Definition

Intelligence artificielle (IA, AI)

Cette définition fait partie de notre Guide Essentiel : Glossaire IT : Intelligence Artificielle (IA, AI)

L'intelligence artificielle ou IA (Artificial Intelligence -AI- en anglais) vise à permettre à des machines, et plus particulièrement à des systèmes informatiques, de simuler les processus cognitifs humains.

Ces processus comprennent l'apprentissage (acquisition d'informations et de règles liées à leur utilisation), le raisonnement (application des règles pour parvenir à des conclusions approximatives ou précises) et l'autocorrection. Les applications spécifiques de l'IA sont notamment les systèmes experts, la reconnaissance vocale et la vision artificielle.

On doit la première occurrence du terme d'IA à John McCarthy, chercheur américain en informatique, à la Dartmouth Conference de 1956 qui vit naître la discipline. Aujourd'hui, le terme recouvre aussi bien l'automatisation robotisée des processus (Robotic Process Automation, RPA) que la robotique proprement dite. Il a récemment gagné en visibilité en partie à cause des Big Data, c'est-à-dire de la vitesse, du volume et de la diversité des données collectées par les entreprises. Plus apte que l'homme à faire ressortir des tendances des données, l'IA permet aux entreprises d'exploiter un maximum d'informations.

Types d'intelligence artificielle

Il y a plusieurs façons de classer les systèmes d'IA. En voici deux exemples.

Le premier est que l'intelligence artificielle peut être considérée comme faible ou forte.
L'IA faible est un système d'intelligence artificielle conçu pour reproduire une tâche précise à laquelle il est formé. Les assistants personnels virtuels comme Siri d'Apple en sont une forme.L'IA forte, dite aussi intelligence artificielle générale, est un système doté de capacités cognitives humaines générales qui, lorsqu'on lui présente une tâche inhabituelle, est assez intelligent pour trouver une solution. Bien que controversé, le test de Turing, élaboré par le mathématicien du même nom en 1950, est une méthode qui sert à déterminer si un ordinateur pense comme un humain.

Alec Ross à propos de l'IA et de la robotisation

Le deuxième exemple nous vient d'Arend Hintze, professeur en biologie intégrative et ingénierie informatique à la Michigan State University. Il classe l'IA en quatre types allant de celui des systèmes actuels aux systèmes sensibles à venir. Ses catégories sont :

  • Type 1 : machines réactives. Chacun se souvient de Deep Blue, le programme d'IBM qui a battu Garry Kasparov aux échecs dans les années 1990. Deep Blue identifie les pièces sur l'échiquier et émet des prédictions, mais il n'a aucune mémoire et n'utilise pas ses expériences passées pour formuler les prédictions futures. Il analyse les coups possibles, les siens et ceux de son adversaire, et choisit le plus stratégique. Deep Blue et AlphaGO de Google ont été conçus à des fins précises : ils ne sont pas facilement transposables à une autre situation.
  • Type 2 : machines à mémoire restreinte. Ces systèmes d'IA s'appuient sur leurs expériences passées pour prendre les décisions suivantes. Certaines fonctions décisionnelles des véhicules autonomes suivent ce modèle. Les observations servent à contextualiser les actions du futur proche, par exemple une voiture qui change de file. Ces observations ne sont pas stockées de manière permanente.
  • Type 3 : théorie de l'esprit. Il s'agit d'un concept de psychologie qui se rapporte à la compréhension des gens en tant qu'êtres ayant des pensées, désirs et raisons propres qui les poussent à prendre leurs décisions. Ce type d'IA n'existe pas encore.
  • Type 4 : conscience de soi. Dans cette catégorie, les systèmes d'IA ont une identité, une conscience. Ces machines douées de conscience connaissent leur état actuel et utilisent ces informations pour inférer ce que les autres ressentent. Ce type d'IA n'existe pas encore.
Une explication des differences entre l’IA et l’informatique cognitive
Quelle est la difference entre l’IA et l’informatique cognitive ?

