
DESIGN THINKING WEAVE.DATA HACKATHON
Avec notre AIR Lab, il est possible de réaliser Notre Business Unit weave.data vous Il est également envisageable d’organiser un
une première itération de la démarche en accompagne dans la convergence des hackathon avec des acteurs internes et notre
suivant la méthodologie du Design Thinking, différentes dimensions de la Data : écosystème qui vous permettra d’ouvrir les
vous permettant d’aboutir à un premier ▪ Data Strategy & Governance horizons des sujets traités et de construire
prototype de solution (POC/MVP) et de ▪ Data Maturity Scope des premières solutions.
garantir l’adhésion des utilisateurs et la ▪ Data Factory
qualité des ergonomies (UX/UI). ▪ Data Mobile App
33GET IN TOUCH !
Laurent HELLE Bastien MARICHAL
Associé Banque & Assurance Explorateur Cognitif
laurent.helle@weave.eu bastien.marichal@weave.eu
06 76 97 17 26 06 20 10 52 58
Christophe VALLET Pirmin Lemberger
Associé weave.data Directeur Scientifique IA
Christophe.vallet@weave.eu Pirmin.lemberger@weave.eu
07 88 75 50 36
3435
Our machines should be nothing more than
tools for extending the powers of the human
beings who use them.
Thomas Watson Jr.
36ANNEXE
37ANNEXE
LIVRET BLANC INTELLIGENCE ARTIFICIELLE IA.WEAVE
GLOSSAIRE
TEST DE TURING
FILMOGRAPHIE
LIENS UTILES
GESTION INTERACTION CLIENTS
38LIVRET BLANC INTELLIGENCE ARTIFICIELLE WEAVE
Retrouvez notre livre blanc consacré à l’intelligence artificielle sur http://ia.weave.eu
39GLOSSAIRE
Certains termes associés à l’IA sont utilisés
principalement à des fins de marketing, tandis
que d'autres sont plus techniques…
Voici quelques définitions pour les termes
communs qu’il est possible d’entendre.
C’est un bon point de départ si vous souhaitez
développer l’IA au sein de votre organisation.
40GLOSSAIRE
INTELLIGENCE ARTIFICIELLE (IA) : il n’existe pas de définition partagée de ce concept, qui
correspond plus aujourd’hui, à un terme marketing désignant tout système qui « pense de la
même manière que les êtres humains ». L’IA est en réalité composé d’un ou plusieurs
systèmes cognitifs permettant de rassembler les capacités de raisonnement, de
planification, d’apprentissage et d’interaction en langage naturel.
SYSTÈME COGNITIF : les systèmes cognitifs sont des systèmes complexes de traitement
de l’information, capables d’acquérir, de mettre en œuvre et de transmettre des
connaissances. Ils sont capables d’apprendre en suivant un mécanisme éducatif et
poursuivre leur apprentissage de façon autonome de par l’interaction avec les utilisateurs et
de nouvelles situations. Ils comprennent et s’expriment en langage naturel. Ils constituent le
« cerveau » de l’IA.
41GLOSSAIRE
ALGORITHME : correspond à une suite finie et autonome d’opérations ou d'instructions
permettant de résoudre un problème ou d'obtenir un résultat. La définition d’algorithme
permet d’automatiser des processus ou des analyses. Par exemple, les algorithmes de
recommandation de Netflix peuvent prédire les films qu'un consommateur voudrait
regarder en fonction de leur historique de visualisation.
MACHINE LEARNING (ML) : ou apprentissage automatisé, désigne la conception, l'analyse,
le développement et l'implémentation de méthodes permettant à un ordinateur d'évoluer
par un processus systématique (apprentissage), et ainsi de remplir des tâches difficiles ou
problématiques à remplir par des moyens algorithmiques plus classiques. Par exemple, le
moteur de machine learning de Facebook utilise des algorithmes et des points de données
pour montrer à un utilisateur des amis suggérés, afficher des annonces pertinentes et
détecter le spam.
DEEP LEARNING : est une branche du machine learning qui utilise des algorithmes
complexes imitant le réseau neuronal du cerveau pour apprendre un domaine avec peu ou
pas de supervision humaine. Par exemple, Google Photos utilise le deep learning pour la
reconnaissance faciale des photos.
42GLOSSAIRE
RÉSEAUX DE NEURONES : approche informatique qui modélise de manière souple
comment le cerveau résout les problèmes avec des couches d'entrées et de sorties. Plutôt
que d'être programmés, les réseaux sont formés avec plusieurs milliers de cycles
d'interactions et entrainés sur des jeux de données avant d’être exploités.
DATA MINING : ou exploration de données a pour objet l’extraction de connaissances à
partir de grandes quantités de données, par des méthodes automatiques ou semi-
automatiques. Pour réaliser cette extraction, un ensemble d’algorithmes est utilisé en
s’appuyant sur des analyses statistiques ou bien du machine learning.
BIG DATA : désigne un ensemble très volumineux de données provenant de sources
diverses et variées. Par exemple : messages de réseaux sociaux, vidéos, documents, photos,
informations climatiques, signaux GPS, enregistrements transactionnels d’achats en ligne
et bien d’autres encore… Le Big Data est désormais un buzzword mélangeant la donnée, les
outils, la technologie et les usages adhérents à ces amas de données. L’objectif reste
néanmoins de tirer profit de l’analyse des données en masse par la découverte de patterns.
