Tag

IA

Browsing

De nouvelles solutions pour répondre aux besoins d’une nouvelle génération

La solution est simple à expliquer mais difficile à exécuter : Faire en sorte que l’expérience client en ligne soit aussi agréable, sinon meilleure, que celle en magasin. L’ingrédient manquant ici est une voix. C’est une voix au sens figuré (les consommateurs devraient être écoutés), au sens propre (les consommateurs devraient pouvoir utiliser le langage pour orienter leur expérience d’achat) et au sens pratique (les marques doivent avoir un ton clair et sans ambiguïté).

Starbucks, qui parle Millennial mieux que n’importe quelle autre marque, a brillamment exécuté ce point. L’application de l’entreprise permet aux clients d’utiliser leur propre langage pour passer leur commande avant d’arriver en magasin. Starbucks l’a bien compris, la commodité est essentielleet le traitement du langage naturel rend la commande plus personnelle et confortable.

Les clients férus de technologie exigent de la qualité

Laisser les clients exprimer leurs besoins à l’avance est beaucoup plus pratique, et l’intelligence artificielle y contribue.

Dans le cadre d’une expérience shopping sans technologie, les clients pourraient facilement perdre leur temps, ce qui les rendrait moins susceptibles de revenir vers la marque en question. Mais l’IA offre une alternative : ce qu’on appelle le « frictionless commerce », qui intègre les achats de façon harmonieuse dans la vie courante.

A.T. Kearney a constaté dans un sondage paru en 2017 que les marques se tournent de plus en plus vers l’expérience client personnalisée. Certaines marques peuvent déjà initier automatiquement des achats autorisés par le consommateur sur la base des données en temps réel du comportement de l’utilisateur.

Tout cela se produit en ce moment même, et il ne faudra pas attendre longtemps avant que les clients en viennent à exiger ce niveau de service tout le temps.

L’IA continuera d’évoluer

Dans 20 ans, le concept d’une liste de courses deviendra aussi démodé que l’alphabet phénicien. L’automatisation intelligente permettra même aux clients d’éviter les tracas liés à la commande de produits. Des recherches ont montré que les clients sont prévisibles et que 83 % des sessions shopping se terminent par un achat répété, ce qui signifie que l’IA peut faire la plupart des achats pour vous.

Une fois que l’IA saisit la fréquence d’un utilisateur pour des achats standard comme le pain ou les chaussettes, par exemple, elle peut automatiser les achats pour ces articles après qu’une période de temps donnée se soit écoulée depuis le dernier achat. L’AI peut proposer des suggestions pour approuver ou refuser un achat à venir.

Des entreprises tournées vers l’avenir ont déjà lancé ce type de service. Le bouton Dash d’Amazon permet aux membres Prime de commander à nouveau leurs produits les plus fréquemment achetés en un seul clic.

Par ailleurs, un service appelé Boxed Concierge, qui fait actuellement l’objet d’un projet pilote, peut automatiquement passer des commandes en gros de produits fréquemment achetées. Espérons que cette technologie contribuera à réduire le gaspillage et nous encouragera, en tant que consommateurs, à n’acheter que ce dont nous avons vraiment besoin en quantité suffisante.

Mark Baartse, directeur marketing de Showpo, une société de mode en ligne, a expliqué lors de la Semaine de la publicité APAC comment sa société aborde l’IA.

« Nous personnalisons, avec notre merchandising visuel géré par AI, les vêtements qui sont affichés différemment pour chaque utilisateur en fonction d’une panoplie de signaux d’intention. Grâce à cette technologie, nous contribuons à améliorer la possibilité de découvrir des produits pertinents pour chaque utilisateur individuel, ce qui devrait améliorer le taux de conversion. »

Intelligente et bien conçue, l’IA peut aider les gens à profiter d’un service client continu et transparent ; il n’y aura plus d’achats à côté de la plaque. C’est ce que veut cette nouvelle génération, et c’est ce que les distributeurs devraient leur donner.

L’intelligence artificielle a changé beaucoup d’industries, mais c’est peut-être le commerce de détail qui a le plus à gagner parce que la clientèle des Millennials est toujours un enjeu majeur et qu’elle réagit à un tout autre ensemble d’incitatifs que les générations passées.

