Fiche IA
Fiche IA
Fiche IA
L’intelligence artificielle, le
futur des entreprises ?
Vous avez parfois l’impression que votre expérience en ligne est personnalisée de manière
magique ? Que la barrière de la langue n'est plus un obstacle ? Vous êtes toujours surpris de
pouvoir converser avec des assistants virtuels tels qu’ALEXA ou SIRI ? Bienvenue dans le
monde fascinant de l'intelligence artificielle, ou IA en abrégé, une révolution technologique
qui façonne notre vie quotidienne de manière subtile et surprenante. L'IA, c'est tout cela et
bien plus encore. C'est un domaine de l'informatique qui émerveille par sa capacité à créer des
systèmes informatiques capables de résoudre des énigmes complexes qui, autrefois, étaient
réservées aux esprits humains les plus brillants. Et le plus incroyable, c'est que l'IA est déjà
partout dans votre quotidien, même si vous ne vous en rendez pas toujours compte.
Cette fiche va vous permettre d’en apprendre davantage sur l'intelligence artificielle, les
différents concepts qui y sont associés et la manière dont cette technologie influence notre
quotidien et ce qu’elle pourrait signifier pour notre avenir.
http://www.hub-charleroi.be
Partenaires
Fiche Intelligence artificielle
L’intelligence artificielle
Définition
L’intelligence artificielle (IA) désigne un domaine de l’informatique consacré à la
création de systèmes informatiques capables d’exécuter des tâches nécessitant
généralement des capacités cognitives humaines. Les logiciels et algorithmes
conçus par l’IA doivent être capables de simuler des processus mentaux humains,
tels que, entre autres, la reconnaissance visuelle ou le traitement du langage naturel
afin de comprendre des données, résoudre des problèmes, prendre des décisions et
s’adapter à de nouvelles situations.
L’intelligence artificielle repose sur des techniques telles que le machine learning (ou
apprentissage automatique), le deep learning (les réseaux de neurones artificiels) et
le traitement automatique du langage naturel pour analyser d’énormes quantités de
données, en extraire des modèles et informations pertinentes.
L'histoire de l'intelligence artificielle s'étend sur un peu plus de 60 ans et est une
discipline multidisciplinaire qui vise à reproduire les capacités cognitives humaines
en utilisant des sciences, des théories et des techniques telles que la logique
mathématique, les statistiques, la neurobiologie computationnelle et l'informatique.
Stagnation de l’IA
Dans les années 70, le regard de l’opinion publique sur l’IA n’est pas favorable :
l’intelligence artificielle est vivement critiquée et subit de fortes réductions de
financement (ils sembleraient que les chercheurs aient minimisés les défis associés à
son développement). Il y a néanmoins de nouvelles idées qui émergent, notamment
dans le domaine de la programmation logique.
Cependant, il reste encore de nombreux défis à relever afin de créer des systèmes
d'IA qui comprennent pleinement le texte et les intentions humaines.
Fiche Intelligence artificielle
Le machine learning
Définition
Le machine learning, ou apprentissage automatique, est une discipline qui repose
sur un principe essentiel : l’entraînement de modèles sur des échantillons de
données. Ces modèles sont ensuite utilisés pour prendre des décisions et faire des
prédictions sur de nouvelles données inconnues. En d’autres termes, il s’agit de
prédire l’avenir en se basant sur les exemples du passé.
Les performances des modèles de machines learning vont fortement dépendre de la
qualité des données sur lesquelles ils ont été formés; des données d'entraînement
de hautes qualités donneront des prédictions plus précises. Le machine learning
nécessite une intervention humaine importante pour extraire les caractéristiques
pertinentes des données, traiter les informations et classifier les données afin de
garantir que le modèle apprend de manière appropriée.
Par exemple, si votre modèle de machine learning doit être capable de reconnaître
automatiquement des images de chiens parmi une collection de photos, il va
d’abord falloir ;
Le deep learning
Définition
Le deep learning, souvent désigné par “apprentissage profond” est une sous-
catégorie de l'apprentissage automatique (machine learning). Il est qualifié de
“profond” en raison de son niveau d’avancement supérieur car il s'appuie sur un
réseau de neurones artificiels pour simuler le fonctionnement de l'intelligence
humaine.
Le deep learning nécessite un très grand ensemble de données et une très grande
puissance de calcul car il modélise des données complexes. Contrairement au
machine learning, il ne nécessite pas d’extraction manuelles des caractéristiques car
il apprend directement à partir des données brutes.
Un réseau de neurones profonds
Un réseau de neurones artificiels est constitué de nombreux nœuds de traitement
et chaque nœud se connecte à un autre, comme les neurones d’un cerveau humain !
La connexion d’un nœud peut se faire à différents autres nœuds en de nombreuses
couches, au-dessus ou en dessous de lui. Un réseau neuronal profond, autrement
dit de deep learning, comprend trois types de couches (appelées “couches nodales”)
:
1. La couche d'entrée (qui concerne les données d’entrée),
2. les couches cachées (qui peuvent être multiples, et qui concernent les valeurs
transmises entre les neurones)
3. et la couche de sortie (qui concerne les résultats et prédictions).