43GLOSSAIRE
ANALYSE PREDICTIVE : est une branche de l’analyse avancée des données utilisée pour
prévoir des événements futurs inconnus en fonction de modèles de données historiques.
Elle est notamment à l’origine des offres marketing qui deviennent plus pertinentes à
chaque fois que vous agissez (ou vous vous abstenez d’agir) à la suite d’une offre reçue par
e-mail.
NATURAL LANGUAGE PROCESSING (NLP) : ou traitement automatisé du langage naturel
est le domaine d’étude dans lequel les machines sont formées pour comprendre le langage
humain. Il est utilisé pour les traductions automatiques, les chatbots ou les assistants
personnels et permet plus généralement de faciliter les interactions homme - machine
PARSING : est le processus d’analyse du texte permettant de le passer au crible des règles
de grammaire ou de syntaxe. Il s’agit de l’étape préliminaire au traitement automatisé du
langage naturel. Sur base la du parsing, les algorithmes de classification permettent de
déterminer un champs lexical, un sentiment / intention et un sens au texte.
44A computer would deserve to be called
intelligent if it could deceive a human into
believing that it was human.
Alan Turing
45TEST DE TURING
En 1950, Alan Turing défend dans son article « Les machines savent-elles penser ? », que toute
fonction humaine est traduisible sous forme d'algorithme, et qu’il est alors possible qu'un
automate puisse faire ce qu'un homme sait faire, à condition de lui fournir un programme de
travail adéquat.
Il met au point un test pour évaluer « l’intelligence » d’une
machine :
– Un examinateur est confronté à deux entités dissimulées : un
humain et un ordinateur
– L’examinateur adresse les mêmes questions aux deux entités.
– L’examinateur doit en fonction des réponses déterminer quelle
entité est l’ordinateur.
Le test est passé par l’ordinateur si l’examinateur est
incapable de différencier les deux entités.
46TEST DE TURING
Ce test pose plusieurs questions sur nos attentes vis-à-vis des machines « intelligentes ».
Pour réussir ce test, il ne s’agit pas uniquement d’apporter la meilleure réponse le plus rapidement possible et
en pouvant la justifier de meilleure façon possible, il faut pouvoir offrir une réponse qu’un être humain puisse
fournir. Il est alors nécessaire de simuler le comportement humain, ajoutant des approximations,
introduisant des erreurs volontaires et des lenteurs dans la réponse… De la même façon, il est envisageable
de pouvoir introduire du mensonge pour me tromper le testeur et assumer une part de « personnalité » de
la machine. La machine peut assumer ne pas répondre à un thème récurrent (ex: la météo) en prétextant ne
pas être la miss météo (par exemple). Enfin l’expression doit porter l’approximation humaine (faute de
grammaire, hésitation, expressions…)
En réalité, passer le test de Turing réside plus dans l’imitation des biais humain que dans la recherche d’une
intelligence complète : nous ne cherchons plus la machine la plus efficace et la plus juste mais une machine
suffisamment intelligente pour ressembler à un être humain et se confondre avec nous…
A plusieurs reprises dans l’histoire informatique, des
systèmes ont pu « réussir » le test de Turing en trompant
l’humain sur un périmètre ou cas d’utilisation fermé et
bien précis. Aucune machine n’a encore réalisé le test sur
un éventail large d’interaction et de sujets.
47FILMOGRAPHIE
CHAPPIE
Sortie : 2015
Directeur : Neill Blomkamp
Scenariste : Neill Blomkamp,
Terri Tatchell
Avec: Sharlto Copley, Dev Patel,
Hugh Jackman
EX MACHINA
Sortie : 2015
Directeur : Alex Garland
Scenariste : Alex Garland
Avec: Alicia Vikander, Domhnall
Gleeson, Oscar Isaac
48FILMOGRAPHIE
HER
Sortie : 2013
Directeur : Spike Jonze
Scenariste : Spike Jonze
Avec: Joaquin Phoenix, Amy Adams,
Scarlett Johansson
I, ROBOT
Sortie : 2004
Directeur : Alex Proyas
Scenariste : Jeff Vintar
Avec: Will Smith, Bridget Moynahan,
Bruce Greenwood
49FILMOGRAPHIE
TRANSCENDENCE
Sortie : 2014
Directeur : Wally Pfister
Scenariste : Jack Paglen
Avec: Johnny Depp, Rebecca Hall,
Morgan Freeman
THE IMITATION GAME
Sortie : 2015
Directeur : Morten Tyldum
Scenariste : Graham Moore,
Andrew Hodges
Avec: Benedict Cumberbatch, Keira
Knightley, Matthew Goode
50LIENS UTILES
Harvard Business Review THE VERGE DISTILL
The Competitive Landscape for Artificial Intelligence Latest articles about machine
Machine Intelligence learning
Le site éditorial THE VERGE possède une
Harvard Business Review s’intéresse de près rubrique dédiée à l’intelligence artificielle et Distill a été lancé par Google et a pour
aux évolutions technologiques liées à diffuse l’ensemble de l’actualité assocée. objectif de regrouper, de partager et faciliter
l’intelligence artificielle et à ses différents Des articles de fond sont aussi publiés tel la compréhension des publications autour
impacts sur la société et l’économie. Un que : “What counts as artificially intelligent? du machine learning. Le contenu est
panorama de la concurrence est publié AI and deep learning, explained” régulièrement enrichi des dernières
régulièrement. publications majeures
https://goo.gl/oSLwtw https://goo.gl/2alJtm http://distill.pub
51Vous pouvez aussi lire
