Homme utilisant un assistant virtuel optimisé par l'IA

Qu'est-ce que l'intelligence artificielle ?

L'intelligence artificielle (IA) a été définie très tôt par l'un de ses pères fondateurs, Martin Minsky, comme « la science qui consiste à faire faire aux machines des choses qui exigeraient d'avoir recours à l'intelligence si elles étaient faites par des hommes ». Si l'essentiel de cette définition demeure vrai aujourd'hui, les informaticiens modernes vont un peu plus loin et définissent l'IA comme un système capable de percevoir son environnement et de prendre des mesures pour maximiser les chances d'atteindre ses objectifs. En outre, il s'agit d'un système ayant la capacité d'interpréter et d'analyser les données de manière à apprendre et à s'adapter au fur et à mesure.

Histoire de l'IA

Du mythe grec de Pygmalion au conte victorien de Frankenstein, les humains ont longtemps été fascinés par l'idée de créer un être artificiel capable de penser et d'agir comme une véritable personne. Avec l'essor des ordinateurs, nous avons compris que la vision de l'intelligence artificielle n'émergerait pas sous la forme d'entités autonomes et indépendantes, mais sous la forme d'un ensemble d'outils et de technologies connectés qui pourraient évoluer et s'adapter aux besoins humains.

Le terme « intelligence artificielle » a été inventé en 1956, lors d'une conférence scientifique à l'université de Dartmouth à Hanover, dans le New Hampshire. Depuis lors, l'IA et la gestion des données se sont développées de manière extrêmement interdépendante. Pour effectuer des analyses solides, l'IA nécessite beaucoup de Big Data. Pour pouvoir traiter digitalement un grand nombre de données, le système a besoin de l'IA. Ainsi, l'histoire de l'IA s'est développée parallèlement à l'augmentation de la puissance de calcul et des technologies de base de données.

Aujourd'hui, les systèmes d'entreprise qui ne pouvaient autrefois traiter que quelques gigaoctets de données peuvent désormais gérer des téraoctets et peuvent utiliser l'IA pour traiter les résultats et les insights en temps réel. Et contrairement à une création de l'homme vacillant jusqu'au village, les technologies de l'IA sont agiles et réactives, conçues pour améliorer et faire évoluer leurs partenaires humains, et non pour les remplacer.

Types d'IA

L'IA est l'un des domaines du développement technologique qui connaît la croissance la plus rapide. Pourtant, aujourd'hui, même les modèles d'IA les plus complexes ne font appel qu'à l'« intelligence artificielle faible », qui est le plus élémentaire des trois types d'IA. Les deux autres relèvent encore de la science-fiction et, pour l'instant, ne sont pas utilisés de manière pratique. Cela dit, au rythme où l'informatique a progressé au cours des 50 dernières années, il est difficile de dire où l'avenir de l'IA nous mènera.

Les trois principaux types d'IA

Intelligence artificielle faible (IA faible)

L'IA faible est le type d'IA qui existe aujourd'hui et qui est également connu sous le nom d'IA « étroite ». Si les tâches que l'IA faible peut accomplir peuvent être commandées par des algorithmes et des réseaux neuronaux très complexes, elles n'en sont pas moins singulières et orientées vers un but précis. La reconnaissance faciale, les recherches sur Internet et les voitures autonomes sont autant d'exemples d'IA faible. Elle est qualifiée de « faible » non pas parce qu'elle manque d'envergure et de puissance, mais parce qu'elle est encore loin de posséder les composantes humaines que nous attribuons à la véritable intelligence.

Intelligence artificielle générale (IAG)

L'IAG devrait être capable d'accomplir avec succès toute tâche intellectuelle qu'un humain peut accomplir. À l'instar des systèmes d'IA faibles, les systèmes d'IAG peuvent tirer des enseignements de l'expérience, repérer et prédire des modèles, mais ils sont capables d'aller encore plus loin. L'IAG peut extrapoler ces connaissances à un large éventail de tâches et de situations qui ne sont pas prises en compte par les données acquises précédemment ni par les algorithmes existants.

