L’Intelligence Artificielle, une révolution dans le décisionnel aussi. Passer de BI à Augmented Analytics.
L’intelligence artificielle (IA) fait dorénavant partie de notre langage. Elle est définie par l’un de ses créateurs, Marvin Lee Minsky, comme : " la construction de programmes informatiques qui s'adonnent à des tâches qui sont pour l'instant , accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : l'apprentissage perceptuel , l'organisation de la mémoire et le raisonnement critiquée ." Les géants de la tech investissent massivement pour en doter leurs produits, et de nombreuses startups voient le jour autour de l'IA.
Les premières marches de l’IA ont été bâties il y a bien longtemps, et remontent à la préhistoire, par la création de mythes, et l’imagination d’êtres artificiels, conçus par des humains et dotés de pouvoir, de sagesse, et d’intelligence. Puis, au fur et à mesure des siècles et de la modernisation de l’Homme, l’Intelligence Artificielle a pris une toute autre forme, pour devenir plus concrète et tangible.
Yoshua Bengio, chercheur connu dans le domaine informatique, explique : « (…)l ’ordinateur observe, on lui donne des exemples de ce qu’il devrait faire et si on lui donne suffisamment d’exemples et qu’on utilise ces fameux algorithmes d’apprentissage, y compris l’apprentissage profond, il est capable de générer sa propre compréhension intuitive de ce sur quoi il a été entraîné ».
L’entreprise a adopté les progrès de l’Intelligence Artificielle pour à son tour, bouleverser son marché et son capital économique. Améliorant leurs techniques et développant leurs capacités technologiques, les sociétés ont pu, en plus de réaliser des projets qui dépassaient leurs espérances, confier à la machine et aux robots des missions qui relèvent du challenge pour un simple fonctionnaire.
En ce qui concerne l’innovation en entreprise, les outils et techniques diffèrent. Mais les algorithmes, tellement puissants et innovants, décortiquent toutes les données, et introduisent des fonctionnalités aussi utiles que singulières : reconnaissance de visage ou de paysage, lecture sur les lèvres, prédiction de l’évolution de la bourse mondiale, réussite des tests psychologiques, bonne conduite des jugements cliniques, et bien plus…
L’algorithme est cette suite d’opérations qui permet de résoudre tous les problèmes. C’est le cerveau robotique par excellence, qui reproduit le comportement et modélise le fonctionnement humain.
Il est question d’inspiration de la perception et de la réflexion humaine afin d’optimiser et/ou automatiser une tâche bien définie en entreprise.
Le Machine Learning concerne autant la conception et l’analyse que l’implémentation de méthodes permettant au robot ou à la machine d’évoluer. Ainsi, de remplir des tâches de plus en plus difficiles, inaccessibles par le biais de moyens algorithmiques classiques.
Aurélien Géron, product manager YouTube chez Google France, a pu distinguer 4 types de Machine Learning : L'apprentissage supervisé (supervised learning), non-supervisé (unsupervised learning), semi-supervisé (semi-supervised learning) et par renforcement (reinforcement learning).
Ces 4 types, si on les réunit, permettent à la fois d’identifier des contenus, prédire des prix de ventes ou des risques médicaux, détecter des anomalies ou des corrélations, reconnaître des personnes sur des photos, perfectionner des logos complexes,…etc
Le Machine Learning permet donc des avancées spectaculaires en Entreprise, mais à condition que les données utilisées soient soignées, et sans anomalies apparentes.
La Business Intelligence a transformé nos processus ; l'Intelligence Artificielle, elle, redéfinit la viabilité même des entreprises. Cette transition vers une "entreprise intelligente" repose désormais sur des algorithmes d'apprentissage. Mais attention : un algorithme n'est aussi bon que les données qu'il consomme. Pour transformer l'essai, la question n'est plus de savoir s'il faut utiliser l'IA, mais comment garantir la qualité des données, la pertinence des protocoles d'évaluation et la robustesse des infrastructures informatiques.