Ad
Ad
Ad
Tag

intelligence artificielle

Browsing

« L’Intelligence Artificielle prend le pouvoir ». La formule d’un porte parole d’Oracle France résume parfaitement l’esprit des très nombreuses annonces produits faites cette semaine lors du Modern Business Experience de Las Vegas.

Oracle a en effet mis des (gros) bouts d’AI dans pratiquement toutes ses solutions SaaS.

Dans l’ERP

Dans son ERP cloud, Oracle a par exemple amélioré l’assistant de notes de frais – un bot dévoilé à l’OpenWorld 2018 mais qui a été mis à jour.

« Il simplifie le traitement en créant, classant et appariant automatiquement les types de dépenses. Les utilisateurs peuvent interagir avec l’assistant via une interface vocale, ou simplement en envoyant à ce dernier des images de reçus par e-mail, SMS, Slack ou Microsoft Teams. L’assistant utilise le Machine Learning pour améliorer la classification automatique des types de dépenses, surveiller les violations de politiques et réduire les risques d’audits », explique l’éditeur.

Dans le contrôle financier, une analyse continue des transactions, des paramétrages et des configurations, automatise les audits et aide à prévenir les fuites financières. « Des algorithmes examinent les changements de configuration et les transactions critiques par rapport à une bibliothèque de règles éprouvées pour repérer les correspondances suspectes, détecter des anomalies, etc. Cette approche utilise des techniques de Data Science pour permettre de diriger les incidents vers les analystes à des fins de suivi, d’enquête et de clôture », vante Oracle.

Dans la brique Supply Chain, l’IA (via le rachat de DataFox) enrichit, catégorise et score les profils des fournisseurs avec des données validées issues de sources diverses actualisées en quasi temps réel (articles de presse, communiqués, communications financières officielles, etc.).

La planification de projet bénéficie également à présent d’un assistant à base d’AI. Ce bot fournit des mises à jour instantanées de l’état du projet et permet aux utilisateurs d’actualiser le temps et la progression des tâches. « Cet assistant apprend à partir des saisies de temps passées, des données de planification de projet et du contexte général pour adapter les interactions et capturer intelligemment les informations critiques du projet ».

La sécurité n’est pas en reste puisque l’ERP utilise l’analyse graphique pour évaluer les violations cachées dans des configurations de sécurité complexes, récursives et dynamiques grâce à l’IA.

Dans Oracle SCM Cloud

Dans son outil spécialement dédié à la chaine d’approvisionnement (Oracle SCM), Oracle a là encore infusé une bonne dose d’Intelligence Artificielle avec l’arrivée de deux nouveautés.

La première, Oracle Service Logistics Cloud, automatise la connexion entre les équipes du service clients et les équipes d’intervention sur le terrain. « Cette connexion permet au service clients de commander les pièces directement depuis une demande d’intervention, de coordonner leur livraison rapide au bon endroit et au bon moment », précise Oracle.Project-Driven Supply Chain Cloud pour sa part est une fonctionnalité qui automatise le suivi des attributs des projets et des coûts associés dès le bon de commande initial pour améliorer la précision et la rapidité de facturation de l’exécution des projets.

Dans le SIRH

Pas assez d’AI pour vous ? Qu’à cela ne tienne. En rab, Oracle en a aussi mis une bonne dose dans son HCM avec un nouveau bot. Les assistants adossés à Oracle HCM Cloud sont évidemment utilisables en libre-service que ce soit par SMS, par la voix ou via IM sur mobiles ou sur le bureau. « Les utilisateurs peuvent obtenir des réponses aux questions RH les plus courantes qui peuvent être posées de milliers de façons différentes, qu’il s’agisse des congés disponibles, des prestations sociales, de l’explication de la fiche de paye, de l’intégration d’un nouveau collaborateur ou encore des évaluations de performance ».

Le SIRH en mode SaaS intègre par ailleurs de nouvelles capacités de planification du personnel à base de Machine Learning qui analysent les disponibilités et la demande par catégories clés (personne, poste, compétences), pour constituer des équipes de manière plus optimales, « proactive et data driven ».