Avez-vous déjà rêvé d’une personne au hasard avec qui vous êtes allé au lycée ? Ou d’un rêve prémonitoire prédisant un embouteillage sur le trajet de votre travail ? Ou que diriez-vous d’un rêve insensé avec des monstres et d’étranges personnages, sans scénario bien précis, qui perturberait votre sommeil ?

Les rêves font partie de l’expérience humaine, et ils déroutent les mystiques, les scientifiques et les gens ordinaires. En apparence, les rêves peuvent sembler profonds et déroutants et, en réalité, leur fondement scientifique continue d’échapper aux psychologues du rêve et aux biologistes. Les rêves pourraient-ils être un mystère mieux résolu grâce à l’intelligence artificielle ? Pourrions-nous un jour avoir un algorithme de machine learning qui pourrait prédire et analyser nos rêves ?

Les défis des rêves

Les rêves présentent une variété de défis pour les chercheurs en IA :

Compréhension scientifique

Malgré des années de collaboration entre biologistes, psychologues et autres professionnels scientifiques pour mieux comprendre les rêves, il y a encore beaucoup de choses que nous ne comprenons pas. Certaines théories prétendent que les rêves sont statiques au hasard dans le cerveau, tandis que d’autres les décrivent comme une sorte de simulateur pour nous préparer à la vie éveillée, et d’autres encore les voient comme un moyen de nous aider à consolider et à stocker des souvenirs à long terme. Sans cette compréhension de base, il est difficile d’élaborer une solution qui puisse les sonder et les disséquer.

Écart individuel

Tous les gens ne rêvent pas de la même façon. Un algorithme qui pourrait prédire les rêves d’une personne ne peut pas nécessairement prédire ceux d’une autre personne, selon ses antécédents, ses habitudes de sommeil et d’autres variables.

Motivation

C’est fascinant de réfléchir à ses rêves bizarres, de se demander ce qui vous a poussé à inventer ces images, mais au-delà de la curiosité, il n’y a pas beaucoup de motivation pour apprendre pourquoi et comment les gens rêvent. Il n’y a pas d’incitatif financier ou autre.

Enregistrement des rêves

Des chercheurs du Gallant Lab de l’Université de Californie ont déjà un algorithme qui peut traiter l’activité cérébrale pour former une image reconnaissable. Dans leur recherche, ils ont demandé aux participants de regarder des bandes-annonces de films et de réfléchir activement à ce qu’ils regardaient. En n’utilisant que des images cérébrales, ils ont pu recréer de vagues images des bandes-annonces qu’ils regardaient. Si la même technologie est appliquée aux rêves, elle pourrait nous permettre de voir des images associées aux rêves d’une personne.

Le principal problème ici est la résolution ; bien que les chercheurs aient été capables d’analyser certaines formes et couleurs, ils n’ont pas été capables de reconstruire une vidéo haute résolution des pensées d’une personne. L’intelligence artificielle pourrait aider à faire passer ces algorithmes à un niveau supérieur, bien qu’il ne soit pas certain que nous rêvions d’abord en haute résolution.

Analyse des habitudes de sommeil

Certaines entreprises émergent également, offrant des solutions basées sur l’IA qui aident les clients à comprendre leurs habitudes de sommeil, comme Sleep.ai. Ces applications pour les consommateurs surveillent habituellement des choses comme le ronflement, le grincement des dents, le balancement et la rotation à l’aide d’appareils portables ou de téléphones intelligents, puis fournissent des images de données et des outils de diagnostic pour aider les consommateurs à mieux dormir. Combiné à un certain niveau de surveillance des rêves, il pourrait être utilisé pour identifier et prédire les tendances futures.

Prévision des rêves et influence

La prochaine étape logique consisterait à utiliser l’IA d’abord pour reconnaître comment les gens rêvent, puis à utiliser ces données (combinées à des données historiques) pour prévoir comment une personne pourrait rêver dans l’avenir. Les techniques du rêve lucide familiarisent déjà les consommateurs avec les stratégies qu’ils peuvent utiliser pour maîtriser la conscience de leurs propres rêves. Le problème est de combler l’écart entre l’instinct du consommateur et l’analyse objective des données.

L’un des plus gros problèmes ici est la disponibilité des données ; il y a d’innombrables variables qui affectent la façon dont nous dormons et rêvons, dont beaucoup sont encore mal comprises par les scientifiques. Bien que nous ayons les outils nécessaires pour recueillir ces données, nous n’avons pas nécessairement les outils nécessaires pour mesurer objectivement leur impact sur les rêves (c.-à-d., enregistrer des images de rêves).

