Intelligence Artificielle : Votre Guide De Survie Face Au Buzz

Aujourd’hui, les attentes liées à l’intelligence artificielle n’ont jamais été aussi grandes. Rien d’étonnant puisque que cette technologie est génératrice d’importants avantages économiques. Les entreprises ne cessent d’annoncer de nouveaux partenariats stratégiques, de nouveaux produits ou de nouvelles technologies, en clamant souvent être « les premières à lancer » une technologie « unique » et offrir les « meilleurs » produits.

Désormais, si votre objectif en tant qu’entreprise technologique est d’entrer en bourse ou de trouver un acquéreur, l’IA doit faire partie de votre portfolio. Je peux comprendre que certains soient tentés de faire ce type de déclarations. En effet, intégrer l’intelligence artificielle à la gestion de la relation client peut changer la vie de leurs clients. Même si le processus s’avère complexe, il n’en reste pas moins vital. Comme beaucoup, le potentiel de l’IA, et surtout sa mise en pratique, me fascinent. Néanmoins, mes 30 années d’expérience dans le développement de cette technologie me poussent à faire preuve de prudence.

Avant tout, essayons de comprendre comment l’IA a pu prendre une telle ampleur. L’émergence du big data a accéléré le développement de cette technologie. Elle a ensuite explosé avec l’apparition d’une puissance de calcul abordable, grâce au cloud computing et aux processeurs spécialisés. L’IA « apprend » des nombreuses données et flux d’événements qu’elle traite. La société Alphabet, spécialisée dans les voitures autonomes n’aurait pas pu « éduquer » ses véhicules sans avoir scanné les routes du monde entier avec Google Maps et stocké quelques 2 777 584 km de données issues des tests. De la même manière, Facebook n’aurait jamais pu tester la reconnaissance faciale et l’opinion mining sans les millions de selfies postés par les membres du réseau.

Je suis impressionné de voir les progrès accomplis grâce aux nouvelles formes d’IA. Elle a par exemple permis à Amazon de réduire de 40 % la consommation énergétique dans ses data centers. De son côté, Alphabet accélère le développement de Google Translate afin de faciliter l’accès à Internet aux 6 milliards de personnes ne comprenant pas l’anglais à travers le monde.

L’IA au service du génie humain et non le contraire

L’IA a donc fait ses preuves. Des entreprises du monde entier ont aujourd’hui recours à cette technologie éprouvée pour résoudre des défis majeurs et complexes, et identifier des opportunités considérables.

Ces projets révolutionnaires (aussi appelés moonshots) font rêver, qu’il s’agisse d’intelligence artificielle ou de toute autre technologie. Il faut néanmoins rester prudent face aux discours passionnés des entreprises commercialisant ces technologies. Ces projets fous ne doivent pas nous empêcher de continuer à faire appel au génie humain de nos collaborateurs pour résoudre les problèmes au sein de nos structures. Si le deep learning peut s’avérer être un outil puissant, l’analyse prédictive, le machine learning et la gestion décisionnelle le sont tout autant.

Il est important d’étudier en détail toutes les promesses de vente des fournisseurs de logiciels, y compris les nôtres. Si les technologies d’IA sont si populaires à l’heure actuelle, c’est parce qu’elles sont en mesure de définir des modèles totalement inédits et des règles imprévisibles à partir de multiples jeux de données et le plus souvent dans des domaines définis. Mais, la vie, et plus précisément l’entreprise, n’est pas un domaine immuable. Nous sommes donc encore très loin de parvenir à une solution d’IA véritablement universelle, qui reposerait sur les capacités d’analyse de Watson en back end et celles de Siri en front end.

Tom Austin, chercheur et vice-président du cabinet de conseil Gartner, nous le confirme : « Nous ne savons pas encore comment construire des machines intelligentes, évolutives et universelles. À la place, nous utilisons des systèmes à l’intelligence limitée, réglementée et préprogrammée. »

Ces « systèmes réglementés et préprogrammés » font un excellent travail. Lorsqu’ils sont associés au machine learning, l’homme va non seulement pouvoir les préprogrammer, mais il pourra surtout continuer à les alimenter et à les contrôler. C’est cette symbiose qui fera évoluer l’intelligence artificielle : elle ne se contentera plus de résoudre des problèmes dans des domaines bien définis, mais elle s’attaquera à des défis beaucoup plus complexes faisant appel au bon sens et à des situations réelles. L’entrée en vigueur imminente de lois sur la protection des données des utilisateurs plaide aussi en faveur de cette symbiose avec les systèmes réglementés. Dans sa réglementation sur la protection des données personnelles (GDPR), l’Union européenne prend des mesures pour protéger la vie privée face aux décisions automatisées. Elle prévoit de sanctionner les organisations qui utilisent des systèmes d’IA sans avoir obtenu l’autorisation explicite des utilisateurs.

Une lame de fond

Les entreprises doivent évaluer de manière attentive les solutions et les produits qui leur sont proposés. Nombreuses sont celles qui, portées par l’enthousiasme des consommateurs vis-à-vis des assistants vocaux comme Alexa, Cortana et Siri, ont investi dans des solutions qui ne répondent pas à leurs besoins et à ceux de leurs clients. Mike Gualtieri, vice-président et analyste principal chez Forrester, explique ainsi que : « de nombreuses entreprises emploient le terme IA dans leur discours marketing, à tort. Si vous cherchez des fonctionnalités d’IA pragmatiques, tournez-vous vers les entreprises commercialisant des solutions d’analyse prédictive, de machine learning et de cognitive search. » Nous n’aurions pas dit mieux !

La vague high-tech qui a donné à l’IA ses lettres de noblesse a profité à toutes les technologies : les systèmes d’IA pragmatiques sont désormais plus intelligents, plus rapides et plus interactifs. Une raison de plus (s’il en fallait une) de ne plus se laisser distraire par les discours alléchants et d’opter pour des systèmes pragmatiques.