Dans le CRM

La gamme CX n’échappe pas à ce bouillon d’AI, avec deux annonces CRM.

La planification des ventes (Sales Planning Solution) va utiliser l’analyse prédictive pour planifier plus intelligemment les opérations commerciales et, espère Oracle, « augmenter la génération de revenus pour les équipes de vente ».

La deuxième annonce concerne une fonctionnalité baptisée « Smart Data ». Cette fonctionnalité vise à accélérer la création de comptes en enrichissant, validant et standardisant les informations de l’entreprise prospect lors de leur saisie.

DataFox

Cerise sur le gâteau pour terminer ce menu très Intelligence Artificielle servi par Oracle à Las Vegas, l’éditeur a souligné l’intérêt du rachat de DataFox en présentant trois intégrations.

La première est celle décrite plus haut dans l’ERP (scoring des fournisseurs).

La deuxième est une intégration de ces flux de données dans CX Cloud (en plus de Smart Data). « Les données et les signaux dynamiques et contextuels fournis par DataFox aident les commerciaux à élargir leur marché adressable en identifiant les prospects qui ne se trouvent pas dans leurs systèmes actuels à l’aide des critères Ideal Customer Profile (ICP) ».

Enfin, DataFox nourrit également Eloqua (Oracle Marketing Cloud) pour fournir aux spécialistes du marketing « une connaissance inédite du firmographe (NDR : ou firmographics, éléments clef de description d’une société comme la taille, sa localisation, son domaine, etc.) et du comportement des comptes ».

IA pré-cuisinée ou IA fait-maison : il faut choisir

A l’OpenWorld 2018, et dans la foulée du Machine Learning appliqué à la base de données (Autonomous Database), Larry Ellison avait promis l’arrivée massive de l’IA dans le SaaS d’Oracle.

L’éditeur semble tenir parole.

Il est toujours possible – nous a confirmé Oracle France – de ne pas utiliser ces fonctions « intelligentes » intégrées et de choisir d’appliquer directement une autre IA (Watson par exemple) ou des algorithmes maisons à la base de données qui sous-tend l’application. Ce n’est pas ce que recommande Oracle mais, sur le papier en tout cas, cela reste possible pour garder la main sur son patrimoine algorithmique.

Mais la facilité d’une simple activation dans le SaaS – et Oracle dira la puissance de sa R&D et de l’expérience de ses nombreux clients – fait que cette option du développé maison, aussi séduisante soit-elle d’un point de vue stratégique, devient de moins en moins attirante d’un point de vue pratique.

Le débat sur la portabilité de l’apprentissage des algorithmes, du client captif dans le Machine Learning, du fait maison ou de l’externalisé, devient en tout cas de plus en plus cornélien pour les entreprises clientes.

L’Autriche a eu les honneurs de l’évènement européen de Workday. Le spécialiste du HCM et de la planification en a profité pour annoncer avoir doublé le nombre de ses clients (500) sur un an au sein de la zone Europe et Asie-Pacifique plus le Japon (sans pour autant donner une répartition par zone). La firme revendique, sur le sol européen, 1 600 salariés et entend bien conquérir de nouveaux clients notamment des ETI (entreprises de taille intermédiaire), confie le CEO Aneel Bushri. Dans cette stratégie de conquête, l’innovation est souvent un élément important et Workday investi fortement dans la R&D pour apporter les dernières technologies à ses clients.

Il y a bien sûr le cloud avec la capacité pour les clients de Workday de déployer les solutions de gestion financière et de HCM sur les infrastructures AWS. Ce projet a été initié en 2016 (avec des tests au Canada) et il est effectif en cette fin d’année aux Etats-Unis. Cette option sera prochainement disponible en Europe, en Allemagne dans un premier temps (au premier semestre 2019), « sous l’influence du RGPD et les exigences en matière de localisation des données », admet le Aneel Bushri.

De l’IA par infusion

Mais la star des innovations n’est plus le cloud, c’est l’intelligence artificielle. Le nouveau mantra des éditeurs de logiciel est d’intégrer les apports du machine learning et du deep learning au sein de leurs solutions. « Il s’agit d’une machine à prédiction et les technologies doivent être intégrées au sein des solutions », constate Leighanne Levensaler, vice-présidente en charge de la stratégie chez Workday. Les différentes branches de l’éditeur héritent donc de l’expertise de la firme dans l’analytique, mais aussi des différentes acquisitions comme Platfora, le cœur de la plateforme Prism, ou Stories, RallyTeam, SkipFlag.

