Un imaginaire futuriste assez apocalyptique

En 1968, Stanley Kubrick nous avait alerté dans son 2001 Odysée de l’espace sur les ordinateurs qui allaient essayer d’avoir le dessus sur nous, il portait le doux nom de HAL9000 , en se confrontant à l’équipage du vaisseau à destination de Jupiter….

Dés qu’on évoque ce concept, nous sommes projeté immédiatement dans un univers de type « Blade Runner » (sorti en 1982) relooké avec brio en 2017 avec moults voitures autonomes et robots humanoïdes et une difficulté de trier l’humain de la machine: Blade Runner 2049

Robots par ci, algorithmes par là, souvent écrits avec Y ( car c’est bien connu, les « Data Analyst » ont le rythme dans la peau ! ), le tout mitonné, emballé en un seul Mot, « Intelligence Artificielle », inventé par John McCarthy , tout est dit

L’IA, association assez étrange de mots

L’association de ces deux mots est à première vue assez bizarre :

« l’intelligence » désigne plutôt la faculté de comprendre un phénomène et d’intégrer des connaissances pour créer du nouveau.

« Artificielle » désigne lui plutôt un procédé d’imitation destinée à donner l’ « illusion » de la réalité.

Exercer son intelligence, comment ça marche ?    

Se servir de son intelligence revient à y faire appel de manière adaptée au bon moment pour la rendre « intelligible »

• grâce à un raisonnement ou une communication structurée d’informations…
• ..pouvoir utiliser ces éléments en interaction avec son environnement,
• au service d’actions utiles pour l’individu ou pour les autres.

Etre intelligent se décompose schématiquement en 5 étapes :

1.  Acquérir des connaissances

via le traitement d’informations, grâce à nos sens,

via des outils de type caméras, capteurs, ou grâce à des interactions sociales avec d’autres humains,….,

2. Réaliser l’inscription et la conservation dans sa mémoire de ces différentes briques de base de connaissances…

…avec une méthode d’apprentissage,…

3. Les trier et les hiérarchiser pour les organiser sous la bonne forme

notre base de données organisée en un réseau neuronal.

4. Développer enfin des capacités à « intuiter », à « rapprocher », à « imaginer » des corrélations ou des agencements des différentes pièces sous une forme dite « intelligente et appliquée » 

notre « algorithme » interne, une sorte de puzzle de nœuds neuronaux

Qu’est ce que l’IA ?

• Un « artifice » de reproduction de l’intelligence de manière « artificielle ».
• Elle vise à simuler la manière dont fonctionnerait un cerveau humain face à des décisions à prendre, des observations à analyser, des étapes à franchir pour aboutir à un résultat défini.
• L’idée est de mettre en place un modèle proche du fonctionnement biologique du cerveau humain (biomimétisme)
• L’IA travaille par analogie : avec des techniques d’apprentissage dites supervisées pour apprendre une fonction à partir d’exemples annotés mixant grands volumes de données et alimentation par l’opérateur humain d’éléments clés sur les cas du domaine visé.

L’IA = « capacité d’une unité fonctionnelle à exécuter des fonctions généralement associées à l’intelligence humaine, telles que le raisonnement et l’apprentissage ». norme ISO 2382-28 sur les Technologies de l’information (2015).

De ce point de vue, l’IA est donc la discipline relative au traitement par l’informatique des connaissances et du raisonnement.

Plusieurs générations technologiques dans l’IA : l’IA simple, puis le « machine learning » puis le « deep learning », dite « intelligence cognitive » (ou apprentissage profond : les machines intègrent une capacité à apprendre pour arriver à induire des résultats à partir de données brutes ou retravaillées).

Les données sont essentielles pour que l’IA soit pertinente

L’IA a besoin dans tous les cas d’une utilisation de données pour être pertinentes et d’utiliser des moyens de captation d’informations.

Les pistes les plus récentes peuvent :

• permettre de définir automatiquement les caractéristiques des données, gagnant un temps précieux en terme d’apprentissage et de volumes à traiter.
• de découper via les réseaux le signal image, son, texte en plus petites parties
• appliquer des filtres pour analyser ces signaux (on parle alors de définir leurs « features »).

Les itérations machine permettent de corriger et d’adapter les réponses pour améliorer le système : Modélisation de règles dans les cas simples à partir de cas déjà connus et dans des cas plus compliqués, simulation de l’intelligence via des étapes d’acquisition et de restitution. Ce sont ce type de techniques qui ont permis de battre un humain aux échecs (en 1997 via Deep Blue d’IBM) ou au jeu de GO (en 2016 via Alpha Go de Google) et à toutes sortes de jeux d’ailleurs…

Au cœur, les algorithmes  

L’IA et sa puissance de transformation sont par conséquent liées à sa capacité à résoudre via des routines algorithmiques des séquences de décision à prendre (aide à la décision) ou pour faciliter la vie sur un certain nombre de problématiques (traitables par des approches d’apprentissage)

Sa capacité à établir des règles, à interpréter au mieux les données fournies et sa capacité d’observation de comportements ou de signes distinctifs sont clé. Les algorithmes traduisent ces éléments avec une logique de programmation qui avec des entrées et en travaillant sur les résultats en sortie permet d’affiner au fur et à mesure l’adéquation des algorithmes utilisés.