L’autre problème, c’est d’établir des prévisions raisonnablement exactes à partir de ces chiffres et des données fournies par les consommateurs. Ce problème pourrait être résolu avec une IA suffisamment avancée, même avec nos capacités actuelles, mais il faudrait encore du temps pour qu’il se développe.

Est-ce vraiment possible ?

Est-il donc possible pour nous d’utiliser le machine learning pour mieux comprendre nos rêves ? Presque certainement. Nous sommes déjà sur le point de comprendre pleinement ce que sont les rêves et comment ils fonctionnent, et nous serons bientôt en mesure de projeter les rêves des gens comme s’ils étaient sur un projecteur de film. Il faudra quand même une combinaison d’innovation technologique, de connaissances scientifiques et d’un désir collectif de faire progresser cette technologie jusqu’au stade du développement, ce qui pourrait prendre des années, voire des décennies, avant que nous ayons un algorithme ou un dispositif fonctionnel.

Qu’est-ce que l’intelligence artificielle ?

L’intelligence artificielle est une branche de l’informatique qui vise à faire des machines simuler les processus de l’intelligence humaine. De cette façon, un système d’IA peut reconnaître les points communs d’un ensemble de données et faire des prédictions intelligentes. Les systèmes d’IA sont généralement plus aptes à faire des prédictions à l’aide d’une technique appelée machine learning.

Comme elles imitent l’action humaine et la pensée rationnelle, les machines intelligentes peuvent être programmées pour atteindre divers objectifs tels que la conduite autonome des voitures et l’identification des tendances d’achat. Cette technologie étonnante s’est développée au fil des ans. Actuellement, les systèmes d’intelligence artificielle sont utilisés dans divers secteurs de l’économie pour accroître l’efficacité et maximiser la production.

L’IA dans le secteur de la santé

Les systèmes d’intelligence artificielle ont été utilisés dans le secteur de la santé pour propulser sa croissance. Récemment, Google a créé une IA qui peut être utilisée pour prédire la mort d’un patient de façon catastrophique. Pour développer le système intelligent, le géant de la technologie a collaboré avec d’autres experts de l’Université de San Francisco, Californie, l’Université de médecine de Chicago et Stanford Medicine. Étonnamment, Google prétend que l’IA peut prédire quand un patient pourrait mourir plus précisément que les autres modèles traditionnels utilisés par les médecins.

Comment fonctionne l’IA Google

Google a publié les résultats de l’essai de la prédiction de la mort dans un article de journal en mai 2018. Le système fonctionne en recueillant des données sur divers détails concernant un patient, tels que l’âge, le sexe, l’origine ethnique, le diagnostic antérieur, les signes présents et les résultats de laboratoire. De plus, le système peut aussi prendre des données enfouies dans des graphiques et des PDF et les utiliser pour faire des prédictions. Après avoir testé l’algorithme, Google a découvert qu’il pouvait faire des prédictions de décès avec une précision étonnante de 95%, ce qui est 10% plus précis que les modèles traditionnels.

Dans l’une des études de cas, le logiciel d’IA de Google a extrait environ 176 000 points de données des dossiers d’une femme atteinte d’un cancer métastatique et a déclaré qu’elle avait 19,9 % de risques de mourir à l’hôpital. Les médecins de l’hôpital lui avaient donné 9,3 % de chances de mourir. Étonnamment, comme le prédit le logiciel d’IA, la femme est morte après deux semaines, battant les médecins à leur propre jeu.

Bien que l’IA de Google ne soit peut-être pas parfaite pour prédire les décès, elle continuerait de donner de meilleurs résultats puisqu’elle est  » enseignée  » avec plus de données. Par conséquent, si cette technologie de pointe dans le domaine des soins de santé est améliorée, elle peut réduire le nombre d’erreurs humaines en médecine et permettre de sauver plus de vies.

En résumé

La technologie d’intelligence artificielle de Google peut aider les professionnels de la santé à améliorer le diagnostic et à prendre de meilleures décisions, ce qui se traduira par une amélioration des soins aux patients. Donc, la prochaine fois que vous visiterez l’hôpital, demandez s’il est possible de comparer l’algorithme d’IA à vos dossiers et d’évaluer vos chances de survie.