Le Summit Supercomputer est l'un des rares superordinateurs de ce type au monde à exploiter l'IAG. Il peut effectuer 200 quadrillions de calculs en une seconde, ce qui prendrait un milliard d'années à un humain. Pour que les modèles d'intelligence artificielle générale soient réellement réalisables, ils n'auraient pas nécessairement besoin d'une telle puissance, mais ils nécessiteraient des capacités de calcul qui n'existent actuellement qu'au niveau des superordinateurs.

Superintelligence artificielle

Théoriquement, les systèmes de superintelligence artificielle sont parfaitement conscients d'eux-mêmes. Au-delà de la simple imitation ou compréhension du comportement humain, ils le saisissent à un niveau fondamental.

Dotée de ces caractéristiques humaines et riche d'une puissance de traitement et d'analytique très évoluée dépassant de loin la nôtre, la superintelligence artificielle peut laisser entrevoir un avenir dystopique, de science-fiction, dans lequel les humains deviennent de plus en plus obsolètes.

Il est peu probable que les personnes vivant aujourd'hui connaissent un jour un tel monde, mais cela étant, l'IA progresse à un rythme si grand qu'il est important de réfléchir à des lignes directrices éthiques et à une bonne gestion, en prévision d'une intelligence artificielle qui pourrait nous surpasser dans presque tous les domaines mesurables. Comme le conseillait Stephen Hawking, « en raison du grand potentiel de l'IA, il est important de rechercher comment tirer parti de ses avantages tout en évitant les pièges potentiels ».

Avantages de l'IA

Il y a quelques décennies à peine, l'utilisation de l'IA dans les opérations commerciales en était à un stade de « pionnier » et son potentiel était encore quelque peu théorique. Depuis lors, les technologies et les applications de l'IA n'ont cessé de progresser et d'apporter de la valeur ajoutée aux entreprises, à tel point que l'IDC prévoit que les dépenses liées aux technologies de l'IA auront plus que doublé d'ici 2024, et ce depuis 2020 seulement. Et à mesure que les technologies de l'IA s'améliorent, la compréhension humaine de leur potentiel et la créativité avec laquelle elles sont appliquées augmentent également. Aujourd'hui, les entreprises bénéficient d'une gamme toujours plus large d'avantages tangibles grâce aux systèmes alimentés par l'IA, dont les cinq ci-dessous :

Résilience à l'échelle de l'entreprise : bien avant l'existence des ordinateurs, les entreprises étaient conscientes de l'intérêt de recueillir et de comprendre des données sur leur activité, leur marché et leurs clients. Les ensembles de données devenant de plus en plus volumineux et complexes, la capacité à analyser ces données avec précision et en temps voulu est devenue de plus en plus difficile. Les solutions optimisées par l'IA permettent non seulement de gérer le Big Data, mais aussi d'en tirer des insights actionnables. L'IA permet d'automatiser des processus complexes, d'utiliser plus efficacement les ressources et de mieux prévoir les disruptions (et les opportunités) et de s'y adapter.
Meilleur service client : l'IA permet aux entreprises de personnaliser les offres de service et d'interagir avec leurs clients en temps réel. Au fur et à mesure que les consommateurs passent du statut de « prospect » à celui de « client » dans le canal de vente moderne, ils génèrent des ensembles de données complexes et diversifiés. L'IA donne aux systèmes métier le pouvoir de tirer parti de ces données et de mieux servir leurs clients et d'échanger avec eux.
Prise de décision avisée : les bons dirigeants d'entreprise s'efforcent toujours de prendre des décisions rapides et éclairées. Plus la décision est cruciale, plus la probabilité qu'elle ait des composantes et des interdépendances multiples et complexes est grande. L'IA contribue à faire évoluer la sagesse et l'expérience des humains, grâce à une analyse avancée des données et à des insights exploitables qui permettent de prendre des décisions avisées et en temps réel.
Produits et services pertinents : de nombreux modèles de R&D traditionnels étaient rétrogrades. L'analyse des données relatives aux performances et aux feedback clients n'avait souvent lieu que bien après l'arrivée d'un produit ou d'un service sur le marché. Il n'existait pas non plus de systèmes permettant de repérer rapidement les lacunes et les opportunités potentielles sur le marché. Grâce aux systèmes optimisés par l'IA, les entreprises peuvent examiner une grande variété d'ensembles de données, simultanément et en temps réel. Cela leur permet de modifier les produits existants et d'en introduire de nouveaux, sur la base des données les plus pertinentes et les plus récentes concernant le marché et les clients.
Collaborateurs engagés : un récent sondage Gallup montre que les entreprises dont les collaborateurs font état d'un haut niveau d'engagement sont jusqu'à 21 % plus rentables en moyenne. Les technologies d'IA sur le lieu de travail peuvent réduire la charge des tâches banales et permettre aux collaborateurs de se concentrer sur un travail plus épanouissant. Les technologies de ressources humaines qui utilisent l'IA peuvent également aider à remarquer quand les collaborateurs sont anxieux, fatigués ou s'ennuient. En personnalisant les recommandations en matière de bien-être et en aidant à hiérarchiser les tâches, l'IA peut soutenir les collaborateurs et les aider à retrouver un équilibre sain entre vie professionnelle et vie privée.

