Capgemini Institut 0144742410
24 rue du Gouverneur général Eboué 92136 Issy les Moulineaux
Intelligence Artificielle Paris
Intelligence Artificielle Paris
Intelligence Artificielle Paris
DURéE
2 jours
DATES
09-10 avril 2018
28-29 mai 2018
15-16 novembre 2018
LIEU
Paris
PRIX
1 965 € ht (2 358 € ttc)
Sommaire du séminaire
    Séminaires technique Institut Capgemini

    Intelligence Artificielle

    >  Que cache ce vaste domaine qu’est l’Intelligence Artificielle ? Quelles sont ses applications ? Pourquoi, comment et où lancer des projets d’Intelligence Artificielle dans son entreprise ?




    L’Intelligence Artificielle va devenir le passage obligé de toute entreprise innovante pour améliorer l’ensemble de ses processus métiers, de la production à la relation client. Les positions sont déjà prises dans un grand nombre de domaines, avec l’hyperactivité des GAFA (Google, Apple, Facebook, Amazon) en tête, de grands de l’informatique d’entreprise tels qu’IBM et Microsoft, d’entreprises innovantes et d’un grand nombre de startups horizontales et verticales. L’Intelligence Artificielle est un vaste champ méconnu, y compris au niveau de ses concepts et techniques élémentaires.

    Il est impératif pour les Directions Informatiques et Maitres d’Ouvrage de comprendre les tenants et aboutissants des techniques et applications de l’Intelligence Artificielle. Que peut-on réellement faire avec l’IA ? Qu’est-ce qui relève de l’effet de mode et du marketing ? Qu’est-ce qui s’installe durablement dans le paysage ? Comment ces techniques vont-t-elles évoluer dans les années à venir ? Pourquoi et comment gérer un projet d’Intelligence Artificielle ? Quelles sont les compétences clés à acquérir pour les réussir ? Comment se faire accompagner ? Ce sont quelques-unes des nombreuses questions qui seront traitées dans ce séminaire de deux jours permettant de défricher le sujet.

    LE MOT de l’intervenant

    « L’intelligence artificielle génère beaucoup de fantasmes. Elle ressemble à la magie : mystérieuse lorsque l’on ne comprend pas « le truc », et limpide et simple une fois qu’on l’a comprise. C’est aussi un domaine où l’art de l’assemblage est aussi important que les technologies utilisées. Les solutions les plus élégantes répondent évidemment à des besoins business clairement définis. Elles assemblent des techniques très variées qui demandent une forte capacité d’intégration de bout en bout de systèmes complexes. Les compétences associées sont rares. C’est une occasion de reprendre la main sur des projets stratégiques d’entreprises. »

    Olivier Ezratty

    Consultant indépendant et auteur de l’ebook « Les avancées de l’intelligence artificielle » (2016),
    du Guide des Startups et des Rapports du CES de Las Vegas depuis 2006, ingénieur logiciel
    et ancien Directeur Marketing de Microsoft France.



    Les grands courants de l’Intelligence Artificielle


    • Les origines de l’Intelligence Artificielle dans les années 1950. Le congrès de Darmouth.
    • Quels sont les grands concepts sous-jacents de l’Intelligence Artificielle (IA) ? Qui les a inventés et formulés ?
    • L’IA et les démonstrations de théorèmes.
    • Comment l’IA a-t-elle progressé depuis les années 1950 ? Pourquoi l’IA a-t-elle connu des hauts et des bas pendant les années 1970 et 1990 ? Le Rapport Lighthill. Les difficultés rencontrées avec le LISP et les systèmes experts.
    • Pourquoi de nombreuses promesses avant-gardistes n’ont pas été tenues à l’époque ?
    • Quelles étaient les premières applications de l’IA dans les entreprises ?
    • Le rôle de l’armée, surtout américaine, dans les projets autour de l’IA.
    • Pourquoi l’Intelligence Artificielle a-t-elle le vent en poupe depuis quelques années ? L’impact de la loi de Moore, d’Internet, des objets connectés, des besoins métiers et des récentes avancées dans le machine learning.
    • La signification des grandes victoires dans les jeux : échecs, Go, poker.

