« L’intelligence artificielle » (IA) est devenue un mot à la mode dans de nombreux discours liés à la technologie de nos jours. Les voitures autonomes, les bus autonomes, les avions autonomes, les drones, la robotique, la gestion du trafic, ville intelligente (Smart city), la maintenance prédictive, etc. sont peu de choses auxquelles on fait allusion quand on parle d'IA, qui semble futuriste malgré qu’il peut être surprenant de constater que l'IA fait déjà partie du passé et du présent et que nous en sommes entourés dans notre vie quotidienne.

 

  • Savons-nous vraiment ce qu'est l’Intelligence Artificielle (IA) ? 
  • Savons-nous la différence entre l’intelligence artificielle symbolique et l’intelligence artificielle connexionniste ?
  • Est-ce nous pouvons développer des solutions intelligentes sans faire appel au Machine Learning et au Deep Learning ?
  • Quels sont les secteurs et les domaines d’application de l’IA ?

L’Intelligence Artificielle (IA) peut être définie comme la simulation par des systèmes informatiques de processus d’intelligence humaine comme l’apprentissage et le raisonnement. Depuis ses débuts, qui remontent à l’article « Computing Machinery and Intelligence » publié par Alan Turing en 1950, l’IA a connu des hauts et des bas liés aux avancées des technologies. 

Entre les années 1950 et 1980, l'IA symbolique était le paradigme dominant de la recherche en IA. L’IA symbolique est le terme qui désigne l'ensemble de toutes les méthodes de recherche en intelligence artificielle qui implémente des méthodes de raisonnement symbolique appelées moteurs de règles ou systèmes experts ou graphes de connaissances. C'est l'approche la plus classique consistant à coder un modèle du problème et à s'attendre à ce que le système traite les données d'entrée selon ce modèle pour fournir une solution.

Entre 1960 et 1970, les chercheurs étaient convaincus que les approches symboliques réussiraient à terme à créer une machine à intelligence artificielle générale. Mais vers la fin des années 1970, les chercheurs ont décidé d’abandonner l’approche symbolique, en grande partie à cause des limites techniques de cette approche. Elle a été remplacé par une IA qui exploite la statistique et la mathématique en se focalisant sur des problèmes spécifiques plutôt que l’intelligence artificielle générale.

Dans les années 1980, l'apprentissage automatique se développe, notamment avec la renaissance de l’IA connexionniste via le Machine Learning. Les machines commencent à déduire des « règles à suivre » en analysant seulement des données.

Le Machine Learning (apprentissage automatique) regroupe un ensemble d’algorithmes d’apprentissage réparties en cinq catégories selon le type d’apprentissage exploité : supervisé, non supervisé, semi-supervisé, par renforcement et par transfert.

Les systèmes exploitant le Machine Learning doivent être alimenté par des données structurées et catégorisées lui permettant d’apprendre comment classer de nouvelles donnée similaires. Pour améliorer les performances, l’intervention d’un expert humain est possible pour indiquer au système les bonnes catégories des classifications erronées.

Le Deep Learning (apprentissage profond) a vu le jour au début des années 2010 et il s'agit d'une sous-catégorie du Machine Learning (apprentissage automatique) car il repose sur un apprentissage non supervisé. Le Deep Learning est particulièrement adapté aux tâches complexes, lorsque tous les aspects de l'objet à traiter ne peuvent être classés en amont. Les systèmes du Deep Learning ne nécessitent pas l’utilisation des données structurées. Il est capable de déterminer lui-même les caractéristiques discriminantes. Dans chaque couche du réseau de neurones, il recherche un nouveau critère spécifique à l'objet comme base pour décider quelle classification conserver pour l'objet à la fin du processus. En utilisant le Deep Learning, le système lui-même peut identifier les caractéristiques discriminantes des données sans que des experts humains n'aient besoin d'effectuer une classification préalable.