Allez-vous franchir le pas ?

 

Selon que vous posez la question à un optimiste adepte des nouvelles technologies ou à un pessimiste, nous pourrions voir les premières versions de véhicules automobiles prêts à la consommation dans les prochaines années, ou pas avant une vingtaine d’années encore. Mais peu importe où vous vous situez sur ce spectre, il est probable que la première génération d’IA de conduite autonome transportera les gens au cours de votre vie. En tant qu’adepte de l’IA, vous êtes probablement effrayé ou excité par cette idée. Le consommateur de technologie en vous est probablement ravi à l’idée de se rendre au travail les mains libres grâce à votre pilote automatique robotique, ou de faire une sieste lors d’un long voyage en voiture. Mais le codeur sceptique en vous peut craindre que de simples algorithmes de régression et de reconnaissance de formes ne soient pas suffisants pour vous garder en sécurité. De plus, il y a le modèle universel de développement de logiciels (et de technologie) qui se vérifie habituellement ; la première génération d’un produit technologique donné est habituellement terrible, en raison de calendriers serrés ou d’une incapacité à prévoir les problèmes futurs. Est-il donc judicieux de faire confiance aux véhicules autonomes de première génération ?

Le marché

Tout d’abord, vous pourriez considérer les aspects économiques de votre décision. Une voiture autopropulsée de première génération sera beaucoup plus chère que les générations suivantes de la même technologie, et probablement beaucoup plus chère qu’une alternative à propulsion manuelle. Dans quelques années à peine après la sortie initiale, vous pourrez probablement trouver une bien meilleure affaire sur une voiture d’occasion à conduite automatique. Pour cette seule raison, il serait peut-être préférable d’attendre les générations suivantes de véhicules autonomes.

La concurrence

Nous devons également tenir compte de la ruée vers la concurrence dans laquelle sont plongées la plupart des entreprises. Considérez les notes de service internes divulguées au sein d’Uber, où l’ancien dirigeant d’Uber Anthony Levandowski est cité comme disant, « nous devons réfléchir à la stratégie pour prendre tous les raccourcis que nous pouvons trouver, » et « Je vois cela comme une course et nous devons gagner, la deuxième place est le premier perdant ».

Quelques mois après la publication de ces documents, une voiture Uber a tué un piéton, le premier accident mortel attribuable à un véhicule autonome. Si les entreprises sont si déterminées à être les premières à être sur le marché, elles risquent de faire des économies et de négliger les tests d’assurance de la qualité afin que toutes les IA soient toujours couronnées de succès.

Lois et règlements

Heureusement, des mesures de protection sont en place. Les lois sur les véhicules autonomes varient d’un État à l’autre, mais à l’heure actuelle, aucun véhicule entièrement autonome n’est autorisé sur les routes américaines. La plupart des États autorisent un certain nombre d’éléments d’auto-conduite limités, ou des tests d’auto-conduite, mais les législateurs veillent à ne pas exposer les consommateurs à plus de risques que nécessaire. Si cette attitude devait perdurer, il suffirait peut-être de contrecarrer les efforts des dirigeants pour mettre les voitures sur le marché le plus rapidement possible ; les constructeurs automobiles devront prouver sans l’ombre d’un doute que leur IA est capable de transporter des passagers en toute sécurité.

Première génération = deuxième génération

D’ici à ce que nous obtenions une voiture entièrement fonctionnelle, prête à l’usage, les développeurs auront déjà eu de nombreuses années pour perfectionner leurs algorithmes et les tester dans des environnements réels. Considérez le fait que Waymo teste son véhicule depuis 2009 et qu’au cours de cette période, son parc de véhicules a parcouru plus de 7 millions de milles – une longueur qui prendrait 300 ans à un conducteur moyen pour terminer. De plus, Waymo teste ses voitures virtuellement, avec plus de 2,7 milliards de kilomètres de test virtuel en 2017 seulement.

En tenant compte de cela, la « première » génération à laquelle vous avez accès pourrait être décrite de manière plus appropriée comme la deuxième génération de véhicule autonome.