    Grandes briques technologiques de l’IA


    • Les trois grandes catégories de l’Intelligence Artificielle : étroite (Artificial Narrow Intelligence), généralisée (General) et supérieure (Super).
    • La force brute, utilisée notamment dans les jeux comme les échecs.
    • Les méthodes statistiques, le bayésien.
    • Les systèmes experts, et moteurs de règles et d’inférences.
    • La logique floue comme moyen d’affiner les systèmes experts. Pourquoi n’ont-ils pas le vent en poupe autant que le machine learning ? Pourquoi l’IA est-elle en retard dans la manipulation de concepts et abstractions ?
    • Le concept des réseaux de neurones ou le biomimétisme utilisé en particulier pour la reconnaissance des formes.
    • Le machine learning et les différentes composantes de l’apprentissage supervisé et non supervisé. L’apprentissage par renforcement. Classification, régression, modèles prédictifs, réseaux de convolution. Le machine learning est-il une amélioration du big data ?
    • Le deep learning ou l’apprentissage profond. Ses applications pour améliorer la reconnaissance de la parole et des images.
    • Les grands outils logiciels du développement d’applications dans l’IA avec notamment Google TensorFlow, Facebook Wi.ai, Clarifai.ai, Keras et Theano.
    • Le rôle stratégique des données et des bases de connaissances dans les applications d’Intelligence Artificielle.

    IA et infrastructure informatique


    • Quels rôles jouent les supports matériels dans l’Intelligence Artificielle ?
    • Les objets connectés et la sophistication des capteurs.
    • Comment évolue l’application de la loi de Moore dans les processeurs, le stockage et les réseaux. Est-elle si mal en point ?
    • Comment Intel et ses concurrents font-ils évoluer la puissance des processeurs ? Les niveaux d’intégration des composants et leurs limites, notamment quantiques. Les systèmes distribués. Les GPU multi-cœurs (Nvidia).
    • La loi de Moore dans le stockage. Les phénoménaux progrès des SSD. La mémoire 3DXpoint et Optane d’Intel.
    • A quoi servent les réseaux de neurones en silicium ? Dans quelles applications vont-ils améliorer les performances du machine learning ? Exemples chez Intel – Nervana, chez Google avec les TensorFlow Units et chez la startup française Scortex.
    • Les promesses de l’informatique quantique. Comment fonctionnent les ordinateurs quantiques ? A quoi servent-ils aujourd’hui ? A quoi pourront-ils servir demain ? Quels sont les obstacles technologiques restant à lever ?

    Applications génériques
    de l’Intelligence Artificielle


    • Reconnaissance de la parole : les solutions du marché avec Amazon Alexa, Apple Siri, Google, Microsoft Cortana, Nuance.
    • Traitement du langage : traduction automatique, production automatique de résumés.
    • Robots conversationnels : la mode des chatbots utilisés dans les services clients. Quelles technologies ? Comment sont-ils mis en œuvre ?
    • Reconnaissance d’images fixes et de vidéos, notamment dans les moteurs de recherche. Les applications dans la surveillance vidéo et le contrôle qualité dans l’industrie.
    • Segmentation automatique et ses applications dans le marketing.
    • Détection de fraudes, churn et autres comportements clients anormaux.
    • Méthodes de prédiction. Recommandation de contenus.
    • Cybersécurité : détection d’activités suspectes.
    • Robotique . Pourquoi est-ce encore de l’artisanat ? Les principaux robots du marché. Les robots d’accueil du public. Les robots pour le maintien à domicile des personnes âgées. Les robots de livraisons. Les drones. Les robots de Boston Dynamics.

    Les applications métiers
    de l’IA


    • Dans la santé : pour la génomique, l’aide au diagnostic, l’imagerie médicale, l’invention de nouvelles thérapies. Le rôle des statistiques croisées génotypes/phénotypes. Le futur de la simulation dans les biotechs. Peut-on simuler le vivant in-silico pour accélérer l’expérimentation thérapeutique ?
    • Dans l’automobile, avec la conduite assistée et autonome et ses grands enjeux. Qui sont les grands acteurs de ce secteur chez les équipementiers (Qualcomm, Nvidia, ZF, Valeo, Mobileye, Velodyne…). L’étude de cas du pivot de Nvidia dans le domaine. Le rôle des LiDAR dans les véhicules autonomes. L’exemple de Mobileye et son architecture de cartographie des routes en cloud.
    • Dans l’industrie : maintenance prédictive, robots et automates, vision artificielle, simulation de méthodes de production (PLM).
    • Dans le marketing, la vente et la relation clients. Comment l’IA aide à mieux cibler ses clients, faire de l’upselling et du cross-selling, à détecter les tendances, l’humeur du marché et des clients ? L’analyse de sentiments dans les réseaux sociaux et la détection des signaux faibles.
    • Dans la finance, pour l’investissement, l’évaluation de risques, la détection de fraudes bancaires voire fiscales.
    • Dans les métiers juridiques : comment le métier des avocats, des notaires et la justice vont-ils évoluer ?
    • Dans les médias et contenus : le machine learning appliqué à la commande des scénarios de jeu vidéo, le journalisme automatisé, la recommandation de contenus, la réalité virtuelle et augmentée.
    • Dans le secteur public, en particulier dans la sécurité et le renseignement.

