Veille technologique
L'Intelligence Artificielle (I.A.)
Définition :
L'intelligence artificielle (IA) est l'ensemble des théories et des techniques mises en œuvre en vue de réaliser des machines capables de simuler l'intelligence humaine.
Historiquement, l'idée d'intelligence artificielle semble émerger dans les années 1950 avec Alan Turing dans un article où il se demande si les machines peuvent penser.
L'IA est très présente au XXIe siècle. Elle peut permettre par exemple à :
- la machine détermine précisément le contenu d'une image pour ensuite la classer automatiquement selon l'objet, la couleur ou le visage repéré.
- Les algorithmes sont en mesure d'optimiser leurs calculs au fur et à mesure qu'ils effectuent des traitements. C'est ainsi que les filtres anti-spam deviennent de plus en plus efficaces au fur et à mesure que l'utilisateur identifie un message indésirable ou au contraire traite les faux-positifs.
- La reconnaissance vocale a le vent en poupe avec des assistants virtuels capables de transcrire les propos formulés en langage naturel puis de traiter les requêtes soit en répondant directement via une synthèse vocale, soit avec une traduction instantanée ou encore en effectuant une requête relative à la commande.
Un potentiel infini :
Les possibilités de l'IA semblent s'accroître de manière exponentielle.
Ces dernières années, nous sommes passés du simple chat bot
à l'utilisation de l'intelligence artificielle pour l'aide à la prise
de décisions cruciales, que ce soit dans le domaine médical ou
militaire.
Avec des champs d'applications si divers, les besoins en
experts des données se font sentir dans nombre de secteurs d'activité.
C'est notamment le cas des acteurs de la Banque et des assurances qui
n'ont pas hésité à se préparer aux métiers de demain, avec des écoles
spécialisées et des formations pour devenir Data Analyst par exemple.
Alors
qu'en 2015 le marché de l'intelligence artificielle pesait 200 millions
de dollars, on estime qu'en 2025, il s'élèvera à près de 90 milliards de dollars.
Sources : https://www.futura-sciences.com/tech/definitions/informatique-intelligence-artificielle-555/
Dans ce domaine, nous allons nous intéresser plus particulièrement au Machine Learning et au Deep Learning.
Le Machine Learning
Le Machine Learning (ML), ou apprentissage automatique, ou apprentissage
statistique est un sous-ensemble de l'intelligence artificielle. Elle consiste à laisser des algorithmes découvrir des "patterns", à savoir des motifs récurrents, dans les ensembles de données. Ces données peuvent être des chiffres, des mots, des images, des statistiques... Tout ce qui peut être stocké numériquement peut servir de données pour le Machine Learning. En décelant les patterns dans ces données, les algorithmes apprennent et améliorent leurs performances dans l'exécution d'une tâche spécifique.
Le machine learning a marqué un tournant dans l'IA. Avant lui, nous
tentions d'apprendre aux ordinateurs les moindres détails de chaque
décision qu'ils devaient prendre. Son approche est radicalement différente. La machine apprend toute seule en ingérant d'énormes quantités de données et en détectant des schémas récurrents. Pour fonctionner, nombre d'algorithmes de ML font appel à des formules statistiques et au Big Data (Ensembles de très gros volumes de données), c'est grâce aux avancées en matière de Big Data et à la quantité de données collectées que le machine learning est devenu opérationnel.
Sources : https://www.lemagit.fr/conseil/IA-machine-learning-deep-learning-quelles-differences - https://datascientest.com/machine-learning-tout-savoir
Le Deep Learning
Le deep learning (DL) est un sous-ensemble du machine learning. Si cette approche implique toujours que la machine apprenne à partir de données, elle constitue un nouveau jalon important dans l'évolution de l'IA. Le deep learning a été développé à partir de notre connaissance des réseaux neuronaux. L'idée d'élaborer une IA qui repose sur des réseaux neuronaux remonte aux années 80, mais ce n'est qu'à partir de 2012 que le deep learning a réellement percé. Tout comme le machine learning doit son essor au big data, le deep learning doit son adoption à la puissance de calcul devenue disponible à moindre coût (ainsi qu'aux avancées de ses algorithmes).
Sources : https://www.lemagit.fr/conseil/IA-machine-learning-deep-learning-quelles-differences - https://datascientest.com/deep-learning-definition
L'IA dans le monde professionnel
Presque toutes les industries sont affectées par l'IA. Le Machine learning et le Deep Learning y jouent un grand rôle. Que vous soyez un professionnel de la santé ou un avocat, il est possible qu'un jour un modèle hautement autonome vous assiste ou même vous remplace. Dans les métiers de la santé, il existe déjà des applications pour automatiquement diagnostiquer un patient. Les métiers de l'automobile sont également bousculés avec l'arrivé de la conduite assistée. C'est aussi grâce au deep Learning que le modèle Alpha Go de Google a réussi à battre les meilleurs champion de Go en 2016. Le moteur de recherche du géant américain est lui-même de plus en plus basé sur l'apprentissage par deep Learning plutôt que sur des règles écrites. Aujourd'hui le deep Learning est même capable de « créer » tout seul des tableaux de peintre. C'est ce qu'on appelle le Style Transfer.