Exemples de technologie d'IA

  • L'automatisation est le processus qui consiste à faire fonctionner automatiquement un système ou un processus. On peut par exemple programmer une automatisation robotisée des processus (RPA) pour exécuter des tâches volumineuses et répétitives habituellement réalisées par des personnes. A la différence de l'automatisation informatique, la RPA s'adapte aux changements. 
  • L'apprentissage automatique met en œuvre les techniques qui permettent à un ordinateur d'agir sans programmation préalable. L'apprentissage profond est un sous-ensemble de l'apprentissage automatique qui, en termes simples, peut s'envisager comme l'automatisation de l'analyse prédictive. Il existe trois types d'algorithmes d'apprentissage automatique : l'apprentissage supervisé, dans lequel les ensembles de données sont annotés de manière à faciliter la détection de modèles, utilisés à leur tour pour étiqueter de nouveaux ensembles de données ; l'apprentissage non supervisé, dans lequel les ensembles de données ne sont pas annotés et sont triés selon leurs ressemblances ou leurs différences ; et l'apprentissage par renforcement, dans lequel les ensembles de données ne sont pas étiquetés, mais où, après une ou plusieurs actions, le système d'IA reçoit un retour.
  • La vision artificielle permet aux ordinateurs d'analyser, de traiter et de comprendre une ou plusieurs images. Elle capture et analyse des informations visuelles à l'aide d'une caméra, de la conversion du signal analogique en numérique et du traitement des signaux numériques. Souvent comparée à celle de l'oeil, la vision artificielle n'est pas contrainte par la biologie : on peut par exemple la programmer pour voir au travers des murs. Elle sert dans de nombreuses applications, de l'identification des signatures à l'analyse d'imagerie médicale. La vision par ordinateur, dédiée au traitement informatique de l'image est souvent assimilée à la vision artificielle.
  • Le traitement automatique des langues (TAL ou NLP pour « natural language processing ») concerne l'application de programmes informatiques au langage humain. Un des meilleurs et des plus anciens exemples de TAL est la détection des courriers indésirables qui analyse l'objet et le corps d'un e-mail pour le classer ou non en indésirable. Les approches actuelles du TAL s'appuient sur l'apprentissage automatique. Les tâches du TAL incluent la traduction de textes, l'analyse des opinions et la reconnaissance vocale.
  • La reconnaissance de modèles est une branche de l'apprentissage automatique qui consiste à repérer des schémas dans les données. Le terme est de nos jours daté.
  • La robotique est le domaine de l'ingénierie consacré à la conception et à la fabrication de robots. Ces robots servent souvent à exécuter des tâches que les humains ont du mal à réaliser ou à réaliser à la pareille. On en trouve sur les chaînes de montage de l'industrie automobile ou à la NASA, pour déplacer de gros objets dans l'espace. Depuis peu, les chercheurs utilisent l'apprentissage automatique pour construire des robots capables d'interactions sociales.
  • Véhicules autonomes : ceux-ci utilisent une combinaison de vision assistée par ordinateur, de reconnaissance d’image et d’apprentissage profond, afin d’acquérir des aptitudes automatiques de pilotage d’un véhicule tout en restant sur une voie donnée et en évitant des obstacles sur son passage tels que des piétons.

Applications de l'IA

  • L'IA dans la santé. Les perspectives les plus intéressantes concernent l'amélioration de la prise en charge des patients et la réduction des coûts. Des sociétés utilisent l'apprentissage automatique pour accélérer et affiner les diagnostics. IBM Watson est l'une des technologies les plus connues dans le domaine de la santé. Capable de comprendre le langage naturel, le système répond aux questions qu'on lui pose. Il analyse les données des patients, ainsi que d'autres sources de données, pour formuler une hypothèse qu'il présente avec un score de fiabilité. Les autres applications de l'IA comprennent d’une part les chatbots, ces logiciels utilisés sur Internet pour répondre aux questions des patients, les aider à prendre des rendez-vous de suivi ou les guider dans le processus de facturation, et d’autre part les auxiliaires médicaux virtuels qui donnent des avis médicaux élémentaires.
  • L'IA dans l'entreprise. L'automatisation robotisée des processus s'applique aux tâches extrêmement répétitives habituellement réalisées par des personnes. On intègre actuellement des algorithmes d'apprentissage automatique dans les plateformes d'analyse et de CRM pour dénicher des informations qui serviront à mieux servir les clients. Les chatbots désormais intégrés aux sites Web apportent une aide immédiate aux clients. L'automatisation de certains emplois est en discussion dans les cercles universitaires et les sociétés de conseil en informatique comme Gartner et Forrester.
  • L'IA dans l'enseignement. L'IA peut automatiser la notation et faire gagner du temps aux enseignants. Elle peut évaluer les élèves et étudiants et s'adapter à leurs besoins pour qu'ils travaillent à leur propre rythme. Des mentors artificiels peuvent apporter une aide supplémentaire aux étudiants pour qu'ils gardent le cap. L'IA est susceptible de changer les lieux et les modes d'apprentissage des étudiants, elle pourrait même remplacer certains enseignants.
  • L'IA dans la finance. L'IA appliquée à la gestion de comptes personnels comme dans les logiciels Mint ou Turbo Tax bouscule le secteur financier. De telles applications pourraient collecter des données personnelles et fournir des conseils financiers. D'autre programmes, notamment IBM Watson, s'appliquent à l'achat immobilier. De nos jours, les échanges à Wall Street sont pour la plupart informatisés.
  • L'IA appliquée au droit. La procédure juridique américaine de demande de pièces dites de discovery, qui implique de passer au crible des documents, peut se révéler écrasante pour les personnes. Son automatisation fait meilleur usage du temps et s'avère plus efficace. Des start-ups élaborent aussi des assistants informatiques de questions-réponses capables d'examiner les questions auxquelles ils sont censés répondre en étudiant la taxonomie et l'ontologie associées à une base de données.
  • L'IA dans l'industrie. Ce secteur est à la pointe de l'intégration des robots aux chaînes de travail. Les robots industriels servaient à réaliser des tâches simples, à l'écart des ouvriers, mais les avancées technologiques ont changé la donne.
L’impact de l’IA sur le marketing
Comment l’IA affecte les opérations marketing
Cette définition a été mise à jour en mai 2016

Soyez le premier à commenter

M'envoyer une notification dès qu'un autre membre commente.

Merci de créer un identifiant pour pouvoir poster votre commentaire.

- ANNONCES GOOGLE

File Extensions and File Formats

Powered by:
Close