    Les grands acteurs
    de l’Intelligence Artificielle


    • Comment les solutions d’Intelligence Artificielle sont-elles commercialisées ? Les modèles produits, projets et cloud les plus souvent pratiqués. Les approches grand public et entreprises.
    • L’exemple d’IBM Watson et le Cognitive Computing, ses succès symboliques, ses études de cas de marchés verticaux et son modèle économique. Quelles sont les technologies mises en œuvre dans IBM Watson ? Comment interpréter sa performance dans sa victoire au Jeopardy en 2011 ? Watson remplace-t-il les experts ?
    • Comment les projets d’Intelligence Artificielle sont-ils menés ? L’artisanat technologique. Les compétences associées.
    • Les principales startups dans l’IA et leur segmentation. Leurs domaines. Leurs modèles économiques. Leur financement. Les grands écosystèmes d’innovation dans l’IA. Les « acquihires ». L’IA washing dans le marketing des startups.
    • La stratégie IA d’autres grands acteurs du marché : Google dans les moteurs de recherche et dans l’automobile autonome, Facebook dans la reconnaissance d’images et la recommandation, Microsoft dans les agents conversationnels, SalesForce, Oracle, SAP, ainsi que leurs principales acquisitions de startups dans l’IA. Pourquoi autant d’ « acquihires » ?
    • Comment fonctionne la recherche française dans l’IA ? Comment se situe la France dans la concurrence? Que sort-il des laboratoires de recherche publics ? INRIA, CNRS, autres ? Quelles sont les principales startups du secteur ? Où sont les opportunités ? Quelle stratégie bâtir dans l’IA ?
    • Quel est le rôle de l’open source et de l’open data dans l’IA ? Et celui du cloud ?

    L’Intelligence Artificielle dans la société


    • Comment l’IA et la robotique vont transformer les métiers dans le futur ? Quel sera l’impact de l’IA sur le futur de l’emploi ?
    • Est-ce réaliste de prévoir que la moitié des emplois disparaitront dans à peine deux décennies ? Homme augmenté par l’IA ou remplacé par l’IA ?
    • Quels sont les emplois les moins et les plus menacés ? Quelles sont leurs caractéristiques ? Pourquoi les métiers manuels sont moins menacés ?
    • Quels sont les moyens d’éviter de se faire « robotiser » ? Dans quelle forme d’éducation faut-il investir ? Comment faire évoluer les compétences des salariés ?
    • Quelles sont les limites des prédictions sur l’IA ? Pourquoi les spécialistes de l’IA sont beaucoup plus prudents que les analystes ? Est-ce que par exemple les prévisions de la singularité visant à copier le contenu d’un cerveau dans un ordinateur sont réalistes ?
    • Qu’en est-il de l’IA en politique ? L’IA permet-elle de faire de la politique autrement ? Est-ce l’arme ultime pour gagner des élections ? Pour gérer un pays de manière rationnelle ?
    • Quelles régulations pourraient voir le jour autour de l’Intelligence Artificielle ? Autour de la vie privée, de la protection des données ou de la taxation du travail des robots.

    L’IA, l’entreprise
    et la DSI


    • Comment suivre le marché de l’IA, son évolution et ses applications pour innover ?
    • Quels sont les premiers projets à envisager? Quels sont leurs spécificités ?
    • Où sont les spécialistes de l’IA ? Comment et où sont-ils formés ?
    • Comment s’organiser pour « vendre » ces projets en interne ?
    • Comment évaluer l’efficacité de l’IA dans la pratique ?