Demander une démonstration

Assistez à une démonstration des technologies intelligentes telles que l'IA et le Machine Learning.

Technologies de l'IA

Pour être utile, l'IA doit être applicable. On ne peut apprécier sa véritable valeur que lorsqu'elle fournit des insights exploitables. Si nous imaginons l'IA comme un cerveau humain, les technologies d'IA sont comme les mains, les yeux et les mouvements du corps : tout ce qui permet d'exécuter les idées du cerveau. Voici quelques-unes des technologies d'IA les plus utilisées et qui progressent rapidement.

Technologies d'intelligence artificielle

Machine Learning

Le Machine Learning (et tous ses composants) est un sous-ensemble de l'IA. Dans le domaine du Machine Learning, les algorithmes sont appliqués à différents types de méthodes d'apprentissage et de techniques d'analyse, qui permettent au système d'apprendre automatiquement et de s'améliorer à partir de l'expérience sans être explicitement programmé. Pour les entreprises, le Machine Learning peut être appliqué à tout problème ou objectif nécessitant des résultats prédictifs, obtenus à partir d'une analyse complexe des données.

Quelle est la différence entre l'IA et le Machine Learning ? Le Machine Learning est un sous-ensemble de l'IA, qui ne pourrait pas exister sans elle. Leur différence est un fait. Ce qui est intéressant, c'est de savoir en quoi ils le sont. L'IA traite les données pour prendre des décisions et émettre des prévisions. Les algorithmes de Machine Learning permettent non seulement à l'IA de traiter ces données, mais aussi de les exploiter pour apprendre et devenir plus intelligente, sans avoir à recourir à une programmation additionnelle.

Traitement du langage naturel (NLP)

Le NLP permet aux machines de reconnaître et de comprendre le langage écrit, les commandes vocales, ou les deux. Cela inclut la capacité de traduire le langage humain dans une forme que l'algorithme peut comprendre. La génération en langage naturel (NLG) est un sous-ensemble du NLP qui permet à la machine de convertir le langage digital en langage humain naturel. Dans des applications plus sophistiquées, le NLP peut utiliser le contexte pour déduire l'attitude, l'humeur et d'autres qualités subjectives afin d'interpréter le sens avec plus de précision. Les applications pratiques du NLP comprennent les chatbots et les assistants vocaux digitaux tels que Siri et Alexa.

Facebook
twitter

Qu'est-ce qu'un chatbot ? Découvrez ces assistants digitaux et la façon dont ils utilisent le NLP.

Vision par ordinateur

La vision par ordinateur (aussi appelée vision artificielle ou vision digitale) est la méthode par laquelle les ordinateurs comprennent et « voient » les images et vidéos digitales, par opposition à la simple reconnaissance ou à la catégorisation de celles-ci. Les applications de vision par ordinateur utilisent des capteurs et des algorithmes d'apprentissage pour extraire des informations contextuelles complexes qui peuvent ensuite être utilisées pour automatiser ou informer d'autres processus. La vision par ordinateur peut également extrapoler des données à des fins prédictives, ce qui signifie essentiellement qu'elle peut voir à travers les murs et dans les coins. Les voitures autonomes sont un bon exemple de l'utilisation de la vision par ordinateur.

