Intelligence Artificielle : définition, enjeux et opportunités pour les entreprises

Le 18 octobre 2022, Vallée Sud – Grand Paris a reçu le président du groupe DataValue Consulting, Abdelaziz Joudar, à l’occasion d’une table ronde dédiée à l’IA. Celui-ci est intervenu aux cotés de Laurence Fornari, cofondatrice et directrice des opérations chez Phedone, startup spécialisée dans le traitement automatique du langage et l’analyse des retours client augmentées par l’IA. La table ronde comptait aussi le CEO et cofondateur de twiinIT, Guy De Spiegeleer, spécialisé dans la simulation et prédiction de comportement produits.

Quelle est votre définition de l’intelligence artificielle ?

« L’intelligence artificielle est un processus d’imitation de l’intelligence humaine qui repose sur la création et l’application d’algorithmes exécutés dans un environnement informatique dynamique. Son but est de permettre à des ordinateurs de penser et d’agir comme des êtres humains ».

Le codage est, à l’origine, un ensemble de règles. Si une action X intervient, alors une autre action Y sera déclenchée, etc. Aujourd’hui, on obtient un certain résultat d’une IA, non plus en dictant chaque règle, mais en entrainant son modèle.

Dans la grande famille de l’IA, il y a beaucoup de sous domaines. Par exemple, Phedone est un expert dans le traitement automatique du langage, aussi connu sous le nom de TALN ou NLP. Cette application de l’intelligence artificielle permet de comprendre la complexité et le sens du langage. C’est la technologie à laquelle nous avons recours lorsque nous dictons un SMS sur notre smartphone par exemple. Ce traitement automatique peut être appliqué à différents domaines, comme le support client, mais aussi le tourisme ou la santé.

On peut identifier plusieurs niveaux d’applications de l’IA, comme la Data Science qui commence à s’ancrer dans les usages des entreprises. Un deuxième niveau concerne les technologies de Machine Learning, qui s’installent doucement dans les grandes entreprises. Et enfin, un troisième niveau qui vise les cas d’usage de Deep Learning, un des niveaux les plus avancés dans l’autonomie d’apprentissage d’une machine.

À LIRE AUSSI : Data Science, IA, Machine Learning et Deep Learning : définitions, convergences et différences

Comment l’IA améliore-t-elle la performance d’une entreprise ?

De nombreux axes de développement peuvent bénéficier de l’IA :

• Améliorer la connaissance client en exploitant les données clients dans un système permettant de mieux comprendre leurs besoins.
• Les opérations liées à l’innovation, au lancement de nouveaux produits et services peuvent grandement gagner en performance et en précision grâce à l’IA.
• Dans l’industrie, l’IA et l’IoT sont très utiles pour contrôler les chaînes de montage et la qualité des produits fabriqués.
• L’IA permet aussi de détecter les risques et notamment les risques de fraudes.
• D’une manière plus générale, grâce à l’ensemble des données d’une organisation, l’IA peut aider à gagner en agilité opérationnelle en optimisant la logistique, le stockage, la gestion des commandes, les campagnes marketing…

Comment l’IA peut-elle prédire le comportement d’un produit ?

Grâce à l’IA, il est possible de tester plusieurs décisions aujourd’hui, observer et analyser les conséquences que cette décision aura dans le futur, et en fonction des résultats observés, retenir la meilleure décision possible. L’entreprise TwiinIT réalise des modèles de simulation de comportement de système pour définir l’évolution d’un produit en fonction de son environnement, sa performance, son usage, … On parle alors de « jumeau numérique » simulant l’évolution d’un « jumeau physique ».

La prédiction du comportement d’un produit dans le futur requiert une observation fine du passé. Pour pouvoir extrapoler, il faut tout d’abord analyser et comprendre le passé en déchiffrant et en donnant du sens à toutes les données qui ont été accumulées et acquises, c’est pour cette tâche que l’IA peut s’avérer très utile.

Les données peuvent être structurées (chiffres, statistiques…) et facilement compréhensible par n’importe quelle machine, mais elles peuvent également être non structurées (phrases, image, vidéos…). Pour pouvoir analyser les données non structurées, l’IA est un outil très performant, notamment lorsqu’il s’agit de grands volumes de données non structurées.

Comment l’IA a permis aux douanes françaises d’être plus performantes ?

DataValue Consulting a accompagné les douanes françaises pour mieux diriger leurs opérations afin de garder sous contrôle le territoire, notamment vis-à-vis des importations. En France, il arrive près de 6 millions de conteneurs par an, c’est un volume immense à contrôler. Pour aider la douane, DataValue Consulting a mis en place un scoring calculé par l’IA, qui indique un niveau de fraude selon la destination d’origine, l’entreprise qui a réalisé les contrôles, son ancienneté, son casier judiciaire entreprise… Comme tout algorithme, il y a une marge d’erreur, mais cette IA a permis de concentrer les contrôles de la douane sur un plus petit nombre de conteneurs, tout en améliorant les résultats des opérations.

Un exemple de recours à une IA de traitement automatique du langage (TAL)

Une personne souhaite analyser 500 retours clients qu’il a reçus sur son site web et sur sa fiche Google Review. En ayant recours à l’IA, 88 % des informations ont été trouvées en trois minutes. Les consultants, auxquels la même tâche a été confiée, ont trouvé la même information en deux mois. L’IA est extrêmement performante pour extraire les informations d’une manière quasi instantanée. Cela ne remplace pas l’expertise d’un consultant, mais lui permet de gagner du temps et de se concentrer sur les tâches ou il apporte réellement sa valeur ajoutée.