Lorsque ces réseaux de neurones artificiels apprennent à faire des choses comme
reconnaître des images ou comprendre le langage, ils ont besoin d'énormément de
données. Ils passent par ces données à plusieurs reprises, ajustant les poids à
chaque itération pour devenir plus précis dans leurs décisions. Chaque erreur est
examinée, et les poids sont modifiés pour minimiser ces erreurs. En d'autres termes,
ces réseaux apprennent de leurs erreurs. Chaque couche nodale s’entraîne donc en
utilisant les résultats générés par la couche précédente.. Plus le réseau comporte de
couches, plus il saura reconnaître et traiter des informations complexes.
La reconnaissance d’images
Le deep learning a considérablement amélioré les performances de la
reconnaissance d’images, que ce soit pour identifier des lieux, des individus ou et
des objets dans une image fixe ou dans une vidéo. Cross Data souligne que cela a
des répercussions positives sur l’optimisation des processus et de la production. En
effet, il devient possible de détecter des éléments clés afin de prédire une situation,
ce qui peut conduire à l’automatisation de divers processus métier. Cette
technologie est largement exploitée dans les domaines de la reconnaissance faciale
(voir le site DataSciencetest pour son fonctionnement), la détection d’objets dans
les véhicules autonomes et la catégorisation d’images sur les réseaux sociaux.
Un autre cas d’application du traitement d’images est dans le domaine médical. On
peut maintenant repérer des mélanomes sur les photos de peau, dépister des
rétinopathies diabétique via des images de rétines, des cancers du sein,..
La détection de fraude
L’intelligence artificielle, permet, dans le domaine financier, de prévoir les tendances
du marché, de gérer les risques,... Elle est surtout avancée et implantée dans les
banques pour détecter les transactions frauduleuses et anormales en analysant les
modèles d’activités des clients. Mastercard compte 2,2 milliards de cartes en
circulation dans 330 pays. Grâce au machine learning, le système peut analyser plus
de 160 millions de transactions par heure en quelques millisecondes et appliquer
jusqu’à 1,9 million de règles différentes pour vérifier chaque transaction.
Médecine et santé
Selon Briganti, les algorithmes d'IA en médecine peuvent apporter une analyse
approfondie des données des patients, permettant d'identifier des modèles et des
tendances potentiellement complexes, échappant parfois à la détection humaine.
Des robots sont désormais utilisés en chirurgie pour assister les médecins ou
effectuer des opérations difficiles (Da Vinci, Hearlander,...). L’intelligence artificielle
peut également alléger la charge de travail des médecins en automatisant des
tâches fastidieuses et chronophages. De plus, l'IA a la capacité d'explorer une vaste
quantité de littérature médicale pour mettre en lumière des articles et des résultats
pertinents liés à un patient spécifique ou à une condition médicale particulière.
L’utilisation croissante de l’intelligence artificielle en médecine soulève de plus en
plus de questions éthiques et pratiques.
Fiche Intelligence artificielle
L’INSERM indique notamment que si un professionnel de la santé est guidé par un
système décisionnel automatique, il se doit d’en informer le patient afin de lui
expliquer les raisons qui sous-tendent cette décision et le processus qui y a mené.
Le praticien devrait avoir la liberté de rejeter les recommandations faites par l’IA s’il
juge celles-ci erronées, de même que le patient devrait pouvoir refuser une
recommandation provenant de l’IA. La question de la responsabilité légale se pose
en cas de divergences entre les recommandations de l’IA et les normes générales.
L’INSERM souligne la nécessité de considérer la formation des professionnels de la
santé à l’utilisation de l’IA : elle ne remplace pas leur expertise mais elle devient
incontournable dans le domaine.
La traduction
Les logiciels de traduction utilisant le machine learning font ce qu’on appelle de la
traduction automatique statistique : ils utilisent des traductions humaines existantes
et recherchent des modèles statistiques. Au lieu de règles linguistiques, ces logiciels
se basent sur des prédictions statistiques afin de traduire de nouveaux textes; et
ces prédictions reposent sur la probabilité que certaines phrases ou mots se
correspondent à d’autres dans la langue cible. Un exemple de ces logiciels est
Google Translate.
Dans l’illustration ci-dessous, les zones jaunes marquent les segments traduits,
montrant une traduction correcte pour la première phrase mais une confusion dans
la deuxième, où "a sauté" devrait être traduit par "skipped" dans les deux cas. Dans
la première phrase, "sauté un repas" est traduit comme un seul segment, éliminant
l'ambiguïté. Cependant, dans la deuxième phrase, "a sauté" est dissocié de "un
repas", créant une ambiguïté que le système résout en choisissant la traduction avec
le score le plus élevé. Pour corriger cela, il faudrait tenir compte du contexte global.
http://www.hub-charleroi.be
Partenaires