Innovation Internet des Objets

Des applis plus « intelligentes » avec le deep learning

25 octobre 2016

author:

Des applis plus « intelligentes » avec le deep learning

Alors que l’IA, l’intelligence artificielle, est considérée comme une évolution incontournable pour accompagner les entreprises dans leur mutation digitale, cette révolution technologique, appelée aussi « information cognitive », commence à investir le marché pour offrir aux entreprises, aux DSI et aux métiers, notamment avec le machine learning et le deep learning, de nouveaux services plus « intelligents ».

Certes, les usages sont naissants et les services encore émergents. Mais la reconnaissance d’images, la reconnaissance faciale ou encore textuelle sont autant de technologies d’intelligence artificielle qui viennent puiser dans le machine learning ou le deep learning pour trouver leurs applications dans de nombreux domaines, comme la sécurité, la défense, la banque, la santé… Parfois associées au Cloud, qui en permet le déploiement et l’exploitation souple, ces technologies donnent naissance à des services de plus en plus intelligents. Les métiers vont en profiter, même s’ils vont devoir s’adapter, et les DSI trouvent là de nouvelles ressources pour servir les utilisateurs internes de l’entreprise.

Machine learning et deep learning : les solutions sortent des labos

Rappelons que le machine learning peut se définir comme l’apprentissage automatique qui
permet à l’ordinateur d’apprendre de ses propres expériences. Le deep learning (littéralement apprentissage profond) est un type d’application de l’apprentissage automatique, et plus précisément une évolution des systèmes dits de « réseaux de neurones ». Il parvient à résoudre des problèmes plus complexes, grâce à un nombre élevé de « neurones » et de réseaux qui forment un système censé fonctionner à l’image du cerveau.
Cela sort des labos. Tous les grands acteurs de l’informatique et du digital travaillent à de telles solutions dont bien sur Microsoft, avec la particularité de la solution Azure qui permet, grâce au Cloud, d’intégrer plus facilement ces technologies dans des applications. Le module Azure ML, par exemple, permet de développer des applications intégrant du machine learning, comme cela a été le cas, avec Sopra Steria, pour une solution innovante du pilotage de l’activité officinale dans les pharmacies. Quant à l’assistant personnel Microsoft Cortana, il est directement déployable dans Azure.

Les solutions entrent dans l’entreprise via ses API

On assiste à une forte accélération dans ce domaine. De façon générale, ces technologies permettent d’aborder de mieux en mieux ces problématiques de reconnaissance (d’images, textuelle…), et de les déployer, de les embarquer. Ce qui donne naissance à de nombreuses applications, dont les plus connues sont la reconnaissance vocale sur les smartphones. La reconnaissance, vocale ou faciale, est désormais embarquée, et l’interaction homme-machine fortement améliorée. Arrive aussi la reconnaissance des empreintes qui touche de plus en plus de secteurs. Le tout, de façon transparente pour l’utilisateur.
Reste à implémenter de telles techniques. Comment, en effet, intégrer ces couches embarquées ? Microsoft a placé directement dans Azure des modules d’intelligence artificielle, notamment de machine learning et de deep learning, que les développeurs peuvent exploiter assez simplement. La société a aussi mis en open source sa bibliothèque deep learning, a créé son propre moteur de deep learning sur la base de Minecraft…
Bref, ces technologies sont de plus en plus ouvertes et parfaitement fonctionnelles. Et, véritable nouveauté, elles sont disponibles via des API – comme les Microsoft Cognitive Services – directement intégrables pour les développeurs qui souhaitent intégrer des services de reconnaissance d’images, de visages, de sourires, de tons de voix, d’émotions même…

Un impact fort sur les métiers

Cela s’insère bien sûr dans la tendance de fond de la transformation digitale : parmi les drivers de celle-ci, aux côtés de la mobilité, des IoT (objets connectés) et des smart machines, la data science (autre nom de l’IA) figure en bonne place. L’intégration est assez simple, et les vraies problématiques que l’on rencontre sont celles de l’apprentissage des machines elles-mêmes. Elles se gomment naturellement avec le temps, car c’est le principe du machine learning.
Les principaux freins restent humains : l’acceptabilité des systèmes, et l’impact sur les métiers, des métiers qui changent, des redéfinitions à effectuer. Du travail encore à faire sur ce plan…

Leave a comment

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *