Tout le monde parle de l’Intelligence Artificielle mais au final, qu’est-ce que c’est ?

L’IA est le sujet du moment, cependant l’outil existe depuis les années soixante, initié par des universitaires.

En résumé, l’IA c’est la volonté de faire exécuter par un ordinateur des raisonnements qui pourraient être exécutés par un être humain.

Deux courants d’IA existent, l’IA Symbolique et l’IA Connexionniste.

L’IA connexionniste fonctionne comme un réseau de neurones artificiels. L’utilisateur propose des exemples, très nombreux, de données étiquetées. Un peu comme des « questions-réponses ». L’outil crée un lien entre les questions et les réponses : c’est ce que l’on appelle la phase d’apprentissage, ou l’entraînement.

Ainsi, une fois prête à être utilisée dans la « vraie vie », la pertinence de la réponse proposée par l’IA dépend en partie de la nature de la question posée par ses utilisateurs. Même si la question est « inédite », il faut qu’elle se rapproche suffisamment des questions déjà posées à l’outil pendant l’entraînement.

C’est un pré-requis pour que l’IA donne une réponse vraisemblable, même si elle n’est pas toujours parfaite.

Les IA dont on parle beaucoup actuellement sont essentiellement des IA connexionnistes.

L’IA symbolique peut être associée à la notion de « système expert », et a notamment investit le domaine de la robotique. Elle repose sur un système de règles. L’utilisateur donne à l’outil toutes les règles permettant de résoudre un problème.

A l’usage, confrontée à ce problème, l’IA met en relation les différentes règles et produit un résultat.

Le développement de l’IA est soumis aux financements qui lui sont dédiés. Les financements déterminent des tendances et des succès aléatoires. Il y a eu des printemps de l’IA et des hivers de l’IA. Historiquement l’IA a été financée par l’armée et les universités. Dans les années 2000, c’est le secteur de la finance qui a permis le développement de l’Intelligence Artificielle, particulièrement de l’IA connexionniste. Durant cette période, l’Intelligence Artificielle est notamment utilisée dans le milieu de l’assurance ou de la bourse.

C’est le début de l’essor de l’IA que l’on connaît aujourd’hui. En quelque sorte, nous traversons actuellement le printemps-été de l’IA.

Aujourd’hui, l’IA, dans sa forme générative, est accessible à tous.

Une IA générative est entraînée à produire du contenu, et l’activation de cette IA peut se faire, par exemple, par l’intermédiaire d’un chatbot*.

L’outil peut ainsi être une aide à la rédaction d’un courrier, d’un mail, à la construction d’une campagne de communication. L’IA générative est l’une des formes d’IA déjà utilisées par les entreprises.

Cependant, elle ne représente qu’une seule partie des possibilités de l’Intelligence Artificielle.

D’autres applications de l’IA, sans le recours au chatbot* :

• L’IA de régression estime un résultat à partir d’un ensemble de données. C’est une IA prédictive. Par exemple, elle peut simuler le prix d’un bien immobilier en croisant les différents critères que l’utilisateur va lui soumettre, emplacement du bien, superficie, exposition, … Le résultat est « probable ». L’usager doit ajuster la prédiction, mais peut l’intégrer dans un processus de prise de décision.
   
• L’IA d’océrisation est très répandue également. Par le biais de la scannérisation et des techniques de reconnaissance d’image, l’océrisation est capable d’extraire une information d’un document PDF, scanné ou manuscrit, afin de la reporter dans un document Word ou Excel par exemple. Dans la pratique, elle permet notamment de gagner du temps et de la précision pour des tâches d’archivage ou, lors de la création d’un devis, en parcourant de nombreuses fiches produit pour trouver l’article recherché, son prix et les quantités voulues.

Pour rester dans le domaine des chabots, il est possible de personnaliser sensiblement le comportement des IA pour qu’elles répondent mieux aux attentes :

• On peut par exemple construire une base de connaissances sur mesure pour améliorer les réponses d’un modèle de langage. L’objectif est d’éviter les « hallucinations », c’est-à-dire qu’on essaie de produire des informations vraies et non des informations probables. La mise en place de cette personnalisation passe par une étape de vectorisation et d’étiquetage de documents. C’est un ensemble de techniques très complexes, mais qui peuvent valoir le coup dans certaines situations.
   
• L’utilisation des chatbots permet aussi un gain de temps dans l’écriture de codes informatiques et la création de documentation de codes informatiques. A ce stade, ce type d’IA n’est pas capable de créer un programme entier, et l’humain doit apporter son expertise. Mais c’est un point qui est finalement vrai pour la plus grande partie des applications de l’IA.

Pour bien utiliser l’IA, il faut se poser 4 questions essentielles :

• Bien cerner la problématique que l’on souhaite résoudre et en quoi elle nous fait perdre du temps.
• Être certain que la problématique relève d’un algorithme de l’IA et non d’un autre algorithme décisionnel, potentiellement plus facile à mettre en place et moins risqué.
• Est-ce qu’on a besoin d’une IA symbolique ou connexionniste ?
• Si on a besoin d’une IA connexionniste, est ce que le modèle existe déjà ? Est-il adaptable à notre besoin ou bien faut-il le créer ?
  Si la solution retenue est un chatbot*, il en existe de nombreux à la disposition des entreprises et du public. Il s’agit de déterminer celui qui répond le mieux à son besoin sans compromettre la sécurité et le secret industriel de son entreprise. Il faut également déterminer la façon dont va être utilisé le chatbot afin d’obtenir le gain de temps attendu.

Pour sécuriser l’utilisation de l’IA, idéalement, il faut se faire accompagner par une personne qui s’est déjà servie de l’outil afin de bénéficier de son retour d’expérience.

Il est important de s'appuyer sur l'expertise et l'expérience de ceux qui ont déjà utilisé des outils d’intelligence artificielle et de ne pas se lancer seul dans cette démarche.

* Un chatbot est une interface entre un humain et une IA capable de traiter du langage naturel. Elle peut par exemple décortiquer une phrase pour identifier l’intention de l’utilisateur.