Source image : Technologie photo créé par pressfoto – fr.freepik.com
On parle beaucoup d’intelligence artificielle ces dernières années : nouvelle thématique à la mode dans le monde de la technologie, ce sujet inonde les infos, la pop culture, il suscite nombreux fantasmes chez certains et nourrit certaines craintes chez d’autres. Mais entre Terminator et une utopie d’un monde totalement assisté, qu’est-ce qu’est réellement l’IA et ou en est-on dans son évolution ?
C’est quoi l’IA ?
L’intelligence artificielle est l’ensemble de dispositifs analysant leur environnement et mettant en place des schémas d’actions pour maximiser les chances d’atteindre un but fixé. De nombreux domaines d’application sont devenus des sujets de recherche très actifs.
Quelques domaines d’application
Robotique
L’utilisation de l’intelligence artificielle dans la robotique est l’un des sujets les plus évidents pour le grand public, que ce soit pour des robots humanoïdes, des drones ou des outils de production ou de logistique ou des concepts de transhumanisme (exosquelettes, prothèses, outils d’assistances de certaines professions).
Un article avec quelques projets de robotique intéressants : https://www.lebigdata.fr/robotique-top-entreprises.
Le traitement de l’image, la reconnaissance d’objets, le traitement de vidéos via des algorithmes IA sont des sujets de recherches importants dans de nombreux domaines industrielles (voiture autonome, surveillance, interactions homme-machines …), les avancées faites dans cette branche comme les nouvelles architectures de réseaux de neurones, sont souvent ensuite réadaptées et utilisées dans les autres domaines que l’on peut trouver dans cet article.
Exemple avec yolo v4 un des meilleurs modèles actuels : https://www.youtube.com/watch?v=_JzOFWx1vZg&ab_channel=AugmentedStartups.
Exemple chez Caduciel : Nous avons mis au point un outil d’automatisation de tâches pour les pharmaciens, dans le but de leur faire gagner du temps sur des actions répétitives et qu’ils puissent pleinement se consacrer à leur cœur de métier. Cet outil se nomme “TAO” et il utilise des algorithmes qui permettent grâce à de la reconnaissance d’images de programmer aisément des scripts d’actions se basant sur l’analyse de l’affichage de l’écran (comme reconnaître un bouton ou agir sur une zone de texte).
Prédictions
La prédiction du futur d’une série temporelle (données dont les états précédents ont une influence sur le futur) est également un domaine prisé par l’industrie. Que ce soit la prédiction de ventes ou d’un comportement d’un système pour la prévention d’anomalie, pouvoir prévoir le futur est toujours un gain pour les entreprises.
Voici un exemple sur les prédictions de cas de covid-19 en Inde : https://onlinelibrary.wiley.com/doi/full/10.1111/tbed.14102.
Exemple chez Caduciel : Une application Caduciel dernièrement mise au point, se base sur des algorithmes d’intelligence artificielle pour prédire le nombre de ventes potentielles de produits sur l’année à venir, ce qui permet aux équipes de Coalia de concevoir des défis optimisés pour que leurs adhérents puissent les réussir.
Classification et clustering
Les IA peuvent quelquefois être plus rapides pour rapprocher des données similaires entre elles, soit parce que le nombre de données est trop important pour que le traitement puisse être fait efficacement par un humain, soit parce que l’IA n’introduit pas de biais dans le rapprochement entre 2 données (ce que l’homme a tendance à faire).
Voici une explication de différentes solutions de clustering : https://datascientest.com/machine-learning-clustering-focus-sur-algorithme-cah.
Exemple chez Caduciel : Dans l’application Coalia précédemment citée, nous avons également utilisé des outils de clusterisation pour regrouper les adhérents Coalia en fonction de leur comportement d’achat. Ces regroupements sont ici utilisés pour adapter des défis à certains types de clients et on peut profiler plus finement qu’avec de simples comparaisons quantitatives (on regroupe les pharmacies qui se ressemblent : qui commandent le même type de produits, qui ont la même fréquence d’achats…).
Traitement du langage naturel (NLP)
Une autre discipline en fort essor ces dernières années est le traitement du langage naturel, c’est-à-dire la compréhension de texte par une IA. Le langage est une information extrêmement complexe à comprendre pour une entité ne possédant pas de « sens commun » : l’ordre des mots dans une phrase, ou même d’une partie du texte à une autre, sans parler de toutes les subtilités (ironie, sentiment de la phrase, tournure de phrase, expressions propres aux différentes langues etc…). Les utilisations d’une IA sur ce domaine sont multiples : résumé de texte, réponses à des questions, chatbots, analyse de sentiment d’un texte …
Voici un exemple avec une conférence sur la présentation de ces technologies par l’entreprise Devoxx : Traitement Automatique du Langage sur du texte en 2019 (Alexis Agahi)
Exemple chez Caduciel : Nous avons réalisé une étude pour améliorer nos prédictions de ventes en analysant des avis sur les produits, pour éventuellement détecter de futures tendances. Pour ce faire nous avons utilisé des algorithmes d’analyses de sentiments sur des tweets.
