Intelligence Artificielle et Apprentissage profond, c’est maintenant; êtes-vous prêt ?

Voir la version AMP

Le jour n’est plus très loin où toute entreprise intégrera des fonctionnalités Intelligence Artificielle et Apprentissage profond (AI & Deep Learning) à ses processus, cela ne fait aucun doute.

La question est : où se situe votre entreprise, aujourd’hui ?  Êtes-vous prêt ?

Impact de l’Intelligence Artificielle en entreprise

Aujourd’hui, grâce à la formidable capacité de l’IA à analyser un problème plus rapidement qu’un esprit humain le pourrait, vous serez certain que vous aurez considéré tous les scénarios possibles pour une situation donnée.

Ultimement, tous les processus et activités liés à la communication, la collaboration, le service à la clientèle, la sécurité, la production, la gestion, le développement de produits, la formation du personnel & le marketing seront analysés et leurs résultats (performances) prédits; ils pourront donc être optimisés et éventuellement automatisés. Qui plus est, l’Intelligence artificielle pourra exécuter une bonne partie des tâches liées à ces processus.

Donc, nul besoin de craindre Intelligence Artificielle et Apprentissage profond car ils vous aideront à faire votre travail mieux et plus rapidement dans les prochaines années. Et loin de tuer les employés du savoir, l’Intelligence Artificielle et l’Apprentissage profond tendront à les libérer pour faire ce pour quoi ils sont payés : innover, modeler, affiner et améliorer l’expertise de leur entreprise. De même, on peut affirmer sans se tromper que les tâches complexes et intermittentes ou non répétitives ainsi que les tâches ou problèmes intrinsèquement imprévisibles demeureront l’apanage des humains pour encore longtemps.

Mais de quoi parle-t-on vraiment ?

Apprentissage profond*

L’apprentissage profond (en anglais deep learningdeep structured learning) est un ensemble de méthodes d’apprentissage automatique tentant de modéliser avec un haut niveau d’abstraction des données grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l’analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage. Dans les années 2000, ces progrès ont suscité des investissements privés, universitaires et publics importants, notamment de la part du GAFA (Google, Apple, Facebook, Amazon).

MIT – Google for Work 216 Survey**

« L’apprentissage machine est essentiellement un moyen pour un ordinateur de trouver les pépites d’information qu’un humain ne pourrait pas », explique Fausto Ibarra, directeur de la gestion globale des produits pour Google Cloud Platform. « Une fois que vous avez vos données et que vous avez défini vos modèles de données, la machine pourra analyser des téraoctets de données et devenir de plus en plus intelligente, essentiellement en s’entraînant et finalement elle pourra faire des prédictions pour vous. »

Ainsi, l’application de navigation Waze récupère les données pour faire des recommandations intelligentes d’itinéraires plus rapides aux conducteurs en millisecondes, en fonction des données de trafic en temps réel; ce qui serait une tâche impossible en utilisant des méthodes manuelles traditionnelles.

Salesforce, de son côté, vient d’annoncer l’intégration à sa plateforme IA, Einstein, d’un nouveau service « Account-Based Marketing » pour l’identification et le ciblage de clients stratégiques qui fournira aussi le contexte et les facteurs ayant conduit à avancer telle ou telle recommandation.

Autre exemple, la rumeur veut qu’une grande compagnie aérienne travaille sur un algorithme permettant une attribution intelligente des sièges sur la base d’affinités et d’intérêts partagés des voisins immédiats.

 

Évolution de l’Intelligence en entreprise

Alors comment vous préparer à accueillir l’Intelligence Artificielle et l’Apprentissage profond pour en tirer profit ? Considérons l’évolution de l’intelligence en entreprise, plus particulièrement, comment nous sommes passés des données structurées jusqu’à l’extraction de patterns et corrélations afin de générer des prédictions sur lesquelles bâtir des stratégies :

données structurées – données non structurées – modèles de données – prédictions

Vous pourrez ainsi vous situer en analysant le niveau d’intelligence que vous extrayez de vos données ou si vous voulez, le niveau d’intelligence avec lequel vous exploitez vos données.

  • Extrayez-vous des métriques significatives de vos données structurées ?
  • Colligez-vous et tirez-vous profit de vos données non structurées ?
  • Avez-vous défini un modèle de données pour l’analyse ?
  • Utilisez-vous des outils vous permettant d’identifier des corrélations et de faire des prédictions à partir de vos données ?
  • Finalement, êtes-vous en mesure d’ajuster en temps réel vos stratégies (marketing, développement de produits, etc.) à la lumière des prédictions de vos outils IA / Apprentissage profond ?

Soulignons qu’en regard des bénéfices escomptés, les spécialistes de l’industrie prédisent qu’environ 62% des organisations (USA) utiliseront des applications Intelligence artificielle et Apprentissage profond d’une façon ou une autre d’ici 2018.

 

Conclusion

Si vous n’avez pas encore fait l’exercice d’évaluation de l’intelligence de vos données en entreprise; il serait temps de vous y mettre !

Il serait tout aussi opportun de confier immédiatement la tâche à un gestionnaire dédié d’identifier les outils Intelligence Artificielle et Apprentissage profond disponibles pour votre entreprise et l’opportunité de les intégrer, de même, vous devriez procéder à la mise en place d’une veille stratégique concurrentielle sur ce plan.

 

Denis Paul & Michel

* Wikipedia / Deep Learning

** MIT & Google for Work Survey

Sources : Information Management, Fast Company, Wired, Huffington Post

Laisser un commentaire

Votre adresse de courriel ne sera pas publiée. Les champs obligatoires sont indiqués avec *