Intelligence Artificielle

L’intelligence artificielle à l’assaut des entreprises

28 mai 2018

L’intelligence artificielle à l’assaut des entreprises

L’année 2018 va voir se multiplier les applications opérationnelles de l’IA. Marketing, maintenance, logistique, contrôle, ressources humaines… toutes les activités seront concernées. Nos conseils pour ne pas passer à côté de cette révolution.

La rumeur court dans les milieux pharmaceutiques depuis quelques semaines : « Le responsable d’un grand laboratoire pharmaceutique français devait repositionner une molécule arrivée en fin de développement, mais qui ne donnait pas les résultats escomptés. Il a fait plancher en parallèle ses équipes et une solution d’intelligence artificielle, à base de réseaux de neurones : il a obtenu la même réponse, en trois semaines des humains, en 48 heures de l’IA… »

L’histoire – invérifiable – est révélatrice de l’engouement mais aussi des fantasmes que suscite actuellement l’IA, encore entourée de beaucoup de flou. Qu’appelle-t-on, aujourd’hui, l’intelligence artificielle ? Quels services peut-elle d’ores et déjà rendre aux entreprises ? Quelles sont les offres disponibles sur le marché ?

Décollage imminent

Tous les spécialistes annoncent le décollage imminent des applications concrètes de l’IA. « 2018 va voir passer l’IA de la théorie au monde pratique », estime Rand Hindi, fondateur et PDG de Snips, une start-up parisienne spécialisée dans les technologies de reconnaissance vocale : il affirme avoir été contacté par 300 prospects depuis le lancement de sa technologie, en juin dernier.

Mais qu’est-ce que l’IA aujourd’hui ? Beaucoup d’interlocuteurs ont encore du mal à le dire avec précision : « L’IA, ce sont des systèmes qui vont essayer de se rapprocher le plus possible de l’intelligence humaine », explique Romain Picard, directeur pour l’Europe du Sud, le Moyen-Orient et l’Afrique de Cloudera , une entreprise californienne spécialisée dans les logiciels d’exploitation du Big Data. « L’IA consiste à déléguer à des machines une partie des capacités humaines en termes d’intelligence, de décision et d’action », avance Mouloud Dey, directeur de l’innovation chez SAS France (logiciels d’analytique avancée).

Nous sommes en train de passer d’un monde de programmation à un monde de l’apprentissage où la connaissance, l’expertise et le savoir-être sont clefs.

La difficulté à définir l’intelligence artificielle provient tout simplement de son histoire, au cours de laquelle plusieurs approches ont été tentées (lire ci-dessous). Mais, de toute évidence, une étape décisive a été franchie avec le machine learning, plus facile d’emploi. « Avec le machine learning, on va apprendre à la machine comme à un enfant, analyse Rand Hindi. L’humain n’a pas à comprendre le phénomène pour enseigner à la machine à le reproduire » . Pour apprendre à un réseau de neurones à reconnaître une image de chat, on lui montre des images et on lui dit en sortie si c’est un chat ou pas. A aucun moment, un homme ne doit décrire ce qu’est un chat.

La fin du code

« ‘L’IA, c’est la fin du code’, comme l’avait titré le magazine ‘Wired’ en mai 2016, ajoute même Jean-Philippe Desbiolles, vice-président pour la France de  Watson, la solution d’IA d’IBM . Nous sommes en train de passer d’un monde de programmation à un monde de l’apprentissage où la connaissance, l’expertise et le savoir-être sont clefs. »

Les spécialistes estiment qu’à terme, grâce à l’IA, nous pourrons mieux détecter et comprendre les signaux faibles dans l’imagerie médicale, les images satellitaires, les analyses médicales, les bruits, les caméras de surveillance, les textes de lois, les réseaux sociaux, les déclarations fiscales, les réclamations des clients… Ils pensent aussi que le dialogue avec les ordinateurs se fera de plus en plus en langage naturel (la voix ou l’écrit avec le NLP – Natural Language Processing) ou par l’intermédiaire d’images : les résultats seront représentés sous formes d’images, y compris en 3D avec des hologrammes.

« De l’informatique qui s’améliore »

« Mais, aujourd’hui, concrètement, l’IA reste encore très modeste : nous ne sommes pas encore sur des applications de ruptures, mais sur de l’informatique qui s’améliore », prévient Julien Maldonato, associé conseil Innovation chez Deloitte. Lui et ses collègues des autres cabinets de conseil estiment que l’IA doit être utilisée en priorité pour la gestion documentaire (encore appelée automatisation des processus métier, ou RPA – « Robotic Process Automation »), la maintenance prédictive, la gestion de la logistique, le tri des CV, la prévision des ventes et donc de la production, les réponses aux requêtes (achats, demandes d’information, réclamations…) que les clients formulent par courrier électronique ou par téléphone, la détection de fraudes.

Les cas d’usage se multiplient  : chez l’équipementier automobile Faurecia, la mise en place, avec l’aide de Cloudera, d’un réseau de capteurs connectés dans les usines a permis de développer la maintenance prédictive et de réduire les arrêts de production.