Traitement de la voix
Tout comme pour le traitement du langage naturel, qui se base sur le texte, les traitements de la voix étudient le langage à travers les signaux sonores, les utilisations les plus connues sont les messageries automatisées.
Un autre exemple, des universitaires ont montré que votre voix peut en dire beaucoup sur vous : https://www.20minutes.fr/high-tech/2945599-20210111-ia-peut-vraiment-deviner-etat-sante-ecoutant-parler
Exemple chez Caduciel : Caduciel propose désormais une prestation de Bot téléphonique qui prend en charge les appels de la pharmacie et qui peut répondre aux questions qui reviennent souvent (exemple : horaires des pharmacies), si le bot ne sait pas répondre il redirige vers la pharmacie. Ce Bot utilise des technologies de traitement du langage naturel pour comprendre les questions des utilisateurs et répondre vocalement par des réponses écrites en base de données (text to speech).
Sytèmes experts
Les systèmes experts sont des IA entrainées dans un secteur précis. Ces IA vont être très performantes, voir meilleures que l’humain le plus expert sur le sujet. En exemple on peut citer Alphago et ses dérivés de la société Deep Mind qui a surpassé les humains sur le jeu de GO. L’intérêt véritable dans ces systèmes experts est qu’ils sont capables de révolutionner leur domaine en ne pensant pas comme les humains, et donc l’homme peut apprendre de la machine.
Ici le film documentaire sur AlphaGo : https://www.youtube.com/watch?v=WXuK6gekU1Y&ab_channel=DeepMind.
Comme expliqué dans ce documentaire, AlphaGo a réalisé des coups qui semblaient anodins et superflus mais qui ont en réalité mis en lumière une nouvelle compréhension du jeu de GO.
Quelques technologies d’IA
Quand on parle d’intelligence artificielle, on pourrait croire que c’est un seul et même domaine, mais il existe en réalité de nombreuses disciplines et techniques, qui selon la problématique peuvent être combinées pour améliorer leur efficacité. Maitriser et devenir un expert dans toutes ces branches est bien sûr impossible pour une seule personne, c’est pour cela que je vais vous présenter quelques exemples de grandes catégories.
Systèmes agents
Un agent est un logiciel qui agit de façon autonome. C’est un programme qui accomplit des tâches en fonction de ce qui lui a été demandé de faire. Cela peut être un robot, ou un programme informatique dans une simulation. Un système multi-agent (SMA) est un système composé d’un ensemble d’agents actifs dans un certain environnement et interagissant selon certaines règles. Un agent est une entité caractérisée par le fait qu’elle est autonome, ce qui exclut un pilotage centralisé du système global. Chaque agent va vivre sa vie, mais toujours soumis aux règles du monde dans lequel il agit, et en tentant de réaliser le but pour lequel il a été programmé. Il existe toute une palette d’agents allant d’agent réactif (qui réagissent « bêtement » à l’environnement dans lequel ils évoluent) à des agents cognitifs proches de solutions de Machine Learning.
Exemple d’agent cognitif : https://hal.archives-ouvertes.fr/hal-00742874/document
Exemple d’agent réactif : https://www.youtube.com/watch?v=qZRYGxF6D3w&ab_channel=ScienceEtonnante
Algorithmes génétiques
Les algorithmes génétiques reprennent les principes de l’évolution. On va soumettre une population d’individus avec des paramètres propres, à un environnement correspondant au problème que l’on veut traiter, puis les évaluer avec un système de score pour voir lesquels répondent le mieux au problème. On va les faire se « reproduire » et leurs descendances partageront des caractéristiques avec leurs parents. En itérant ce procédé, on va tendre vers un individu qui répond au mieux au problème. Voici une petite vidéo explicative : https://www.youtube.com/watch?v=ncj_hBfRt-Y&t=86s&ab_channel=ThibaultNeveu
Source image : Algorithme génétique — Wikipédia (wikipedia.org)
Machine Learning
Le Machine Learning est une sous-catégorie de l’IA, où la machine apprend comment réaliser sa tâche. Elle n’a pas été programmée explicitement à la réalisation de la tâche qu’elle doit effectuer et va au cours d’un apprentissage comprendre d’elle-même comment atteindre son but. C’est un domaine assez vaste et donc nous allons nous y intéresser plus en profondeur dans un prochain article.
Conclusion
Nous avons au cours de cet article fait un état des lieux sur les principaux domaines d’application de l’intelligence artificielle, et présenté quelques grandes familles d’algorithmes d’IA, sur lesquelles nous reviendrons plus en détails dans de prochains articles.
Vous souhaitez en savoir plus sur le rôle de datascientist ? Vous avez une problématique à laquelle la datascience peut répondre ? Nos équipes restent également à votre écoute, n’hésitez pas à nous contacter dès aujourd’hui.
Article proposé par
Jérémy Renaud
Data Scientist