Intelligence Artificielle (IA)
Présentation et applications
L'intelligence artificielle (IA) permet à des machines d'apprendre par l'expérience, de s'adapter à de nouvelles données et de réaliser des tâches humaines. La plupart des exemples d'IA qui font les gros titres de nos jours (des ordinateurs jouant aux échecs aux voitures autonomes) reposent fortement sur le deep learning et le traitement du langage naturel. Grâce à ces technologies, il est possible de former des ordinateurs à effectuer certaines tâches en traitant de vastes quantités de données et en en dégageant des tendances.
Histoire de l'intelligence artificielle
L'expression « intelligence artificielle » date de 1956, mais le concept s’est surtout fait connaître suite à l'augmentation des volumes de données, aux algorithmes avancés et aux progrès en matière de puissance de traitement et de stockage.
Les premières recherches en IA dans les années 1950 portaient sur des thèmes comme la résolution de problèmes et les méthodes symboliques. Dans les années 1960, le ministère américain de la Défense s'est intéressé à ces travaux et a initié l'entraînement d'ordinateurs pour imiter un raisonnement humain rudimentaire. Ainsi, l'agence DARPA (Defense Advanced Research Projects Agency) s'est lancée dans des projets de cartographie de rues dans les années 1970. Et elle a mis au point des assistants personnels intelligents dès 2003, bien avant l'avènement de Siri, Alexa ou Cortana.
Ces premiers travaux ont ouvert la voie de l'automatisation et du raisonnement formel présents dans les ordinateurs actuels, notamment dans les systèmes d'aide à la décision et de recherche intelligente, qui sont conçus pour compléter et renforcer les capacités humaines.
Les films hollywoodiens et les romans de science-fiction ont beau présenter l'IA sous la forme de robots à apparence humaine qui prennent le pouvoir, les technologies d'IA, au stade actuel de leur évolution, ne sont pas aussi menaçantes ni même aussi ingénieuses. En effet, l'IA a évolué dans le bon sens et apporte de nombreux avantages dans tous les secteurs d'activité. Poursuivez votre lecture pour découvrir les nouvelles applications de l'intelligence artificielle dans les domaines de la santé, du commerce, etc.
1950–1970
Les premiers travaux sur les réseaux neuronaux suscitent l'engouement pour les « machines pensantes ».
Elle fait partie intégrante des logiciels SAS depuis des années. Aujourd'hui, nous aidons nos clients dans tous les domaines à tirer parti des avancées de l'IA et nous continuerons à incorporer des technologies d'IA, comme le machine learning et le deep learning, dans toute la gamme des solutions SAS.Jim Goodnight CEO SAS
Intelligence artificielle et machine learning
Regardez cette vidéo pour comprendre la relation entre l'IA et le machine learning. Elle explique le fonctionnement de ces deux technologies, exemples et anecdotes à l’appui.
C'est par ailleurs une vidéo simple et claire à partager avec vos amis et votre famille pour les initier à l'intelligence artificielle.
Pourquoi l'intelligence artificielle a-t-elle tant d'intérêt ?
- L'IA automatise les processus répétitifs d'apprentissage et de découverte par le biais des données. Mais elle diffère de l'automatisation à base de robots ou de dispositifs matériels. En effet, au lieu d'automatiser des tâches manuelles, l'IA exécute fréquemment une masse de tâches informatisées de manière simple et fiable. Dans ce type d'automatisation, des requêtes humaines demeurent indispensables pour configurer le système et poser les bonnes questions.
- L'IA ajoute de l'intelligence à des produits existants. Dans la plupart des cas, elle n'est pas vendue en tant qu'application à proprement parler. En revanche, des produits que vous utilisez déjà seront améliorés par des fonctionnalités d'IA, tout comme Siri est une fonction ajoutée à une nouvelle génération de produits Apple. Il est possible d’associer l'automatisation, les plates-formes conversationnelles, les bots et les machines intelligentes à de gros volumes de données pour améliorer diverses technologies de la sphère privée et professionnelle, allant de la sécurité à l'analyse de placements financiers.