Les avantages

Nous devrions également tenir compte du fait que même un algorithme d’IA sous-optimal sera probablement plus sûr et plus efficace qu’un conducteur humain comparable. Par exemple, il y a plus de 40 000 décès de véhicules chaque année, et plus de 90 % de tous les accidents de la route sont attribuables à l’erreur humaine. La National Highway Traffic Safety Administration (NHTSA) préférerait attendre que les véhicules autonomes soient deux fois plus sûrs que les conducteurs humains avant d’être pleinement autorisés à conduire sur la voie publique. Mais même s’ils ne sont que 10 % meilleurs que le conducteur humain moyen, ils pourraient sauver 4 000 vies par an.

Si vous n’avez pas une connaissance approfondie du code de conduite automobile, vous devrez utiliser vos hypothèses et vos jugements de base pour décider d’acheter ou non un véhicule auto-pilotant. Il y a certainement des risques, aggravés par l’empressement désespéré des entreprises à mettre sur la route des véhicules autonomes le plus rapidement possible, mais il suffirait d’une augmentation marginale de l’efficacité et de la sécurité pour justifier ce saut. Continuez à apprendre et à surveiller les nouveaux développements, et essayez de garder vos côtés trop optimistes et trop sceptiques en équilibre avant de prendre la décision finale.

 

 

 

La quête de connaissance et de compréhension

Pour commencer, nous devons comprendre que les histoires et les films peuvent aider les gens à se familiariser avec les complexités de l’IA et à vraiment les comprendre. Expliquer les algorithmes d’apprentissage automatique en termes mathématiques aliénera la plupart de votre auditoire, mais si vous évoquez des personnages bien-aimés ou racontez une histoire captivante, vous pouvez faire réfléchir quelqu’un de manière critique sur la façon dont l’IA fonctionne (et comment nous devrions l’aborder).

Par exemple, Rajat Mishra, Cisco VP of customer experience, utilise souvent l’image d’Hollywood pour expliquer des technologies complexes comme l’intelligence artificielle aux clients et au grand public, en évoquant des films célèbres pour expliquer des choses comme les algorithmes d’analyse prédictive ou la manière dont l’homme et la machine travaillent ensemble. Il a également parlé de la façon dont certains films comme Terminator, peuvent nuire au développement de l’intelligence artificielle (dont nous parlerons plus loin).

Craintes et pires scénarios

Beaucoup de films, de spectacles et de livres utilisent l’IA comme un antagoniste ou une force de destruction féroce. Pour le bien de la narration, il est logique de le faire : L’IA est encore une frontière largement inexplorée, avec un potentiel de puissance dévastatrice.

Cependant, la présentation de l’IA comme étant malveillante ou comme un outil plus dangereux qu’utile peut détourner les gens des applications réelles de cette technologie. Qu’il s’agisse de dysfonctionnements de l’IA à petite échelle, comme dans Westworld, ou de prises de contrôle à grande échelle, comme dans Matrix, on présente aux consommateurs de tous les jours l’idée que tout système d’IA, une fois introduit, prendra probablement le contrôle de sa propre conscience et commettra des atrocités nuisibles à l’espèce humaine. Par conséquent, ils pourraient être moins susceptibles d’appuyer des technologies comme la conduite automobile, même s’ils pouvaient sauver des dizaines de milliers de vies chaque année.

D’un autre côté, ces récits incitent parfois les gens à réfléchir de façon plus critique au rôle que l’IA pourrait jouer dans notre vie. Par exemple, l’organisation OpenAI d’Elon Musk travaille dur pour développer l’IA de manière responsable et atténuer les risques éthiques (ou existentiels) qui pourraient être associés à son émergence dans notre monde. Nous voyons aussi des exemples d’histoires où la technologie est plutôt un terrain d’entente. Selon Mishra, « certains croient que les machines remplaceront les humains, et d’autres croient que les machines ne feront que compléter les humains. Après un débat réfléchi, nous avons conclu que pour notre activité de services, il ne s’agit pas d’un choix binaire, mais plutôt d’une décision consciente sur la place que nous voulons occuper dans le continuum Homme-Machine. »

Humanisation et inexactitudes techniques

Dans la plupart des cas, les représentations de l’IA se trompent sur de nombreux facteurs techniques, ce qui amène le public à se faire des idées fausses sur la technologie. Pour commencer, la plupart des histoires tentent d’humaniser le plus possible l’IA, donnant à l’IA l’impression d’avoir une conscience et une conscience de soi au niveau humain, et parfois des sentiments subjectifs. En réalité, l’IA ne prendrait probablement pas conscience d’elle-même et ne commencerait probablement pas à traquer malicieusement les humains ; notre plus grand risque viendrait plutôt de sa décision froide et calculée d’accomplir sa tâche aussi efficacement que possible. Il ne ferait que « vouloir » faire ce pour quoi nous l’avons programmé, de sorte que ses pires actions ne seraient que les effets secondaires désagréables d’essayer trop fort d’atteindre cet objectif.

