50 Prédictions Sur L’Intelligence Artificielle (IA) En 2018

« 2018 sera l’année qui montrera les réussites et les échecs de l’IA dans le domaine médical. Quand on l’applique à de gros volumes de données anonymisées, l’IA est déjà capable de produire des rapports utiles à l’échelle d’une population, comme pour les centres de soins généraux et la découverte de médicaments. Mais elle est encore tenue en échec lorsqu’il s’agit de prendre en compte un seul patient, parce que la masse de données prises en compte pour traiter un être humain reste trop vaste, complexe et mystérieuse pour que les ordinateurs et algorithmes actuels puissent « l’automatiser » ». — Frank Ingari, PDG, Growth Ally.

« L’année prochaine est pleine de perspectives pour les entrepreneurs qui se rapprochent de l’entreprise intelligente. Ils seront de plus en plus nombreux à cesser de simplement tester le concept de l’IA, pour commencer à effectivement l’appliquer à leur domaine. Grâce des algorithmes de machine learning développés, des business models novateurs vont émerger. Des pans entiers de l’industrie vont se rendre compte que la transformation numérique n’est pas qu’une mode, mais qu’elle est essentielle pour rester concurrentielle. Dans l’intervalle, le deep learning sera accepté comme inhérent au ML standard, mais va s’efforcer d’être plus efficace et plus évolutif au sein des systèmes. Enfin, on peut s’attendre à de nouvelles grandes avancées dans l’apprentissage, et à ce que les universités s’adaptent davantage aux besoins des chercheurs industriels pour conserver un avantage concurrentiel ». — Markus Noga, Responsable du Machine Learning, SAP.

« L’IA va augmenter la demande en informations de qualité. Les entreprises sortent de plus en plus les êtres humains des processus de décision, pour que les IA prennent les décisions, qu’ils s’agissent de fixer des prix, organiser le rangement des stocks, ou même trier les dossiers électroniques de patients. En parallèle, les chercheurs découvrent que les algorithmes de deep learning qui sont des « boîtes noires » (une fois entraînés, on ne peut plus les modifier ni même vraiment les comprendre) sont les plus efficaces dans bien des situations. Puisque ces algorithmes, si on les nourrit de mauvaises données, donneront de mauvais résultats, il est plus important que jamais d’avoir des données de très bonne qualité, en particulier pour l’apprentissage de ces algorithmes. Ce type de données va devenir une ressource très convoitée, un équivalent du pétrole à l’ère de l’information. Les plus grands cerveaux dans le domaine technologiques pourraient même ne plus travailler à créer des algorithmes, mais à les nourrir avec les bonnes données ». — Aaron Kalb, co-fondateur et chef de produit de Alation.

« Les progrès en IA conduiront à la création d’outils spécialisés dans le cloud. Les entreprises voudront innover et améliorer, à l’aide du machine learning et de l’IA. Des outils et infrastructures plus spécialisés seront adoptés dans le cloud pour appuyer des usages plus spécifiques, comme des solutions pour fusionner des inputs sensoriels multi-modaux pour les interactions humain/robot (comme la vision, le toucher et l’ouïe), ou des solutions mêlant l’imagerie satellite aux données financières pour faire bondir les capacités d’échanges par algorithme. Nous nous attendons à une explosion des solutions concernant le cloud, qui accélère le rythme de collecte des données et fasse la preuve du besoin d’un traitement et d’un stockage, de la part des fournisseurs de cloud, qui soit sur demande et sans problèmes ». — Horia Margarit, scientifique des données en chef, Qubole.

« Cette année, les entreprises ont utilisé l’IA et le machine learning pour transformer l’expérience client, faisant basculer la science-fiction dans la réalité, avec des robots en magasin, l’emploi de la réalité virtuelle pour permettre aux consommateurs d’essayer une voiture, de dessiner une maison, etc. En 2018, il sera temps pour ces entreprises de suivre les leçons apprises en travaillant avec des IA auprès des clients ou dans les processus de bureaux, en utilisant ces technologies pour rationaliser et automatiser tout cela. Elles peuvent aussi explorer les possibilités d’un couplage de l’IA et du ML avec d’autres outils, comme l’Internet des Objets (IoT), la réalité augmentée, ou autre, pour encore améliorer les fonctions aussi bien en front office qu’en back office ». — Moritz Zimmerman, directeur de la technologie, SAP Hybris