- L'IA s'adapte grâce à des algorithmes d'apprentissage progressif, la programmation étant alors assurée par les données. L'IA détecte une structure et des régularités dans les données ; l'algorithme acquiert ainsi une compétence : il devient un algorithme de classification ou de prédiction. Tout comme il peut apprendre seul à jouer aux échecs, il peut décider seul du prochain produit à recommander en ligne. Et les modèles s'adaptent en présence de nouvelles données. La rétropropagation est une technique d'IA qui permet au modèle de se régler, par entraînement et ajout de données, lorsque la première réponse n'est pas tout à fait correcte.
- L'IA analyse plus de données de façon plus approfondie en utilisant des réseaux neuronaux qui comportent de nombreuses couches masquées. Il y a quelques années, il était quasiment impossible d'élaborer un système de détection de fraude comportant cinq couches cachées. Tout a changé grâce à la puissance décuplée des ordinateurs et à l'émergence des big data. Il faut en effet de grandes quantités de données pour former des modèles de deep learning, car c’est d’elles qu’ils apprennent directement. Par conséquent, plus vous les alimentez en données, plus ils gagnent en précision.
- L'IA atteint une précision exceptionnelle grâce aux réseaux neuronaux profonds, ce qui était auparavant impossible. Par exemple, vos interactions avec Alexa, Google Search et Google Photos sont toutes fondées sur le deep learning et ne cessent de s'améliorer à mesure que vous utilisez les applications. Dans le domaine médical, les techniques d'IA issues du deep learning, de la classification d'images et de la reconnaissance d'objets permettent désormais de détecter des cancers sur des IRM avec la même précision que des radiologues chevronnés.
- L'IA exploite au mieux les données. Lorsque les algorithmes fonctionnent par apprentissage automatique, les données proprement dites peuvent devenir une propriété intellectuelle. Les réponses se trouvent au sein des données ; il suffit d'appliquer l'IA pour les faire émerger. Les données jouent ainsi un rôle plus important que jamais et peuvent conférer un avantage concurrentiel. À partir du moment où vous disposez des meilleures données dans un secteur concurrentiel, même si tout le monde utilise les mêmes techniques, ce sont ces données-là qui prévaudront.
L'intelligence artificielle dans le monde d'aujourd'hui
Découvrez l'IA dans tous les secteurs d'activité
Entrez dans un hôpital ou un magasin faisant appel à l'IA, ou essayez un système d'analyse prédictive parlant. Ce rapport de Harvard Business Review s’intéresse à l'univers de l'IA, examine les ressources existantes en la matière et explique pourquoi il ne faut pas dire de gros mots devant Siri.
L'IA et l'Internet des objets
Nous sommes cernés par les données. Si l'Internet des objets (IoT, Internet of Things) et les capteurs permettent de tirer parti de gros volumes de données, l'intelligence artificielle est capable d'en dégager des tendances et de les assimiler pour automatiser des tâches dans divers domaines.
Intégrez l'IA dans votre programme analytique
Pour utiliser l'IA efficacement, il est important de l'incorporer à votre stratégie d'entreprise, en veillant systématiquement à faire converger les facteurs humains, les processus et les technologies.
Faites la différence entre fiction et réalité
« L'IA contribue certes à insuffler davantage d'intelligence dans les machines, mais elle ne cherche pas à dominer le monde », affirme Oliver Schabenberger, vice-président exécutif et directeur technique de SAS.
Utilisations de l'intelligence artificielle
Les fonctionnalités de l'IA sont en forte demande dans tous les secteurs, en particulier les systèmes chargés de répondre à des questions concernant l'assistance juridique, la recherche de brevets, la notification de risques et la recherche médicale. Autres domaines d'application de l'IA :
Santé
Les applications d'IA facilitent une approche médicale personnalisée et la lecture de radiographies. Des assistants personnels en soins de santé peuvent servir de « coach de vie », vous rappelant de prendre vos cachets, de faire de l'exercice ou de manger plus équilibré.