Bien sûr, il y a des représentations incroyablement précises de l’intelligence artificielle dans nos films et notre littérature, mais ces exemples sont rares, et ils tendent à s’adresser davantage aux amateurs de science-fiction qu’au grand public en quête de grands succès.

Bon ou mauvais ?

La façon dont nous parlons et présentons l’IA dans nos œuvres de fiction est-elle une bonne ou une mauvaise chose pour le développement de l’IA ? Bien sûr, nous présentons l’idée à un public plus large, et d’une manière qu’ils peuvent comprendre, mais nous leur donnons aussi des idées fausses – et ces idées fausses pourraient retarder nos progrès en réduisant considérablement le soutien public aux projets d’IA et en augmentant les obstacles juridiques et réglementaires pour les promoteurs. Selon les mots de Rajat Mishra,

« J’aime les films et les métaphores hollywoodiennes peuvent être un outil puissant pour améliorer la compréhension, mais le monde réel n’est jamais aussi noir et blanc ».

En fin de compte, les représentations de la culture pop de l’intelligence artificielle resteront quelque part dans une zone grise, ce qui est bien, car quoi qu’il arrive, les gens continueront à écrire des histoires à ce sujet-et ce n’est pas bon d’avoir trop d’histoires qui rendent glamour ou diabolisent une technologie aussi puissante. Nous ne pouvons qu’espérer que les personnes les plus intéressées par la recherche et le développement en intelligence artificielle plongeront davantage avant de se former une opinion sur les robots en se basant sur le dernier blockbuster de l’été.

Plusieurs nouveaux outils d’Intelligence Artificielle sont en cours d’introduction qui pourraient permettre de détecter les risques futurs de crise cardiaque ou même de prioriser et de diriger les appels d’urgence en fonction de la probabilité que le patient soit victime d’un accident cardiaque. Jetez un coup d’œil à ces projets passionnants qui visent à faire en sorte que les décès par crise cardiaque appartiennent au passé.

Réduire les erreurs médicales

Nous appelons les services d’urgence parce que nous avons besoin de soins immédiats, mais tous les appels d’urgence ne sont pas aussi urgents que les autres. C’est pourquoi, pour tenter d’établir l’ordre de priorité des réponses aux appels, quatre pays européens sont en train de déployer un algorithme d’IA capable de détecter les arrêts cardiaques avec une précision pouvant atteindre 95 %. Dans les études du développeur de l’IA, les répartiteurs humains ne pouvaient accomplir cette tâche qu’avec une précision d’environ 74 %.

Les patients victimes d’un arrêt cardiaque ont besoin des soins les plus rapides s’ils espèrent être réanimés, d’où l’importance pour les répartiteurs d’évaluer rapidement et précisément les appels reçus. Grâce à l’IA qui dirige les appels, un plus grand nombre de patients peuvent recevoir des soins accélérés, ce qui permet de prévenir les lésions au cerveau et aux organes ou la mort.

L’IA décisionnelle est l’une des principales nouvelles frontières de la médecine assistée par ordinateur, et ce système de répartition n’en est qu’un exemple. D’autres programmes d’IA comprennent un programme israélien de détection des hémorragies intracrâniennes, ainsi qu’un programme conçu par des scientifiques de Stanford, qui permet d’identifier les marques cancéreuses de la peau.

Bien qu’il y aura toujours un art du diagnostic, en particulier pour les maladies rares, l’IA améliore les résultats pour les patients à travers le monde en aidant les médecins à prendre de meilleures décisions thérapeutiques. Malgré tout le battage médiatique, le rôle de l’IA est de réduire les erreurs médicales ; elle ne remplace pas les médecins.