Cette technologie s’appelle l’extraction de thème ou l’analyse de sentiment, selon leur base d’entrainement, elles peuvent atteindre entre 80 % et 92 % de précision. Aujourd’hui, c’est une technologie qui attire de nombreuses entreprises qui souhaitent accélérer des tâches systématiques et chronophages pour un prix convenable.

À quoi sert l’IA dans la santé ?

Le traitement automatique du langage peut être très utile dans la santé, notamment dans la gestion des dossiers patients. Un dossier patient contient des informations qui sont parfois dupliquées 10 fois, car à chaque guichet, les documents sont scannés une nouvelle fois. Non seulement cela prend du temps, mais cela se répercute aussi sur les coûts de stockage de données.

Pour résoudre ce problème, l’IA permet de réaliser des analyses de similarités entre documents (écrit manuellement ou digitalisés) pour identifier les duplicatas. Une fois que dossiers clients ont été nettoyés, l’IA peut également identifier des constantes dans les documents patients (par exemple : le taux de cholestérol) et automatiser leur suivi dans le temps. Plutôt que d’ouvrir 10 documents pour analyser l’évolution du taux de cholestérol d’un patient, le médecin pourra accéder à une courbe déjà tracée par l’IA.

La délégation de compétences est également une thématique fort dans l’univers de la santé. Une des grandes problématiques actuelles est de réussir à couvrir les déserts médicaux. Une des pistes est d’installer des cabines dotées d’une IA qui puisse ausculter et générer une ordonnance sans faire intervenir un médecin. Tous les grands acteurs du secteur pharmaceutique mènent aujourd’hui des programmes de recherches sur le sujet.

Pour faire de l’intelligence artificielle, faut-il des investissements importants ?

Le temps de l’intelligence artificielle hors de prix est révolu. Aujourd’hui, de nombreuses options existent et chaque entreprise, grande ou petite, peut trouver des solutions adapter à ses moyens et à ses besoins.

Grâce à l’Open Source, on peut accéder à des bibliothèques à la pointe de l’IA et les utiliser aisément sans en être un spécialiste. L’IA en elle-même n’est pas chère, ce qui peut demander un certain investissement, c’est plutôt le besoin de connaissances techniques pour poser le problème correctement. Car si le problème de base n’est pas correctement défini, l’IA ne fonctionnera pas correctement et ses résultats ne seront pas fiables.

Ce qui représente la grande partie du budget, ce sont toutes les phases en amont d’un projet d’IA. Pour mettre en place une IA, il faut récupérer de grands volumes de données, les croiser, les nettoyer, instaurer de la gouvernance de données, cela représente un coût. Il faut aussi être conscient qu’un projet d’IA ne se fait pas en « one shot », une fois en place, l’algorithme continu d’être alimenté par les données générées, il faut donc aussi gérer l’approvisionnement de données venant de l’activité.

Est-ce compliqué de mettre en place une stratégie d’intelligence artificielle ?

Mettre en place une stratégie d’intelligence artificielle, ça n’est pas compliqué tant que l’on respecte l’ordre logique des étapes. Cela commence par la définition et l’affinage d’un besoin pour comprendre au mieux ce que l’entreprise souhaite atteindre. Si cette première étape est correctement réalisée, les étapes suivantes s’enchaineront rapidement.

Dans un algorithme d’IA, la donnée est cruciale, si elle est de mauvaise qualité, l’algorithme ne fonctionnera pas correctement. La complexité d’une stratégie d’intelligence artificielle est la mise à disposition d’une donnée dont on connait la valeur, la précision et les limitations. La mise en place d’une qualité de données partagée est une réelle problématique actuelle qui nécessite une gouvernance et des contrôles extrêmement rigoureux.

Aujourd’hui, il existe aussi des IA no-code, son intégration et ses paramétrages sont réalisés sans écrire de lignes de code. Grâce à une plateforme intuitive qui permet de gérer et de paramétrer l’IA, l’intégration et l’exploitation de cette technologie est très rapide et facilement assimilable par les métiers.

De quelles ressources avons-nous besoin pour faire de l’IA ?

L’ensemble des acteurs du marché s’accordent sur la nécessité d’unir compétences métier et compétences techniques pour mettre en place un ou plusieurs cas d’applications de l’IA. L’enjeu est de réussir à trouver des compétences techniques qui se raréfient avec la montée en complexité des cas d’usage.

L’attraction et la rétention de compétence est une des grandes problématiques actuelles. Or, la compétence est le capital majeur qui permet de s’orienter vers des programmes d’IA. À l’heure actuelle, le nombre de data scientists commence à répondre à la demande, mais de grands manques sont observés pour les postes de data engineer, d’architecte IT, expert cloud… Heureusement, on peut toujours trouver ces compétences auprès de prestataires de services.

Dans certains secteurs, comme la mécanique, il faut absolument pouvoir expliquer les analyses de l’IA pour pouvoir les transformer en données tangibles. Il faut alors des compétences techniques en programmation d’IA, mais aussi des compétences en mécanique, aéronautique…

Pour pallier le manque de ressources, beaucoup d’entreprises se lancent dans des projets de formation et de sensibilisation. Ces programmes d’acculturation data consistent à former et sensibiliser l’ensemble de l’entreprise aux sujets data, ce qui permet de construire un environnement favorable à l’innovation et à l’exploitation de technologies de pointes comme l’IA.

Revisionner le direct la table ronde

Vous souhaitez découvrir le reste des échanges qui ont eu lieu lors de cette table ronde ? Revisionnez le direct sur Youtube : Table Ronde sur l’intelligence artificielle

La rédaction vous conseille

> Comment industrialiser ses cas d’application en intelligence artificielle ?

> L’intelligence artificielle au service du stockage des données : quelle valeur ajoutée ?