Ces dernières années, le développement de ces différentes méthodes d'apprentissage automatique a prospéré grâce à un environnement favorable combiné à la baisse continue du prix de la puissance de calcul et à l'augmentation spectaculaire du flux de données provenant des réseaux sociaux et des appareils portables. Par conséquent, la pertinence d'utiliser les technologies de l'IA est tout à fait raisonnable, car elle implique une grande quantité de données hétérogènes, y compris une analyse structurée et non structurée, en temps quasi réel.

Les avancées des technologies de l’intelligence artificielle commencent à fournir aux humains les outils leur facilitant la prise de décision ainsi que l’exécution de certaines tâches dans plusieurs domaines. Parmi lesquels nous citons quelques exemples de notre vie quotidienne ainsi que dans l’industrie où l’intelligence artificielle trouve sa place.

2 girls and 2 boys looking at a smartphone, smiling.

achats en ligne et publicité.

L'intelligence artificielle est souvent utilisée pour fournir des recommandations personnalisées aux utilisateurs en fonction de leur historique de recherche, d'achat ou de leur comportement en ligne. L’IA a une très grande importance dans le monde du commerce. 

Selon les données personnelles des personnes visitant le site e-commerce, leurs besoins et attentes seront différents. Est-ce une femme ou un homme ? Parents? Des gens habitués à acheter des vêtements de sport ? Une personne qui préfère les vêtements confortables ou les vêtements de luxe ?

En regardant une publicité sur Internet, combien de fois vous êtes-vous demandé « Je pensais acheter ce produit » ? C'est l'intelligence artificielle au travail.

Il n'y a pas de magie ici parce que l’IA n’est pas capable de lire dans votre esprit. Il s’agit simplement d’un système capable de tracer vos activités en ligne et de les exploiter ensuite. Les produits que vous parcourez sur différents sites d'achat ou moteurs de recherche sont suivis et les publicités liées à ces produits vous sont transmises.

Les techniques de data science et l’analyse de comportement sont au rendez-vous pour proposer des briques technologiques aux outils existants dans les entreprises pour mettre en place ce genre de personnalisation. 

smartphone & réseaux sociaux.

Cela semble être un défi d'imaginer nos vies sans téléphones portables. Les différentes applications de nos téléphones portables font désormais partie intégrante de notre quotidien. Parmi ces applications, certaines sont basées sur l'intelligence artificielle.

Les assistants intelligents intégrés à nos téléphones, tels que Siri, Alexa et Google Assistant, sont les exemples les plus évidents d'intelligence artificielle que la plupart d'entre nous connaissons et utilisons.

De plus en plus de plateformes technologiques mobiles développent des solutions qui utilisent l'intelligence artificielle pour gérer différents aspects des appareils, tels que la gestion de la batterie, les recommandations d'événements, etc.

Passez des applications sur smartphones à l'intelligence artificielle dans diverses applications de médias sociaux. Qu'il s'agisse de votre Facebook, Twitter, Instagram ou d'autres plateformes influencé qui contrôle les flux que vous voyez durant la navigation sur ces plates-formes ou les notifications que vous recevez.

Il prend en compte vos goûts et préférences, votre histoire, etc. Organisez les informations de manière à véhiculer un flux que vous jugez plus pertinent et que vous avez tendance à consulter.

assistants numériques personnels, commande vocale & saisie automatique.

Les smartphones exploitent l'intelligence artificielle pour fournir des produits aussi adaptés et pertinents que possible. Des assistants virtuels répondent aux questions, fournissent des suggestions et aident à gérer les tâches quotidiennes.
 
Vous avez envie de savoir où l’IA est utilisée en commande vocale ? 

Pas besoin de chercher loin. Il suffit de regarder votre propre appareil mobile. L'intégration de l'IA rend la saisie de texte plus confortable. Elle peut prédire des mots, des phrases et des émojis en fonction de votre utilisation courante et de votre style d'écriture. C'est au-delà de l’écriture prédictive utilisé dans les téléphones portables précédents, et il est recommandé d'être plus adapté au contexte et à imiter votre style d’écriture.

