L’intelligence artificielle, de quoi s’agit-il ?
L’encyclopédie Wikipédia définit l'intelligence artificielle (IA) comme un ensemble de théories et de techniques visant à réaliser des machines capables de simuler l'intelligence humaine..
Souvent classée dans le groupe des mathématiques et des sciences cognitives, elle fait appel à la neurobiologie computationnelle (particulièrement aux réseaux neuronaux) et à la logique mathématique (partie des mathématiques et de la philosophie).
Elle utilise des méthodes de résolution de problèmes à forte complexité logique ou algorithmique. Par extension, elle comprend, dans le langage courant, les dispositifs imitant ou remplaçant l'homme dans certaines mises en oeuvre de ses fonctions cognitives.
Les applications de l'IA incluent notamment moteurs de recherche, systèmes de recommandation, compréhension du langage naturel, voitures autonomes, chatBots, outils de génération d'images, outils de prise de décision automatisée et programmes compétitifs dans des jeux de stratégie.
Ses finalités et enjeux, ainsi que son développement, suscitent depuis l'apparition du concept, de nombreuses interprétations, des fantasmes ou des inquiétudes, retrouvés dans les récits ou films de science-fiction, comme dans les essais philosophiques.
Des outils d'intelligence artificielle (spécialisée ou générative) ont fait leurs preuves, mais restent loin des performances du Vivant dans toutes ses aptitudes naturelles, selon le magazine Slate en 2019.
Par delà cette définition encyclopédique générale, les experts en IA ne se sont jamais mis d’accord sur une définition absolue. Ils estiment que toute définition complète devrait comporter au moins 1à 10 éléments-paramètres
1. Machine Learning (apprentissage automatique) Une des principales disciplines de l’IA est le Machine Learning, aussi nommé l’apprentissage automatique. Il s’agit d’exploiter des données brutes, de les transformer en connaissances et ce, de manière automatique afin de prendre de meilleures décisions d’affaires. L’apprentissage automatique permet ainsi d’utiliser un modèle d’algorithmes pour piloter des stratégies d’affaires (data-driven strategy).
2. Deep Learning (apprentissage profond)
Le Deep Learning est une technique d’apprentissage automatique, une sous-catégorie de l’intelligence artificielle, qui permet de créer un réseau de neurones pour permettre à la machine d’apprendre par elle-même. Par exemple, pour qu’une machine reconnaisse le texte ou le visage d’une personne sur une image, la machine décompose l’image et va reconnaître des caractéristiques telles que la bouche, le visage, les cheveux.
3. Réseau de neurones
L’apprentissage profond se sert de neurones artificiels interconnectés et organisés, qui grâce à des algorithmes d’apprentissage, permettent des applications concrètes telles que la reconnaissance des formes, la traduction d’un document ou la description d’une image.
4. Big Data
L’apprentissage profond a été rendu possible grâce à la puissance de calcul des ordinateurs et la quantité massive de données. Ce volume impressionnant de données produites, collectées, rassemblées et structurées ou non, en temps réel ou non, ce sont les mégadonnées.
5. Data mining ( forage de données) L’exploration des données, aussi nommée data mining, est une phase de segmentation de données, d’identification de patterns et de tendances, puis d’extraction de connaissances à partir des informations stockées dans le big data. C’est le terrain de jeu des algorithmes et des calculs statistiques ou mathématiques.
6. Algorithme
Un algorithme est une méthode pour résoudre des problèmes, autrement dit une manipulation mathématique dans un langage de programmation qui permet de convertir une donnée entrante en une donnée sortante avec une valeur ajoutée et ce, selon un objectif bien précis.
7. Python
Il s’agit d’un langage de programmation puissant, disponible en « opensource » et principalement orienté « objet », qui permet une grande flexibilité de manipulation et d’analyse.
8. Analytique avancée
L’analytique avancée est un outil de prédiction et un levier de valorisation des données. Suite au traitement et à l’analyse de données brutes, le data est transformé en données intelligentes qui permettent d’anticiper les performances et les comportements notamment de l’équipement, des clients, de la compétition.
9. Internet des objets (iot)
Le big data et l’analytique avancée ont permis de transformer les objets connectés en objets intelligents. Une machine industrielle peut ainsi envoyer des données sur l’état des composants internes et sur les besoins de maintenance à venir.
10. Cybernétique
Le data mining et l’analytique avancée sont des concepts utilisés dans différents secteurs de recherche dont la cybernétique, qui est une approche scientifique qui étudie le flux d’information, les phénomènes d’interaction systémique, les mécanismes de transmission de l’information, les théories mathématiques de l’information, etc. Faisant partie prenante des sciences cognitives et des réseaux de neurones, la cybernétique est un concept relié à l’intelligence artificielle. Elle a été aussi récemment revalorisée grâce aux avancements robotiques.