Tour à tour les responsables de chaque division ou entité de Workday se sont succédé sur scène pour expliquer l’impact du machine learning. Ainsi, Tom Bogan, CEO d’Adaptive Insight (outil de planification budgétaire racheté en juin dernier pour 1,5 milliard de dollars), souligne que « l’intelligence artificielle va impacter le domaine de la planification budgétaire pour les 5 à 10 prochaines années, avec une plus grande automatisation, l’intégration de la gestion du risque, etc. ». En matière de ressources humaines, Workday a lancé récemment un service baptisé Skill Cloud, basé sur de l’apprentissage automatique, pour détecter les meilleures compétences pour une tâche, aider les collaborateurs à améliorer leur profil ou les orienter sur des formations pour une évolution de carrière. Dans le domaine de la gestion financière, le machine learning va servir à faciliter la détection d’anomalies dans les transactions ou la création de rapports mensuels. Workday travaille aussi sur un service « Accouting Center », qui regroupera dans un point unique des règles comptables au sein des entreprises en s’appuyant là aussi sur de l’apprentissage automatique.

Des clients prêts à tester

Et les clients sont-ils sensibles à l’intégration de l’IA au sein des produits Workday ? Dans les ressources humaines, l’intérêt pour les bots est réel. Chez la SSII Umanis, qui va déployer la solution HCM de Workday, on regarde la mise en place d’un chatbot à destination des collaborateurs pour être « un support dans la gestion du changement sur les nouveaux outils et servir de « lab interne » sur ce sujet », souligne François Bouchery, program manager. L’ESN souhaite travailler avec Workday pour être un « early adopter » en la matière. Elle regarde plus globalement l’IA pour aider à la mobilité interne « en détectant les bonnes compétences et les bonnes personnes correspondantes aux opportunités de carrière », poursuit le responsable.

Pour d’autres clients, la question de l’IA repose sur la maturité d’intégration des solution Workday. « L’IA va nous servir à mieux comprendre notre business et ses évolutions », explique Emma Castledine, responsable du reporting et gestion des risques chez Gym Group, une chaîne anglaise de salles de sport. L’automatisation des tâches, obtenir et visualiser les meilleures informations pertinentes pour des tableaux de bord, sont d’autres bénéfices de l’IA attendus par les entreprises.

On connaissait déjà les avancées de Google en matière d’intelligence artificielle pour le grand public, notamment avec son spectaculaire Duplex, une fonctionnalité de Google Assistant qui permet de passer des appels à votre place pour réserver une table de restaurant ou un rendez-vous chez le coiffeur. En ce début d’année, c’est au tour des développeurs d’être chouchoutés par la firme de Mountain View avec trois nouveaux périphériques qui viennent d’être mis à leur disposition.

La filiale d’Alphabet a en effet levé le voile sur sa gamme Google Coral, qui réunit une carte de développement à 149,99 dollars, un accélérateur USB à 74,99 dollars et un appareil photo de 5 mégapixels à 24,99 dollars. Ces nouveaux outils sont désormais disponibles dans la boutique Coral de Google dans le cadre d’une version bêta ouverte. Cette semaine, le géant américain a également lancé la version alpha de TensorFlow 2.0, un outil très plébiscité par les développeurs pour créer des applications de machine learning. 

Les géants américains en opération séduction auprès des développeurs 

Cependant, aucun de ces nouveaux outils commercialisés par Google n’est conçu pour entraîner des algorithmes de machine learning. Cette tâche nécessite en effet des GPU, processeurs dédiés au traitement des données graphiques, ou une puissance de traitement plus conséquente dans le coud. Toutefois, grâce à l’apport des puces Edge TPU, conçues pour injecter de l’intelligence artificielle dans les objets connectés, la carte de développement et l’accélérateur USB présentés par Google permettent d’exécuter des modèles d’intelligence artificielle sans sur-solliciter les capacités des deux périphériques. 