Grande distribution
L'IA offre des fonctions de shopping virtuel qui fournissent des recommandations personnalisées et orientent le client dans ses choix. Les technologies de gestion des stocks et d'agencement de site seront également améliorées avec le concours de l'IA.
Industrie
L'IA peut analyser le flux de données de l'IoT qui émane des équipements connectés d'une usine, afin de prévoir la charge et la demande attendues grâce à des réseaux récurrents — un type particulier de réseau de deep learning utilisé avec des données séquentielles.
Sports
L'IA permet de capturer des images en cours de match et de fournir ensuite aux entraîneurs des rapports qui les aideront à mieux organiser le jeu, notamment en optimisant les positions et la stratégie sur le terrain.
Collaboration avec l'IA
L'intelligence artificielle n'est pas là pour nous remplacer. Elle renforce nos capacités et nous aide à améliorer nos compétences. Étant donné que les algorithmes d'IA fonctionnent selon un processus d'apprentissage différent de celui des humains, ils ont une vision différente des choses. Ainsi, ils peuvent détecter des relations et des modèles qui nous échappent. Ce partenariat homme-IA offre de nombreuses perspectives :
- Introduire l'analytique dans des secteurs et des domaines où elle est actuellement sous-utilisée.
- Améliorer les performances des technologies analytique actuelles, telles que la vision par ordinateur et l'analyse de séries chronologiques.
- Lever les barrières économiques, notamment au niveau des langues et de leur traduction.
- Renforcer les capacités actuelles et améliorer nos compétences.
- Améliorer notre vision, notre compréhension, notre mémoire, et bien d'autres choses encore.
Enjeux de l'intelligence artificielle
L'intelligence artificielle va transformer tous les secteurs, encore faut-il avoir conscience de ses limites.
La première étant que l'IA apprend des données. Il n'existe aucun autre moyen d'intégrer des connaissances. Résultat, toute inexactitude dans les données se reflétera dans les résultats. Par ailleurs, les éventuelles couches supplémentaires de prédiction ou d'analyse doivent être ajoutées séparément.
Aujourd'hui, les systèmes d'IA sont formés pour exécuter une tâche clairement définie. Un système qui joue au poker ne peut pas jouer au solitaire ni aux échecs. Un système élaboré pour détecter la fraude ne peut pas conduire un véhicule ni donner de conseils juridiques. En fait, un système d'IA conçu pour détecter la fraude aux soins de santé n'est pas en mesure de détecter la fraude fiscale ni les escroqueries en matière d'assurance.
En d'autres termes, ces systèmes sont extrêmement spécialisés. Ils se focalisent sur une tâche unique, à la différence du comportement humain.
De la même manière, les systèmes d'auto-apprentissage ne sont pas autonomes. Les technologies d'IA imaginaires vues au cinéma et à la tv relèvent encore de la science-fiction. Cependant, les ordinateurs capables d'analyser des données complexes pour apprendre et perfectionner des tâches spécifiques sont désormais monnaie courante.
SAS® Visual Data Mining and Machine Learning
L'IA est simplifiée lorsqu'il est possible, avec une seule solution, de préparer les données pour analyse, de développer des modèles à l'aide d'algorithmes modernes de machine learning et d'intégrer l'analyse textuelle. De plus, vous pouvez programmer des projets qui associent SAS à d'autres langages, dont Python, R, Java ou Lua.
Comment fonctionne l'intelligence artificielle
L'IA fonctionne en couplant de grandes quantités de données à des traitements itératifs rapides et des algorithmes intelligents, permettant au logiciel d'apprendre automatiquement de schémas ou de caractéristiques des données. L'IA est un vaste champ d'études comprenant de nombreuses théories, méthodes et technologies, ainsi que les sous-domaines suivants :
- Le machine learning automatise la création de modèles analytiques. Il utilise des méthodes issues des réseaux neuronaux, des statistiques, de la recherche opérationnelle et de la physique pour trouver des informations enfouies dans les données, sans que la cible des recherches ou les conclusions à en tirer soient explicitement programmées.