A man and 2 women sitting around a desk talking.

smart home.

En ce qui concerne l'application de l’IA dans le développement de la maison intelligente, nous pensons naturellement à Alexa et Bixby.

Cependant, ces applications d'intelligence artificielle ne se limitent pas à ces assistants vocaux intelligents, elles utilisent l'IA pour :

  • ajuster automatiquement la température d'un appareil à température constante
  • économiser de l'énergie en l'allumant/éteignant automatiquement les lumières en fonction de la présence de personnes
  • enceintes intelligentes
  • applications qui changent la couleur de la lumière selon l'heure de la journée

Ce sont des applications qui utilisent l'intelligence artificielle pour rendre la maison plus intelligente.
L'intelligence artificielle utilisée est en constante évolution, et de plus en plus de solutions sont développées pour comprendre nos comportements et agir en conséquence.

surveillance de sécurité.

L'idée d'intelligence artificielle a amené le concept de son utilisation pour une surveillance à plus grande échelle. Si l'éthique est un sujet controversé, il est bien connu que l'intelligence artificielle est de plus en plus utilisée dans ce domaine. La surveillance de l'énorme flux transmis par diverses caméras et autres appareils est non seulement une activité fastidieuse, mais a également ses limites. L'intelligence artificielle utilise des technologies telles que la reconnaissance faciale, la reconnaissance d'objets et de localisation. Surveiller et analyser les entrées entrantes.

services financiers.

La banque est l'un des domaines qui a adopté les inventions technologiques plus tôt que la plupart des autres domaines.

Les banques utilisent l'intelligence artificielle dans de nombreux domaines, notamment pour détecter toute activité frauduleuse, analyser les tendances d'investissement des clients, fournir un service client, etc.

Lorsque vous utilisez un nouvel appareil pour effectuer une transaction, avez-vous reçu une notification de votre banque ? Il s'agit d'un cas d'utilisation de l'IA pour détecter toute fraude potentielle. Les notifications reçues des banques et des institutions financières concernant leurs services et produits sont des exemples d'IA comprenant vos préférences, vos exigences et votre solidité financière pour recommander des produits connexes.

santé.

Grâce aux avancées du Machine Learning, du Deep Learning et du Big Data, l'intelligence artificielle continue de changer progressivement le monde médical.

L'intelligence artificielle permet un diagnostic médical plus précis et détaillé. L’IA permet aussi le développement de la chirurgie, de la radiologie, de la thérapeutique et la gestion d’affluence dans les hôpitaux.

Les progrès de l'intelligence artificielle rendront le diagnostic médical de maladies spécifiques plus précis et détaillé. Grâce au big data, de grandes quantités de données peuvent désormais être collectées de manière plus simple, plus rapide et plus efficace. Évidemment, tout cela se fait dans le respect de la vie privée des patients.

Par exemple, afin de lutter contre la propagation du coronavirus, des chercheurs expérimentés dans l'analyse des données et la science des données ont développé de nouvelles méthodes pour détecter le virus en exploitant uniquement les sonorités de la toux. L'intelligence artificielle est également utilisée pour étudier des vaccins et des traitements contre la maladie. Sans compter que l'intelligence artificielle permet de lutter contre le Covid-19, en l'utilisant dans la production d'imagerie thermique et dans d'autres situations dans les aéroports. 

Dans le domaine médical, l'IA peut détecter les infections en effectuant une tomodensitométrie des poumons du patient. L’IA a également facilité la collecte des données pour suivre l'évolution de l'infection. 

Le progrès de l'intelligence artificielle et du Big Data va bien au-delà de l'avancement du diagnostic médical. En effet, dans un futur proche, les branches de la chirurgie, de la radiologie et de la thérapeutique seront subverties. L'objectif principal est d'améliorer la précision du traitement et de la prévention de diverses maladies qui affectent la population mondiale.