Et pour cause, les puces TPU de Google fonctionnent de manière plus efficace sans avoir besoin d’une connexion Internet dédiée ou d’une source d’énergie importante. La carte de développement et l’accélérateur USB prennent en charge TensorFlow Lite, une version allégée du framework d’intelligence artificielle de Google conçue pour les appareils mobiles et les objets connectés. Quant à l’appareil photo, fabriqué par Omnivision, il s’agit d’un complément pour la carte de développement. 

Avant Google, Intel avait également proposé des produits similaires aux développeurs, à l’image de son accélérateur USB, le Neural Compute Stick, alimenté par Movidius. Des produits de ce calibre permettent à des géants comme Google de séduire la communauté des développeurs pour stimuler l’adoption de leurs autres services d’intelligence artificielle. Preuve de l’intérêt des mastodontes américains pour les développeurs, Microsoft avait frappé fort l’an passé en mettant la main sur GitHub, célèbre plateforme collaborative dédiée au partage de code source, pour 7,5 milliards de dollars. Cette acquisition a permis à la firme de Satya Nadella de s’offrir le plus gros écosystème de développeurs au monde.

L’opération sera réalisée en deux temps. Appen va d’abord débourser 175 millions de dollars avant de procéder à un paiement supplémentaire pouvant aller jusqu’à 125 millions de dollars en fonction des performances de Figure Eight en 2019. Au total, la transaction pourrait donc s’élever à 300 millions de dollars. L’accord doit être finalisé début avril.

Fondée à San Francisco en 2007, Figure Eight a mis sur orbite une plateforme permettant d’obtenir des données structurées de haute qualité pour le machine learning et l’intelligence artificielle. Concrètement, la société américaine, précédemment baptisée «CrowdFlower» et «Dolores Labs», s’attèle à transformer des données non-structurées (texte, image, audio, vidéo…) en données utilisables pour des produits embarquant de l’intelligence artificielle. 

Des «travailleurs du clic» pour faire progresser les algorithmes d’IA 

Pour y parvenir, les plateformes de «micro-travail» comme Figure Eight et Appen font appel à des «travailleurs du clic» qui sont payés pour réaliser des micro-tâches en ligne (identifier ou nommer des objets sur des images, traduire des morceaux de texte…) afin d’alimenter l’intelligence artificielle en données. Autrement dit, les algorithmes d’intelligence artificielle sont nourris par des humains, rémunérés quelques centimes pour remplir ces tâches répétitives et peu qualifiées, de manière à les faire progresser.  

Les données émanant de ces micro-tâches permettent ainsi de développer l’intelligence artificielle pour la conduite autonome, l’identification de produits dans les rayons d’un supermarché, le traitement du langage naturel ou encore les chatbots intelligents. Figure Eight avait levé 58 millions de dollars au total depuis sa création après d’investisseurs comme Trinity Ventures, Canvas Ventures et Salesforce Ventures.

L’acquisition de Figure Eight permet à Appen de muscler sa technologie. En 2017, l’entreprise australienne avait déjà mis la main sur Leapforce, une autre société californienne spécialisée dans l’annotation de données. «La première étape consistait à prendre de l’ampleur, la deuxième était de conforter notre avance technologique, ce que nous obtenus avec Figure Eight», explique Mark Brayan, CEO d’Appen. Ce dernier estime en effet que cette opération va permettre à son groupe de capitaliser davantage sur les opportunités offertes par l’intelligence artificielle. A ce jour, Appen assure collaborer avec plus d’un million de «travailleurs du clic» dans plus de 130 pays.

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 ?

 

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.

Examen de la peur de l’automatisation

Le fait que toutes les études ne s’entendent pas sur le risque de perturbation extrême atténue dans une certaine mesure les craintes liées à l’automatisation. Une étude montre que le nombre réel d’emplois qui pourraient être entièrement automatisés n’est que d’environ 5 %. Et même si presque toutes les professions pourraient être touchées par l’automatisation au moins partielle, les employés pourraient en bénéficier, à condition qu’ils aient une formation adéquate pour travailler avec les services d’automatisation.