Augustin Marty, cofondateur et PDG de Deepomatic, une start-up parisienne spécialisée dans la reconnaissance d’images, affirme travailler pour la R&D du pôle Systèmes thermiques de Valeo (« c’est pour analyser l’intérieur de l’habitacle d’un véhicule, mais je ne peux pas vous en dire plus ») ; mais aussi à la mise au point de péages, intelligents et sans barrières (remplacées par des caméras), pour un des leaders mondiaux des péages autoroutiers. L’administration fiscale française ne serait pas en reste, plusieurs organismes sous-entendant qu’ils travaillent avec Bercy sur la détection des fraudes.

Les données avant tout

Que faut-il pour réussir la mise en place d’une application d’intelligence artificielle ? Des données, des algorithmes et des hommes. Les données (issues des interactions avec les clients, des processus internes…) sont essentielles à la performance des systèmes d’intelligence artificielle, et donc hautement stratégiques. « Il faut s’assurer de leur qualité et de leur accessibilité large au sein de l’entreprise », avertit Vivien Tran-Thien, senior manager au sein de l’équipe Analytics du cabinet EY.

Surtout, la quantité et la nature de ces données vont orienter les choix technologiques. « Si vous disposez de beaucoup de données, vous allez pouvoir former votre propre application à partir des outils des grands éditeurs, qui sont parfois en open source, prévient Laurence Lafont, directrice de la division Marketing & Opérations chez Microsoft France. Si vous avez moins de données, vous allez devoir travailler avec une application plus spécialisée d’un point de vue sectoriel. » De même, si les données sont soumises à des contraintes réglementaires, comme la protection des données personnelles des clients, elles devront plutôt être traitées sur les serveurs de l’entreprise que dans le cloud.

La concurrence est déjà vive

Et, justement, du côté de la technique ? Beaucoup de variantes sont possibles. Certains éditeurs proposent des API (briques logicielles), disponibles directement dans leur cloud pour des usages spécifiques de l’intelligence artificielle : « Il existe par exemple des API de Google Cloud pour la reconnaissance d’image, la traduction, le ‘speech to text’ (reconnaissance de la parole pour la transcrire sous forme d’un texte exploitable par une machine) », rappelle Grégoire Peiron, directeur commercial chez Google Cloud en France.

Dans tous les cas, l’outil d’apprentissage automatique demeure le coeur du système. Les éditeurs se livrent une vive concurrence sur ce marché : des grands noms comme Amazon avec DSSTNE, Google avec TensorFlow, IBM avec Watson, Microsoft avec Cortana CNTK… ; mais aussi des sociétés moins connues du grand public comme Caffe (un projet initié à l’université de Californie à Berkeley), H2O (publié par la société californienne H2O. AI), Theano (issu de l’Université de Montréal), Torch (très utilisé et amélioré par les ingénieurs de Facebook).

L’enjeu ? Plus les développeurs adopteront leur logiciel, plus ils seront susceptibles d’acheter leur solution matérielle ou cloud. Certains acteurs (Caffe, H2O, TensorFlow, Theano, Torch…) ont même fait le pari d’une diffusion en open source : plus les développeurs utiliseront leur moteur, plus il y aura d’applications développées, dont toute la communauté bénéficiera ; et ce qui augmentera l’intérêt d’utiliser le logiciel en question.

Autre avantage : plus un réseau de neurones est utilisé, plus il apprend et devient efficace. « Certains apprentissages de plus haut niveau vont venir améliorer notre plate-forme, mais cela ne concerne que les apprentissages qui ne comprennent aucune notion spécifique aux données de nos clients », rassure Jean-François Gagné, cofondateur et PDG d’Element AI, une start-up montréalaise.

Une autre façon de travailler

Mais, une fois le système d’IA en place, le plus compliqué, au dire des spécialistes, demeure l’adoption de l’IA par tous les autres salariés. « Je mets toujours en garde nos clients : les algorithmes, les technologies autour, c’est 30 % du projet ; là où vous allez gagner de l’argent c’est en repensant la façon dont les équipes vont travailler autour de l’IA. Et ça, c’est 70 % du travail ! » martèle Sylvain Duranton, directeur général de BCG Gamma, l’activité IA au niveau monde du BCG .

« L’IA n’oublie rien, va plus vite, opère sur un spectre de connaissance très vaste et peut donc sortir les salariés de leur zone de confort en proposant des pistes auxquelles ils ne pensaient pas forcément », admet Jean-Philippe Desbiolles (IBM Watson). Or, généralement, les individus n’aiment pas être ainsi bousculés. L’accompagnement de la conduite du changement et la formation sont donc primordiaux.

Copyright : Les Echos(France) / Worldcrunch – Jacques Henno

The editorial team offers you articles about Data Science, AI, IoT and many other digital topics, all made by Sopra Steria, European leader in digital transformation.
Leave a comment

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