- Un réseau neuronal est un type de machine learning composé d'unités interconnectées (comme des neurones) qui traite les informations en répondant à des entrées externes et en les transmettant d'une unité à l'autre. Le processus exige d'effectuer plusieurs passages pour trouver des connexions et interpréter des données indéterminées.
- Le deep learning utilise d'énormes réseaux neuronaux comportant plusieurs couches d'unités de traitement. Il tire ainsi parti des progrès réalisés en matière de puissance de traitement et de techniques d'apprentissage pour identifier des schémas complexes dans de gros volumes de données. La reconnaissance de l'image et de la parole figurent parmi les applications courantes.
- L'informatique cognitive est un sous-domaine de l'IA qui vise une interaction naturelle, quasiment humaine, avec les machines. Le but ultime est de combiner IA et informatique cognitive pour simuler les processus humains en interprétant les images et la parole, et de répondre par un discours cohérent.
- Le computer vision repose sur la reconnaissance de schémas et sur le deep learning pour identifier le contenu d'une image ou d'une vidéo. Dès qu'elles sont capables de traiter, d'analyser et de comprendre des images, les machines peuvent capturer des images ou des vidéos en temps réel, et interpréter ce qui les entoure.
- Le traitement du langage naturel (NLP) désigne la capacité des ordinateurs à analyser, comprendre et générer le langage humain, notamment sous sa forme orale. Dans sa phase évoluée, ce traitement consiste en une interaction en langage naturel, qui permet aux humains de communiquer avec des ordinateurs en parlant normalement, dans le langage de tous les jours, afin d'exécuter des tâches.
En outre, plusieurs technologies intègrent et prennent en charge l'IA :
- Les unités de traitement graphiques (GPU) sont essentielles pour l'IA, car elles fournissent la puissance de calcul nécessaire au traitement itératif. Les réseaux neuronaux d'apprentissage exigent des big data et de la puissance de calcul.
- L'IoT ou Internet des Objets génère des masses considérables de données provenant des appareils connectés, la plupart n'étant pas analysées. L'automatisation de modèles avec l'IA nous permettra de mieux les exploiter.
- Des algorithmes avancés sont mis au point et font l'objet de nouvelles combinaisons dans le but d'analyser plus de données, plus vite et à plusieurs niveaux. Ce traitement intelligent est indispensable pour identifier et prévoir des événements rares, comprendre des systèmes complexes et optimiser des scénarios uniques.
- Les API (Application Programming Interfaces), ou interfaces de programmation d'applications, sont des packages de code portables qui permettent d'adjoindre des fonctions d'IA à des produits et logiciels. Elles peuvent ainsi doter des systèmes de sécurité domestiques de fonctions de reconnaissance d'images et offrir des fonctions de questions/réponses qui décrivent les données, créent des légendes et des titres, ou font ressortir des informations et schémas intéressants dans les données.
En résumé, l'IA a pour but de fournir des logiciels capables de raisonner en entrée et d'expliquer en sortie. Elle pourra assurer des interactions de type humain avec des logiciels et proposer une aide à la décision pour des tâches spécifiques, mais n'a pas vocation à se substituer aux humains, et en est très loin.
En savoir plus
-
What are AI hallucinations?Separating fact from AI-generated fiction can be hard. Learn how large language models can fail and lead to AI hallucinations – and discover how to use GenAI responsibly.
-
What are chatbots?Chatbots are a form of conversational AI designed to simplify human interaction with computers. Learn how chatbots are used in business and how they can be incorporated into analytics applications.
-
Analytics leads to lifesaving cancer therapiesA long-shot treatment offers hope to 10-year-old Harrison after he learns the DNA profile of his cancer is resistant to chemo. Find out how data and analytics play a role in cancer research and cancer treatments that are saving lives.
-
Break stuff . . . servers, rules and the glass ceilingCarla Gentry knows what it’s like to be the only woman on the team and is happy to share her hard-won knowledge with an ever-growing number of female data scientists. She recently shared with us some sage advice for women entering or interested in advancing in the field.