Prédire l’évolution des maladies

Il est évidemment important de maximiser l’intervention du répartiteur d’urgence en cas d’arrêt cardiaque, mais que se passerait-il si nous pouvions traiter les problèmes cardiaques avant qu’ils ne se manifestent ? C’est l’objectif premier des programmes de cardiologie préventive – s’attaquer aux facteurs de risque cardiaques tels que l’hypertension artérielle, les antécédents familiaux, l’obésité et les syndromes métaboliques avant qu’ils deviennent critiques. Récemment, cependant, Google a publié un nouvel algorithme qui examine un critère entièrement différent pour évaluer le risque cardiaque : les yeux.

Que peuvent nous dire les yeux sur la santé cardiaque future ? La paroi arrière de l’œil, appelée fond de l’œil, est riche en vaisseaux sanguins. En balayant ces vaisseaux, l’algorithme de Google peut détecter des facteurs tels que l’âge, le tabagisme, le niveau de pression artérielle et plus encore. À l’heure actuelle, l’algorithme peut prédire correctement le risque cardiaque 70 % du temps, un taux légèrement inférieur à la norme médicale, le test SCORE, qui est précis à environ 72 %.

La principale différence entre quelque chose comme l’algorithme de Google et le test SCORE est qu’il est peu probable que le test SCORE devienne beaucoup plus précis, mais avec plus d’exposition et de tests, l’algorithme de Google deviendra plus sensible aux petits détails. L’apprentissage machine rend la plupart des algorithmes ouverts et constamment en développement. Plus ils « voient » et plus ils reçoivent de feedback, plus ils sont performants.

L’importance des détails

La plupart des connaissances médicales sont très générales. Les médecins diront aux patients qu’ils ont une probabilité de x pour cent d’avoir une condition particulière, par exemple, mais ce nombre peut être basé sur l’ensemble de la population – et les chiffres de la population sont souvent basés sur des études comprenant principalement des hommes blancs. Bien que nous observions dans la pratique des niveaux différents d’efficacité des médicaments et de risque de maladie dans les populations minoritaires, les études et les statistiques reflètent rarement ces différences.

En partenariat avec le réseau d’IA de Microsoft pour les soins de santé, les hôpitaux Apollo en Inde ont développé une IA d’évaluation cardiaque basée sur la population indienne. Même en Inde, où vit près d’un septième de la population mondiale, la plupart des technologies et des outils d’évaluation actuellement utilisés ont été développés à partir des populations occidentales. Il en est résulté des erreurs de diagnostic et une mauvaise prévention des maladies. L’IA de l’hôpital Apollo est la première du genre à repenser qui est centré sur la technologie diagnostique.

Les maladies cardiovasculaires sont la principale cause de décès dans le monde, et elles sont à la hausse dans les pays à revenu faible et moyen, car les habitudes alimentaires occidentales sont exportées et l’augmentation de la richesse entraîne une consommation accrue de viande et un mode de vie plus sédentaire. Ce profil de risque rend la détection des maladies et les efforts de prévention plus importants que jamais auparavant – et les outils d’IA sont prêts à changer la donne.

L’adoption de l’IA dans la gestion de la Supply Chain

L’abondance d’algorithmes fournis aux machines enseigne à chaque machine les normes opérationnelles et les systèmes appropriés au sein de la Supply Chain, ce qui leur permet de repérer les erreurs avec un plus haut niveau de précision que les humains. Mais l’impact réel de l’intelligence artificielle dans la Supply Chain va encore plus loin une fois que les entreprises déploient la technologie, ce qui explique pourquoi des entreprises de renommée internationale utilisent déjà l’IA.

Amazon et Google sont deux marques  d’influence mondiale qui intègrent l’IA dans leur Supply Chain. L’une des façons dont Amazon utilise l’IA est de faire appel à sa nature prédictive pour se préparer aux demandes futures. Les algorithmes d’IA peuvent déterminer la demande de produits spécifiques jusqu’à 18 mois à l’avance, car ils analysent les préférences des clients et les opérations logistiques.

Google estime que la société a investi jusqu’à 30 milliards de dollars dans  l’intelligence artificielle ainsi que dans la recherche et le développement dans ce domaine.

La fiabilité de la nature prédictive de l’IA

En plus de prédire les demandes à venir, l’IA permet de prédire les défaillances de l’équipement. En connaissant la nature fonctionnelle et la capacité opérationnelle de l’équipement, les produits ne seront pas retardés dans la Supply Chain parce que les gestionnaires seront mieux préparés à trouver d’autres méthodes de production tant que l’équipement ne sera pas remis en service. Ces prédictions sont faites en utilisant des capteurs intelligents et en créant virtuellement un équipement identique. L’équipement virtuel est ensuite testé dans des circonstances spécifiques (telles que des conditions météorologiques extrêmes).