Bien définir le domaine d’applications de l’IA pour en tirer le meilleur parti

Si elles sont toujours ciblées sur un domaine d’application précis, les objectifs poursuivis sont quant à eux multiples :

• chercher le meilleur chemin (en le liant à des interfaces graphiques et cartographiques),
• trouver parmi des radios de patients les signes avant coureur d’un cancer (en s’appuyant sur « l’apprentissage machine »),
• sélectionner les meilleurs films à proposer à des clients en intégrant les données croisées de ce client et des autres similaires (étiquetage des données, analyses statistiques des données ayant les même caractéristiques de comportement client) ,
• répondre de manière automatisée via des bots en intégrant des modèles sémantiques sur les questions posées (toujours délicates à définir et à manier) et des paramètres définis par le concepteur
• analyser des milliers de données pour optimiser la définition d’un produit dans le futur (par ex: test consommateurs sur de la dégustation alimentaire) ou comprendre les tendances sur un phénomène particulier (par ex: le désabonnement ou le repérage de signes particuliers sur de la maintenance industrielle)
• et aussi et peut-être même le plus important trouver l’âme sœur via des applications de Matching !

Les usages de l’IA

Bien utilisées, elles peuvent faciliter la vie pour l’humain sur :

• La perception du monde qui l’entoure : traitement d’images et de vidéos, reconnaissance vocale,…
• La compréhension automatique du langage : moteur de recherche, traitement du langage naturel, techniques sémantiques, traitement automatique du langage (TAL). Les petits appareils vocaux très en vogue en sont la première illustration.
• La simulation du fonctionnement cognitif : Machine Learning ( la machine s’adapte sans toujours modifier ses algorithmes) ou le « Deeplearning » (cf. ci dessus)
• L’estimation de ce qui va se passer à partir de ce qui se passe ou de ce qui s’est passée : les analyses prédictives, la loi de grands nombres, les algorithmes,….
• Les simulations sur pleins de domaines d’application , notamment dans l’industrie du futur
• Les réponses à des questions complexes à partir de systèmes experts (sur la météo, sur la voiture autonome,..)
• L’analyse des signaux faibles et la réalisation de la veille : Web Crawling, Data mining, ….
• L’automatisation (RPA) intégrant ou non des adaptations de séquences à partir de scénarios
• Le jeu et la facilitation du jeu (premier domaine d’application à avoir illustrer les capacités de l’IA!)
• La compréhension d’univers en plusieurs dimensions ou l’augmentation de la réalité : la réalité virtuelle (VR),la 3D,…
• L’intégration aux réseaux des objets périphériques : IOTs
• et enfin tout le champs lié à la robotique et à ses applications qui deviennent un must dans certaines activités (par exemple en entrepôt)

Les IA recouvrent ainsi tout un panel de techniques fortement interactives caractérisées par leur aspect distribué, hétérogène, plutôt ouverte et autonome. Les IA les plus avancées cumulent bien entendu « Algorithme, Puissance et Données massives » pour tenter de réaliser tout de sorte de prodiges qui mettent en question toute une série de sujets dans l’évolution de nos sociétés.

En pratique , les approches les plus répandues visent à développer la « capacité d’exécuter des tâches prévues à partir de l’état courant et des détections, sans intervention humaine » (norme ISO 8373:2012 Robots et composants robotiques). On parle dans ce cas de RPA (à savoir Robotic Processus Automation).  

Ce type d’approches peut être une base pour développer ensuite des usages complémentaires. Mais, cela implique de repenser avant ces modes de travail en intégrant les possibilités de l’IA. Il existe par domaine de plus en plus d’applicatifs déjà packagés et accessibles à des entreprises de taille modeste permettant d’accéder aux usages décrits plus haut. .

Quelles sont les bases d’une architecture orientée données et IA ?

Vous noterez qu’il existe plusieurs intelligences artificielles aux techniques distinctes et pouvant au sein de systèmes plus complexes être mixées (on parle alors de système multi-agents dits SMA ).

Gardez en tête que la logique pour réfléchir à des approches IA est différente de la logique habituelle. les logiques prédictives et prescriptives.

Qualité de données et IA

La qualité des données sur lesquelles se base l’IA impacte fortement sa pertinence. L’apprentissage réalisé peut en effet entraîner des « biais » introduits ou non par le programmeur, les usages faits des outils d’interaction qui la contiennent ou liés aux donnés récoltées jamais neutres ou encore de règles de fonctionnement orientées….

Les débats en cours sur ce point en terme d’Ethique autour de l’IA sont donc parfaitement fondées afin de faire en sorte que l’IA ne soit pas juste une boite noire ou un écran de fumée pour masquer les mauvais usages toujours possibles de ces technologies.