Il se peut que la plus grande préoccupation des travailleurs ne soit pas que des emplois précis soient automatisés demain, mais qu’ils n’aient pas l’ensemble des compétences requises pour les emplois d’aujourd’hui. Dans un récent rapport McKinsey, 40% des employeurs ont déclaré que leur emploi de débutant n’était pas comblé en raison d’un manque de compétences requises chez les candidats. Entre-temps, 60% des employeurs croyaient que les nouveaux diplômés n’étaient pas suffisamment préparés pour le marché du travail. Et même si les employés plus âgés peuvent avoir plus d’expérience de travail à leur actif, il est probable que leur formation dans des compétences plus complexes sur le plan technique est tout aussi inadéquate.

Alors, qu’est-ce que cela signifie pour votre entreprise et vos employés ? Pour renforcer votre équipe, vous devez repenser non seulement vos pratiques d’embauche, mais aussi la façon dont vous préparez vos employés actuels aux perturbations de l’automatisation. Voici quelques étapes pour vous aider à démarrer.

1. Rechercher l’adaptabilité, et non les qualifications du candidat

Il est temps de considérer d’autres facteurs que les études et l’expérience passée. Ils peuvent servir d’indicateurs, mais ils ne sont pas très doués pour prédire le succès futur de votre entreprise. Le bouleversement constant de la technologie rend la plupart des diplômes collégiaux désuets en peu de temps. Et comme les marchés de l’emploi aux États-Unis n’ont été que récemment corrigés après la récession de 2008, il est peu probable de trouver un candidat ayant cinq ans d’expérience constante dans un seul domaine.

Inversement, les compétences non techniques comme l’adaptabilité, l’intelligence cognitive et sociale et la personnalité seront beaucoup plus révélatrices du potentiel d’épanouissement d’un candidat au sein de votre équipe. Selon Caitlin MacGregor, PDG et cofondatrice de Plume, vous devriez « vous concentrer sur la nécessité d’avoir les bonnes personnes aux bons postes en fonction de ces indicateurs d’adaptabilité, plutôt que de rester bloquée dans votre esprit à quoi ressemble le CV du candidat idéal». Tant que votre formation pour un rôle spécifique est suffisamment solide, vous pouvez former le bon candidat pour être tout ce dont vous avez besoin.

2. Ouvrir la voie aux machines

L’automatisation ne signifie pas passer d’un travail uniquement humain à un travail uniquement basé sur la machine ; nous devons cesser de le traiter comme un choix binaire. Cela exige un changement d’état d’esprit, dans lequel les dirigeants et les membres de l’équipe considèrent l’automatisation comme un complément plutôt que comme un remplacement. Des qualités et des caractéristiques humaines uniques comme l’empathie, la créativité et la capacité de fournir un contexte pour les processus de prise de décision ne peuvent pas être des qualités et des caractéristiques uniques.

Le lieu de travail de l’avenir n’est peut-être pas aussi sombre que les pronostiqueurs voudraient vous le faire croire, mais il est tout de même impératif de suivre le rythme de l’évolution. «En dotant vos employés des outils et de la formation dont ils ont besoin pour réussir, vous pouvez créer un environnement de travail plus solide où les hommes et les machines coexistent harmonieusement, pour le bénéfice de tous. remplacés par des machines, aussi intelligentes et polyvalentes soient-elles», explique Inge Oosterhuis, directrice générale des talents et de l’organisation des ressources chez Accenture. L’automatisation des services peut contribuer à accroître la productivité des employés en accélérant les tâches banales et en libérant les travailleurs pour qu’ils puissent se concentrer sur la fourniture d’informations qui permettront à l’entreprise de progresser.

3. Moderniser sa formation

Une partie du mariage entre travail humain et travail de la machine consiste à fournir à vos employés les moyens d’apprendre de nouvelles compétences techniques, interpersonnelles et diagnostiques. Pour combler le déficit de compétences, il faut de nouvelles méthodes de formation des employés, et vos employés le savent : 54 % d’entre eux croient qu’une formation continue et le perfectionnement des compétences seront absolument nécessaires tout au long de leur carrière à mesure que les milieux de travail évolueront.