Intelligence Artificielle

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

LE MOT DE L’INTERVENANT

L’intelligence artificielle génère beaucoup de fantasmes. Elle...

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
Olivier Ezratty, consultant indépendant et auteur de l’ebook « Comprendre l’informatique quantique » (2018), « Les usages de l’Intelligence Artificielle » (2017 et 2018), du « Guide des Start-Ups » et des rapports du CES de Las Vegas depuis 2006, ingénieur logiciel et ancien directeur Marketing de Microsoft France.
Lire la suite Cacher le texte


L’Intelligence Artificielle est devenue le passage obligé de toute entreprise innovante pour améliorer l’ensemble de ses processus métiers, de la R&D à la production et à la relation client. Les positions sont déjà prises dans un grand nombre de domaines, avec l’hyperactivité des GAFAMI (Google, Apple, Facebook, Amazon, Microsoft, IBM) en tête, 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. Et il évolue constamment.

Il est impératif pour les Directions Informatiques et Maîtres 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 sont traitées dans ce séminaire de deux jours permettant de défricher le sujet.

Les grands courants de l’Intelligence Artificielle


  • Les origines de l’Intelligence Artificielle dans les années 1950. Le summer camp de Darmouth. Les ambitions d’origine et les réalisations depuis.
  • Quels sont les grands concepts sous-jacents de l’Intelligence Artificielle (IA) ? Qui les a inventés et formulés ? Quelles composantes de l’intelligence humaine se retrouvent dans l’IA ?
  • L’IA, le raisonnement automatique 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.
  • Quelles sont les ruptures technologiques qui ont récemment donné un coup d’accélérateur à l’Intelligence Artificielle? L’impact de la loi de Moore, d’Internet, des objets connectés, des besoins métiers et des récentes avancées dans le Machine Learning et le Deep Learning.
  • Quelle est la signification réelle des grandes victoires de l’IA dans les jeux : échecs, Go et poker ? Est-ce réellement de l’intelligence ?

Grandes briques technologiques de l’IA


  • Tour d’horizon de la boite à outils de l’Intelligence Artificielle pour les entreprises.
  • Le raisonnement automatique avec les moteurs de règles, les systèmes experts, la programmation opérationnelle.
  • 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 la manipulation de concepts et abstractions n’a pas progressé aussi rapidement que le Deep Learning ? Les nouvelles tentatives de faire converger les IA connexionnistes et symboliques.
  • Le Machine Learning et les différentes composantes de l’apprentissage supervisé, non supervisé et par renforcement. Classification, régression, modèles prédictifs.
  • Les réseaux de neurones et leurs principes élémentaires.
  • Le Deep Learning ou l’apprentissage profond. Comment fonctionnent-ils pour reconnaître des images ou la parole ? Comment ces techniques ont-elles récemment évolué ? Les capsule networks.
  • Les grands outils logiciels du développement et frameworks d’applications dans l’IA avec notamment Google TensorFlow et Keras.
  • Le rôle stratégique des données et des bases de connaissances dans les applications d’Intelligence Artificielle. Le sourcing des données. Le biais des données et comment l’éviter. La notion d’IA explicable et sa mise en application.
  • Qu’en est-il de la quête de l’Intelligence Artificielle générale ? Est-ce un mythe ? Est-ce que cela a du sens de classifier l’IA en trois catégories : étroite (Artificial Narrow Intelligence), généralisée (Artificiel General Intelligence) et supérieure (Artificial Super Intelligence) ?

IA et infrastructure informatique


  • Quels rôles jouent les supports matériels dans l’Intelligence Artificielle ?
  • Comment évolue l’application de la loi de Moore dans les processeurs, le stockage et les réseaux. Est-elle si mal en point ?
  • Les processeurs dédiés à l’IA : GPU, neuromorphiques, memristors.
  • Dans quelles applications vont-ils améliorer les performances du Machine Learning ? Exemples chez Google avec les TPU et dans l’informatique embarquée. L’impact de ces processeurs sur les architectures d’objets connectés.
  • Les mémoires associées aux processeurs neuromorphiques (HBM2, HMC). La loi de Moore dans le stockage.
  • Les promesses de l’informatique quantique. Comment fonctionnent les ordinateurs quantiques ? A quoi servent-ils aujourd’hui ? A quoi pourront-ils servir demain dans l’IA ? Quels sont les obstacles technologiques restant à lever ?

Applications génériques de l’Intelligence Artificielle


  • Traitement des images : reconnaissance d’images fixes et de vidéos, applications dans la surveillance vidéo et le contrôle qualité dans l’industrie, génération d’images synthétiques (GANs).
  • Traitement du langage : reconnaissance de la parole, Chatbots textuels et vocaux, traduction, génération de textes, résumés automatique, analyse de sentiments. Comment développe-t-on un Chatbot ?
  • Marketing : segmentation automatique et ses applications dans le marketing, optimisation du mix marketing. Détection de fraudes, churn et autres comportements clients anormaux. Méthodes de prédiction. Recommandation de contenus.
  • Cybersécurité : détection d’activités suspectes, comment l’IA menace la cybersécurité et comment l’IA permet aussi de l’améliorer.
  • Robotique : les différents marchés de la robotique. Les robots d’accueil du public. Les robots pour le maintien à domicile des personnes âgées. Les robots de services. Les drones. Les robots de Boston Dynamics et Schaft. Comment évoluent-ils ? Pourquoi la robotique est-elle l’un des champs les plus difficiles de l’IA ?

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 ? Le rôle des LiDAR dans les véhicules autonomes. Les expérimentations et la roadmap des véhicules autonomes.
  • Dans l’industrie, l’énergie et les utilities : maintenance prédictive, robots et automates, vision artificielle, simulation de méthodes de production (PLM).
  • Dans la distribution : 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’impact de l’IA dans la distribution physique et en ligne.
  • Dans la finance : pour l’investissement, l’évaluation de risques, la détection de fraudes bancaires voire fiscales, l’optimisation des offres clients.
  • Dans les métiers juridiques : comment le métier des avocats, des notaires, des juristes d’entreprise et la justice vont-ils évoluer ?
  • 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, ses succès symboliques, ses études de cas de marchés verticaux et son modèle économique. Quelles sont les technologies mises en œuvre dans IBM Watson ? Watson remplace-t-il les experts ?
  • 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, Facebook, Microsoft, SalesForce, Oracle, SAP, ainsi que leurs principales acquisitions de startups dans l’IA.
  • 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 ? Que penser du Rapport de la Mission Villani ?
  • La position de la Chine dans l’IA. Baidu. Huawei. Tencent. Vont-ils s’imposer en Europe ?
  • 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-elles 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-ils 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 ? Pourquoi les prévisions de la singularité sont à prendre avec des pincettes ?
  • L’éthique de l’IA. 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 ?
  • Quels sont les variants et les invariants des projets à base d’IA par rapport aux projets informatiques traditionnels ?
  • Comment les projets d’Intelligence Artificielle sont-ils menés ? L’artisanat technologique. Les compétences associées. Les pilotes et les déploiements.
  • 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 ?