Robotique

La robotique n'a rien de nouveau et est utilisée depuis des années, notamment dans le secteur de la production. Cependant, sans la mise en application de l'IA, l'automatisation doit être réalisée par une programmation et un calibrage manuels. Si ces workflows présentent des faiblesses ou des inefficacités, elles ne peuvent être détectées qu'après coup, ou après une panne. Souvent, l'opérateur humain ne peut jamais savoir ce qui a conduit à un problème, ni quels ajustements pourraient être apportés pour obtenir une meilleure efficacité et une meilleure productivité. L'introduction de l'IA (généralement par l'intermédiaire de capteurs IoT) permet d'élargir considérablement le champ d'application, le volume et le type de tâches robotiques effectuées. Parmi les exemples de robotique dans l'industrie, citons les robots préparateurs de commandes utilisés dans les grands entrepôts et les robots agricoles qui peuvent être programmés pour cueillir ou entretenir les cultures aux moments les plus optimaux.

L'IA d'entreprise en action

Chaque année, de plus en plus d'entreprises prennent conscience des bénéfices et des avantages concurrentiels que les solutions d'IA peuvent apporter à leurs activités. Certains secteurs, tels que la santé et la banque, détiennent des ensembles de données particulièrement volumineux et vulnérables. Pour eux, l'utilité de l'IA était évidente dès ses premières itérations. Mais aujourd'hui, du fait de son champ d'application et de son accessibilité, l'IA moderne dispose d'applications pertinentes dans presque tous les modèles économiques. Les exemples suivants n'illustrent que quelques-uns de ces secteurs.

L'IA dans le secteur de la santé
Les ensembles de données médicales comptent parmi les plus grands, les plus complexes et les plus sensibles au monde. L'un des principaux objectifs de l'IA dans le secteur de la santé est d'exploiter ces données pour établir des relations entre les diagnostics, les protocoles de traitement et les résultats des patients. En outre, les établissements de santé se tournent vers les solutions d'IA pour soutenir d'autres initiatives et domaines opérationnels. Il peut s'agir, entre autres, de la satisfaction et de l'optimisation du personnel, de la satisfaction des patients et de la réduction des coûts. Découvrez les avantages de l'adoption des technologies intelligentes et de la digitalisation dans le secteur de la santé.
L'IA dans le secteur bancaire
Les banques et les institutions financières ont un besoin accru de sécurité, de conformité et de rapidité transactionnelle et, à ce titre, ont été parmi les premiers à adopter les technologies d'IA. Des fonctionnalités telles que les robots pilotés par l'IA, les conseillers en paiement digital et les mécanismes biométriques de détection des fraudes contribuent à améliorer l'efficacité et le service client, ainsi qu'à réduire les risques et les fraudes. Découvrez comment les banques gèrent les services de bout en bout grâce à la digitalisation et aux technologies intelligentes.
L'IA dans la production
Lorsque des terminaux et des machines sont connectés pour envoyer et recevoir des données via un système central, ils constituent un réseau IoT. L'IA ne se contente pas de traiter ces informations, elle les utilise pour anticiper les opportunités et les disruptions, et pour automatiser les meilleures tâches et workflows afin d'y faire face. Dans les usines intelligentes, cela s'étend aux protocoles de production à la demande pour les imprimantes 3D, et aux inventaires virtuels. Découvrez comment Adidas utilise le Machine Learning pour livrer des baskets personnalisées en seulement 24 heures.
L'IA dans le secteur de la distribution de détail
La pandémie a eu un impact considérable sur les habitudes d'achat, avec une hausse significative des achats en ligne par rapport à la même période pour l'année précédente. Cela a contribué à créer un climat extrêmement concurrentiel et en rapide évolution pour les détaillants. Les acheteurs en ligne ont recours à un grand nombre de points de contact et génèrent des quantités plus importantes que jamais d'ensembles de données complexes et non structurées. Pour mieux comprendre et exploiter ces données, les détaillants se tournent vers des solutions d'IA capables de traiter et d'analyser des ensembles de données disparates afin de fournir des insights utiles et des interactions en temps réel avec leurs clients. Découvrez comment vous pouvez relever les défis et saisir les opportunités qu'offre le nouveau monde de la distribution de détail grâce aux technologies intelligentes et à la digitalisation.