Quelques questions sont structurantes en ce domaine :

• Quelle proposition de valeur je recherche en utilisant les données? quels usages vont elles me permettre d’attaquer?
• Piloter la donnée la gérer ? La partager?
• Qui en est le garant ? le propriétaire?
• Quelle gouvernance avec quelles valeurs pour l’IA? Est ce que des partenariats sont possibles sur la donnée?
• Est ce que je veux être « data scientist » expert ou simplement utiliser des packages de solutions sur étagère ?

L’IA au cœur de vos stratégies – quelques pistes

Alors prêt pour intégrer l’IA dans vos stratégies industrielles ?  Quelques pistes pour la route en terme d’applications:

• CLIENTS : utiliser des agents conversationnels et des systèmes d’IA pour analyser les parcours
• SEMANTIQUE : processus d’interactions de type texte (Natural Language Processing ou Traitement Automatique du Langage naturel) : réaliser des tâches facilitant la perception et la communication via des technologies du langage naturel (compréhension, génération, dialogue). La numérisation bien entendu permet de reconnaître facilement, de diffuser des parties d’informations, de proposer des premières analyses de la pertinence. Exemple: onboarding d’un nouveau client client (prise de connaissance, partage d’informations, reconnaissances de document, workflow automatisé par étapes,..)
• VISUEL: processus d’interactions visuelles : la reconnaissance visuelle sous toutes ses formes y compris via des véhicules automatisés en interne sur sites.
• METHODES DE TRAVAIL: l’IA dans ce cas est plutôt augmentée avec des outils permettant la fouille de données (data mining), de textes, et l’automatisation de certaines tâches notamment dans l’analyse des données. Elles permettent aussi de dégager le collaborateur de tâches répétitives ou de lui simplifier des tâches ou simplement de lui donner la possibilité de les faire en temps réel.
• ARCHITECTURE SI: piloter la performance technique et économique ainsi que la sécurité de vos infrastructures (réseaux et cloud).
• CONCEPTION / INNOVATION: via des Systèmes Multi-Agents (SMA) pour résoudre de nouveaux problèmes complexes et pour concevoir ou simuler des systèmes. Par exemple : la simulation de vos installations : de plus en plus de jumeaux numériques vous permettent de modifier vos processus de conception ou de maintenance en usine dans une logique usine du futur et de faciliter la prise de décisions de manière plus optimisées sur le terrain en ciblant vos actions opérationnelles.
• COLLABORATEUIRS: positionnement de votre entité en pointe pour expérimenter de nouvelles expériences clients ou collaborateurs.

Quel sens donné à vos projets ?

Bien entendu, avant se lancer dans l’IA à corps perdus, interrogez vous sur le sens de vos besoins et son niveau de complexité. Il est rare que l’IA résolve des problèmes qui ne sont pas appropriables humainement par les collaborateurs mais un gain de temps appréciables permet de développer d’autres talents.

Le sens que vous allez donner à vos projets est central :

• vous voulez que vos collaborateurs deviennent augmentés par ces outils, vous voulez réenchanter vos parcours clients,
• vous souhaitez intégrer des approches autour de Plateformes de service,
• vous souhaitez simplement optimiser pour assurer une productivité plus grande via des automatismes,
• vous souhaitez améliorer la qualité de vie au travail en soulageant les collaborateurs de tâches ingrates ou répétitives sans valeur ajoutée,
• vous voulez simplifier le management de vos business, développer de nouveaux marchés,…..?

Ils existent une multitude de solutions sur étagères qui vont de la finance/ gestion de trésorerie jusqu’aux processus de gestion de relations clients, de planification de la production en passant par le RH, la qualité, les achats et/ou des bâtiments intelligents intégrants des modules automatisés, gérables à distance.

Réindustrialiser – quelles démarches d’intégration de l’IA dans mes approches industrielles ?

Il est important de se poser les bonnes questions concernant mes environnements sectoriels dans lesquels j’opère : quelle valeur je recherche ? sur les Offres, la mesure de ma performance, l’impact IA sur mon réseau de valeur,… Cela permet de définir mes priorités : améliorer le fonctionnement ou apporter un plus aux clients et parties prenantes? 

1. Améliorer le fonctionnement : Exécution, Organisation, processus de travail
2. Apporter plus aux parties prenantes : Quels sont les scénarios d’usages porteurs? •Quelles parties de mes processus clients peuvent être améliorés avec l’IA?

On retrouve ici les fondamentaux du métier d’industriel et les enjeux des évolutions technologiques, cela devrait vous rassurer, l’IA n’échappe pas encore à l’arbitrage impératif à mener sur l’allocation de l’effort à faire. Les solutions sont matures dans certains domaines et encore en émergence dans d’autres.

Il n’y a plus qu’à se lancer pour anticiper un futur en intégrant ces dimensions d’intelligence de manière plus affirmée, beaucoup d’applications ne sont pas encore à leur optimum dans ce domaine (et c’est le moins que l’on puisse dire), ce qui prouve que nous ne sommes qu’au début de l’aventure…