Les entreprises peuvent également automatiser la facturation grâce à l’analyse prédictive de l’intelligence artificielle. Les soldes futures peuvent être calculées pour les nouvelles factures grâce à une technologie intelligente qui reconnaît les tendances des paiements reçus et des dépenses de l’entreprise.

L’IA raccourcit le processus de distribution

Dans une économie mondiale, les clients et les entreprises n’ont pas toujours le luxe de recevoir leurs marchandises et produits à des dates précises. Par le passé, le recours à des experts en recherche et à des analyses pour produire des données était le moyen le plus pratique d’informer les entreprises au sujet de leurs expéditions et d’estimer à quel moment les articles étaient susceptibles d’arriver à leur destination.

Compte tenu de la grande quantité de données que les experts doivent traiter dans la société d’aujourd’hui, permettre à l’intelligence artificielle d’apprendre et d’automatiser l’analyse des données pour prédire les délais de livraison peut cette tâche souvent difficile et longue à accomplir. En raison des retards inattendus dans la Supply Chain, faire des hypothèses sur les dates de livraison des produits pourrait être une erreur coûteuse. L’IA peut prévenir ces erreurs grâce à des capteurs intelligents et à des données GPS qui permettent de suivre la localisation des produits tout au long du processus de distribution.

De plus, l’intelligence artificielle peut raccourcir complètement le processus de distribution en guidant des véhicules autonomes. Comme les produits sont transportés par voie terrestre, les entreprises doivent tenir compte des restrictions légales et de la possibilité de retards de transport. Ces retards possibles comprennent les embouteillages, les problèmes de moteur et les détours imprévus.

Des lois sont également en vigueur pour assurer la sécurité des conducteurs, qui sont tenus de conduire pendant un nombre limité d’heures chaque jour. L’IA pourrait créer les itinéraires les plus rapides, et le transport autonome pourrait rester sur la route plus longtemps que les véhicules à propulsion humaine.

L’IA atténue les risques dans la Supply Chain

La gestion des entrepôts et l’approvisionnement de la Supply Chain ne sont efficaces que si l’inventaire est bien géré. Si l’offre ne répond pas à la demande, le temps et l’argent de l’entreprise sont gaspillés. Lorsque l’offre est à court de demande, l’insatisfaction des clients est inévitable. D’un autre côté, si l’offre est beaucoup plus élevée que la demande, les ressources critiques peuvent avoir été épuisées sans raison – surtout lorsqu’il n’y a pas d’occasions de vendre le surstock.

L’intelligence artificielle atténue ces risques en favorisant la transparence, tandis que ses capacités prédictives influencent la prise de décision. Comme mentionné précédemment, l’IA peut prédire la demande à venir pour les produits. Par conséquent, les gestionnaires de la Supply Chain seront en mesure de déterminer à l’avance un volume d’approvisionnement précis.

Des robots artificiellement intelligents permettraient également de maintenir les lignes de communication ouvertes entre les fournisseurs et les clients en générant des réponses aux demandes de renseignements généraux et en stockant les documents importants dans le nuage à des fins d’archivage et de respect des normes de conformité.

Les avantages dont les entreprises devraient tirer parti de l’IA

L’intelligence artificielle a le potentiel de profiter aux entreprises de diverses façons à mesure que les produits avancent dans la Supply Chain, et l’investissement initial dans les tests et l’alimentation en données des machines d’apprentissage en vaudra la peine après leur déploiement.

Si l’on tient compte du fait que les grandes sociétés technologiques telles que Google et Amazon mettent en œuvre l’intelligence artificielle tout au long de leur Supply Chain, il est évident que l’intelligence artificielle sera nécessaire pour que les entreprises puissent se maintenir à jour dans notre monde axé sur les données.

La structure des entreprises changera pour le mieux en adoptant l’IA. Grâce à l’automatisation, les membres de l’équipe seront moins submergés par de grandes quantités de données et par un travail fastidieux et répétitif. L’adoption précoce de l’intelligence artificielle comme stratégie de gestion de la Supply Chain augmente également les marges bénéficiaires de plus de 5%. Au lieu de négliger l’IA, le moment est venu d’adopter cette technologie révolutionnaire.