Les chercheurs étudient comment utiliser l'intelligence artificielle pour analyser une grande quantité de données liées à la santé afin de découvrir des schémas récurrents, générant ainsi de nouvelles découvertes et des moyens d'améliorer le diagnostic personnel.

En voici une illustration: des chercheurs ont développé un programme d'intelligence artificielle capable de répondre aux appels d'urgence. Le programme devrait détecter les cas d'arrêt cardiaque lors des appels plus rapidement et plus fréquemment que les répartiteurs médicaux. Un autre exemple est le projet KConnect cofinancé par l'UE, qui développe des services de recherche et de texte multilingues pour aider les gens à trouver les informations médicales qui correspondent le mieux à leurs besoins.

automobile.

Les voitures intelligentes sont un autre domaine où l'intelligence artificielle est de plus en plus populaire dans notre vie quotidienne.

Ce ne sont pas seulement des entreprises comme Tesla qui sont à la pointe des applications d'automatisation automobile. De nombreux constructeurs automobiles envisagent également d’intégrer l'intelligence artificielle dans les voitures pour fournir des services aux conducteurs.

Les informations sont partagées et communiquées entre les voitures pour mieux conduire dans la circulation. Des mises à jour en temps réel des entrées de circulation et des barrages routiers sont transmises immédiatement pour rappeler aux autres véhicules sur le réseau d'autoriser le réacheminement.

Bien que les voitures autonomes ne soient pas encore devenues la norme, nos voitures ont déjà utilisé des fonctions de sécurité basées sur l’IA sans forcément utiliser le Machine Learning ou le Deep Learning. Par exemple, le freinage automatique d'urgence (AEB en anglais) est un dispositif qui permet à la voiture ou au camion de freiner automatiquement lorsqu'il détecte une collision imminente avec un véhicule, un piéton ou un autre obstacle détecté. 

Le système AEB est conçu pour gérer différents scénarios routiers. Tout d'abord, il avertira le conducteur des obstacles devant la voiture. Si le conducteur ne prend pas de mesures à temps pour éviter la collision, le système AEB appliquera automatiquement les freins avec divers degrés de force en fonction de l'algorithme intelligent de vitesse. 

D’autres fonctionnalités intelligentes sont de plus en plus présente dans les voitures comme le stationnement automatique, la commande vocale, la commande gestuelle et la détection de la somnolence.

l’aéronautique.

Dans l'industrie aéronautique, l’IA peut être utilisée pour assurer la communication automatique avec les tours de contrôle, le décollage et l'atterrissage automatiques des avions, le routage automatique des avions sur terre et les inspections à des fins de détection de pannes (maintenance prédictive).

Dans le secteur aérien, le développement de l'intelligence artificielle permet aux compagnies aériennes :

  • d'augmenter leurs revenus en :
    • comprenant rapidement les préférences des clients
    • optimisant les prix en temps réel
    • déterminant les destinations préférées de publics spécifiques
       
  • l’optimisation de l'utilisation de l'espace aérien grâce à la maintenance prédictive
     
  • suivre les bagages en temps réel, estimer avec précision la quantité de carburant nécessaire au vol et réduire les coûts
     
  • la satisfaction client en analysant les sentiments des clients ou encore l’analyse des trajets
     
  • mise en œuvre des modèles et des stratégies de gestion des risques en intégrant le modèle d’estimation de la fatigue dans le logiciel de planification des équipages. Par conséquent, l'horaire peut être ajusté en fonction du risque de fatigue estimé de chaque pilote.

 
Jour après jour, nous découvrons que les solutions intelligentes aident l’humain à devenir plus productifs, elle lui offre des services pour accéder plus facilement aux informations et prendre une décision rapidement.

sur l'auteur

Jihen Karaoui

practise lead ai & big data @ausy