La grande percée de l'IA

Apparue dans les années 50, la notion d’intelligence artificielle a connu plusieurs périodes de grande popularité avant de s’effacer, faute de tenir ses promesses. Aujourd’hui, l’IA semble opérer sa percée définitive. Pourquoi sera-ce différent cette fois? "Au cours des dernières années, on a surtout enregistré de nets progrès dans l’apprentissage automatique ou Machine Learning", répond Vivien Tran-Thien, Senior Manager Analytics and Data Science chez EY.

Le Machine Learning permet à une machine d’accomplir une tâche juste en lui fournissant des exemples. Plus la achine est entraînée et plus les données disponibles sont nombreuses, moins le système commettra d’erreurs. "Les logiciels disponibles ont nettement gagné en performance dans des tâches qui ne pouvaient auparavant être exécutées que par l’être humain", affirme Vivien Tran-Thien.

"La victoire d’un logiciel conçu par Google contre le champion du monde de jeu de go a été un jalon symbolique. Ceci étant dit, les performances humaines ont également été dépassées pour des applications plus concrètes comme la reconnaissance visuelle et la compréhension de la parole." Trois facteurs expliquent la révolution récente.

D’abord et avant tout, les algorithmes d’IA deviennent de plus en plus sophistiqués. Un deuxième facteur tient à la croissance des capacités de calcul accessibles. Troisièmement, la quantité de données permettant d’entraîner les modèles d’intelligence artificielle a considérablement augmenté.  

Prêt pour les entreprises

L’IA occupe une place centrale dans la stratégie opérationnelle de quelques grandes noms comme les GAFAIM (Google, Apple, Facebook, Amazon, IBM et Microsoft). Ces entreprises étant digital native, elles disposent d’énormes quantités de données de leurs utilisateurs et des capitaux nécessaires pour y investir lourdement.

Dans leur sillage, on voit naître, surtout aux États-Unis, des start-up qui se plongent dans l’IA, déve - loppent des applications intéressantes dans des niches toujours plus nombreuses et attirent très rapidement des capitaux. L’IA est-elle prête à faire son entrée dans les entreprises qui ne sont pas les enfants de la révolution numérique? Et surtout, ces entreprises sont-elles prêtes à créer de la valeur ajoutée avec l’IA?

"Nous voyons un nombre croissant d’entreprises expérimenter l’IA à petite échelle", poursuit le Senior Manager Analytics and Data Science. "C’est indispensable. Ceux qui ne s’intéressent pas à l’IA seront dépassés par leurs concurrents ou de nouveaux acteurs dans quelques années à peine."

L’implémentation d’une Robotic Process Automation, l’automatisation des processus à faible valeur ajoutée par la robotique, peut constituer une première étape. Un programme RPA est un logiciel paramétré par les développeurs pour automatiser des tâches répétitives et simples. Il n’utilise pas nécessairement l’IA, ceci dit. "On peut aller plus loin et utiliser le Machine Learning pour apprendre au logiciel à gérer des processus plus complexes. Une manière douce d’introduire l’IA dans une entreprise."

Les modules de Machine Learning et autres sont assez aisément disponibles dans des bibliothèques open source et des API commerciaux. "L’offre arrive vite à maturité: on progresse à pas de géant!", estime Vivien Tran-Thien. Le front office peut lui aussi tirer profit de l’intelligence artificielle. Une niche très importante est celle des assistants virtuels (chatbots) au service clientèle. Pensez à Siri sur l’iPhone et à l’Alexa d’Amazon.

Et pour les commerçants en ligne, les applications IA qui génèrent des recommandations à partir de données clients sont devenues indispensables. Autre application en plein essor: la maintenance intelligente du parc de machines, qui se fonde sur l’Internet des Objets. Les machines et capteurs qui font l’objet d’un suivi et d’un pilotage centralisés sont dotés d’une couche logicielle capable de prévoir les défaillances et les remplacements nécessaires. "On trouve désormais des cas d’usage éprouvés dans ce domaine."

Implémentation

"Le processus de développement ne devrait pas être particulièrement long ou lourd", poursuit Vivien Tran-Thien. "Car les algorithmes et les modules existants procurent une base solide. Ils doivent naturellement être adaptés aux besoins concrets de l’entreprise, ce qui nécessite un développement spécifique." Pour un projet-pilote, le développement peut être relativement simple. En se concentrant sur un projet-pilote accessible, on favorise en outre l’adhésion à l’IA au sein de l’entreprise. L’industrialisation de l’intelligence artificielle à grande échelle est moins simple. Même les entreprises un peu plus matures sur le plan numérique rencontrent souvent des obstacles durant cette phase.

"Une difficulté initiale consiste à cibler les usages les plus stratégiques pour l’entreprise. Il y a tant d’applications et de techniques possibles que l’on peut s’y perdre! La disponibilité des données d’une qualité suffisante est souvent un autre point délicat. Un troisième goulot d’étranglement est le manque d’experts en IA. Dans ce domaine, on assiste véritablement à une guerre des talents."

Un autre problème est lié aux effets secondaires indésirables. "Lorsqu’on introduit l’IA, on délègue du pouvoir décisionnel à un système dont on ne sait pas exactement comment il fait ses choix. Des chercheurs américains ont passé au crible les offres d’emploi présentées aux internautes par l’IA de Google. Ils sont arrivés à la conclusion que, pour les emplois bien payés, elles se concentraient plus souvent sur les hommes que sur les femmes, ce qui n’est certainement pas intentionnel."