Éthique et défis liés à l'IA

En 1948, le pionnier de l'informatique Alan Turing a déclaré : « Un ordinateur mériterait d'être qualifié d'intelligent s'il pouvait duper un humain en lui faisant croire qu'il est humain ». Bien que la vitesse de traitement et la puissance analytique d'un ordinateur moderne piloté par l'IA auraient semblé incroyables à M. Turing, il aurait néanmoins probablement compris les dilemmes éthiques que présente ce niveau de puissance. Plus l'IA parvient à nous comprendre et à nous imiter, plus elle semble humaine. Et comme nous générons des quantités croissantes de données personnelles via les canaux digitaux, nous devons, de plus en plus, être en mesure de faire confiance aux applications d'IA qui sous-tendent un si grand nombre de nos activités quotidiennes. Vous trouverez ci-dessous quelques exemples de défis éthiques que les chefs d'entreprise doivent connaître et surveiller.

Découvrir les directives de SAP pour l'IA

Consultez les principes qui encadrent le développement et le déploiement de nos logiciels d'IA.

Utilisation éthique des données clients
Dans les années 2020, la majeure partie des informations que nous partageons et recueillons en tant qu'entreprises ou individus se fait via des canaux connectés de manière digitale. Début 2020, il y avait plus de 3,5 milliards de smartphones dans le monde, tous partageant d'énormes quantités de données, allant de leur localisation GPS jusqu'aux détails personnels et aux préférences de leurs utilisateurs, en passant par les réseaux sociaux et les comportements de recherche. À mesure que les entreprises accèdent plus largement aux informations personnelles de leurs clients, il devient extrêmement important de mettre en place des repères et des protocoles en constante évolution pour protéger la vie privée et minimaliser les risques.
Préjugés de l'IA
Les préjugés peuvent se glisser dans un système d'IA en raison d'un parti pris humain dans la programmation de ses algorithmes ou du fait de préjugés systémiques pouvant être propagés via des hypothèses erronées dans le processus de Machine Learning. Dans le premier cas, la manière dont cela peut se produire semble plutôt évidente. Mais dans le second cas, cela peut être plus difficile à repérer et à éviter. Un exemple de partialité de l'IA bien connu s'est produit dans le système de santé américain, où des applications d'IA étaient utilisées pour attribuer des normes de soins. L'algorithme a appris que certains groupes démographiques étaient moins à même de payer les soins. Il a ensuite extrapolé cette information pour établir une corrélation erronée entre ce groupe et le fait qu'il a moins droit aux soins. Après avoir découvert cette erreur malencontreuse, des informaticiens de l'UC Berkeley ont travaillé avec les développeurs pour modifier les variables algorithmiques, réduisant ainsi le préjugé de 84 %.
Transparence de l'IA et IA explicable
La transparence en IA est la capacité à déterminer comment et pourquoi un algorithme est arrivé à une conclusion ou une décision particulière. Les algorithmes d'IA et de Machine Learning qui éclairent les résultats, et les résultats eux-mêmes, sont souvent si complexes qu'ils dépassent la compréhension humaine. Les algorithmes de ce type sont connus sous le nom de modèles « boîte noire ». Pour les entreprises, il est important de s'assurer que les modèles de données sont justes, impartiaux et peuvent être expliqués et examinés de l'extérieur. En particulier dans des domaines tels que l'aviation ou la médecine, où des vies humaines sont en jeu. Il est donc vital que les humains qui utilisent ces données prennent les initiatives de gouvernance des données très au sérieux.
Deepfakes (hypertrucages) et fake news (fausses informations)
Le terme « deepfake » est un mot-valise composé des termes « deep learning » et « fake ». Il s'agit d'une technique faisant appel à l'intelligence artificielle et au Machine Learning pour, généralement, superposer le visage d'une personne sur le corps d'une autre dans une vidéo, avec une précision telle qu'il est impossible de distinguer l'original. Dans sa forme innocente, elle peut donner lieu à des effets visuels étonnants, comme un Robert De Niro et un Joe Pesci rajeunis de 30 ans dans le film The Irishman. Malheureusement, son utilisation la plus courante consiste à créer des fausses nouvelles crédibles ou à faire apparaître des célébrités dans des vidéos explicites ou compromettantes dans lesquelles elles n'apparaissaient pas à l'origine.

Découvrir les solutions d'IA

Les outils d'IA et de Machine Learning de SAP sont au service des meilleures entreprises du monde.