Inauguration riality IA Lab- Microsoft Experiences Lab

Replay capsule Microsoft Experiences Lab

Parler de l’intelligence artificielle dans ses grandes lignes

Eneric Lopez propose d’aborder le vaste sujet de l’intelligence artificielle. Il le fait par l’angle organisationnel. Il y a un véritable décalage entre:

• la vision des organisations que l’IA va être pour elles un vecteur de transformation;
• et le taux réel d’adoption aujourd’hui .

Les principaux freins ?  Des problématiques de compréhension, de compétences mais surtout des problématiques managériales. Constats à l’origine de la création de l’AI Business School par Microsoft. À la faveur de trois facteurs conjoints, l’IA explose dans la phase actuelle :

• Premier facteur : la puissance de calcul dont on dispose , notamment grâce au Cloud Computing;
• Deuxième élément : les données, on en a de plus en plus ;
• Troisième élément, des progrès sur l’algorithmie depuis les années 2000 et 2010, notamment avec le Deep Learning .

Retour sur la définition de l’intelligence artificielle avec Eneric Lopez

Eneric Lopez propose de retenir une définition simple de ce que permettent les algorithmes relevant du paradigme de l’intelligence artificielle. L’IA, c’est l’automatisation des tâches sans les programmer, au service de trois capacités clés :

• comprendre;
• raisonner;
• interagir.

Les algorithmes peuvent comprendre les données en identifiant des schémas qui existent dans les ensembles de données. Ensuite, les algorithmes peuvent raisonner. C’est-à-dire « à partir des schémas identifiés, proposer une recommandation, proposer une conclusion ». Enfin, les algorithmes peuvent permettre d’interagir. En cela qu’ils permettent d’avoir « une interaction plus naturelle », explique Eneric Lopez. Il donne des exemples de la vie quotidienne, comme la commande vocale sur les téléphones, les enceintes intelligentes ou encore les voitures.

Les trois approches de l’apprentissage automatique

Pour permettre aux machines d’acquérir ces capacités-clés, Eneric Lopez revient sur les trois approches de l’apprentissage automatique. Il revient sur le Machine Learning en anglais dans le texte – que sont l’apprentissage supervisé, l’apprentissage non supervisé et l’apprentissage par renforcement. « Aujourd’hui, l’apprentissage supervisé est utilisé par exemple pour reconnaître une expression du visage ou une zone cancéreuse sur une image médicale. Mais ça sert aussi à prédire », renchérit-il. Il  donnant l’exemple du pilotage de stocks ou encore de l’anticipation de l’affluence en magasin. Dans le cadre de l’apprentissage non supervisé, où l’algorithme de dispose pas d’informations supplémentaires autres que les données qu’on lui propose, plusieurs utilités sont mises en avant par Eneric Lopez, telles que la maintenance prédictive, la personnalisation de parcours client ou encore la détection d’anomalies, comme par exemple la détection de fraudes financières.

L’apprentissage par renforcement permet à l’algorithme « d’apprendre à apprendre ».  C’est « un moyen d’optimiser ce qu’il faut faire » pour obtenir le meilleur résultat, après un grand nombre d’essais/erreurs. Sur le marché actuel, l’IA peut-être une « IA customisée ». Cela peut résulter de la création de modèle spécifiques, mais on trouve aussi des modèles où l’IA est pré-entraînée. En effet, elle peut-être mise à disposition par des acteurs spécialisés dans un format facilement intégrable dans une application – typiquement, une API.

La fouille de documents, à des fins d’extraction de connaissance

Eneric Lopez revient également sur la fouille de documents, à des fins d’extraction de connaissance (Knowledge Mining).   Il a d’abord rappelé que les organisations regorgent de documents:

• manuscrits;
• tapuscrits
• numériques.

Ces documents forment au sein des organisations des bases documentaires. Ces bases documentaires ne sont pas toujours faciles à interroger. Grâce à différents modules d’intelligence artificielle, il est possible de requêter une base documentaire et de faire de la corrélation entre les différents documents. Il appuie son propos sur le cas des archives du procès JFK. En effet rendues publiques, elles ont formé un terrain de jeu sur lequel les services cognitifs disponibles sur le Cloud IA de Microsoft ont pu être mis à l’épreuve. Et ce, afin de rendre cette vaste base de documents historiques:

• facile à consulter;
• et à interroger.

Pour les plus curieux, la démarche et le code ouvert sont documentés. En outre, il revient sur l’importance d’une interaction facilitée et naturelle avec la machine. Les agents conversationnels et les chatbots sont, à cet égard, autant d’applications qui permettent d’accompagner des métiers variés, comme les téléconseillers ou les services chargés de délivrer des renseignements au public, par exemple.

Les enjeux éthiques de l’intelligence artificielle

« On ne peut pas parler d’intelligence artificielle et de ses usages sans parler d’éthique ». « On a un rôle à jouer en tant qu’organisation, qu’entreprise, lorsqu’on se dit qu’on va mettre en œuvre de l’intelligence artificielle ». Avec l’exemple des moteurs de recommandation pour l’aide au recrutement, en prenant le cas d’un modèle IA qui serait entraîné à partir des candidats à l’emploi et du salaire qui leur est proposé en fonction de leur genre, Eneric Lopez alerte sur le fait que ce type de moteur de recommandation va reproduire un « biais de société » : celui de la supériorité du salaire des hommes sur celui des femmes, à compétence et à diplôme équivalent.

Pourquoi ? « C’est pas l’algorithme qui est biaisé dans ce cas, c’est les données d’entrée ! Les biais peuvent être vraiment cachés. » Cette question du biais est aussi importante pour les entreprises qui produisent des logiciels IA que pour celles qui les utilisent. Tout autant que la question de la transparence des algorithmes, dont toutes les étapes de fonctionnement ne sont pas toujours explicables en fonction du type d’algorithme utilisé. Et pourtant, Eneric Lopez le rappelle : « On doit être en mesure de comprendre comment les systèmes IA prennent des décisions », surtout dans des domaines sensibles comme le médical. « Mettre en œuvre de l’IA explicable, c’est extrêmement important ». « Sur ces sujets de l’IA responsable, c’est très important que dans vos métiers il y ait une conversation ouverte. »

L’intelligence artificielle n’est pas uniquement réservée aux sujets d’innovation

« L’intelligence artificielle n’est pas réservée aux sujets d’innovation. Elle s’applique à tous les domaines de l’entreprise. Ne voir l’intelligence artificielle que comme un sujet d’innovation est déjà un biais ! », insiste Eneric Lopez. Il explique que chaque application et chaque processus métier peut être potentiellement amélioré. Notamment grâce à une solution intégrant de l’intelligence artificielle. La culture d’entreprise est à transformer au premier chef, « pour les sujets de transformation digitale de façon générale » – dont fait partie l’IA – et qui « relèvent parfois avant tout d’une problématique humaine », sur des sujets comme le partage de la donnée ou encore l’inclusion des équipes métier très tôt dans le processus. Au-delà, c’est vers une nouvelle culture des compétences qu’il faudra aller : des compétences techniques, certes, mais surtout des compétences transversales « sociales et émotionnelles ». “Ce qui prime, ce n’est pas la technologie en tant que telle, ce sont les valeurs. »Quelle meilleure transition que ce sujet des compétences pour parler de L’École de l’IA Microsoft, déployée par SIMPLON.CO sur toute la France et récemment arrivée à Marseille ! En trois ans d’activité, ce sont déjà 25 promotions et 110 entreprises partenaires sur toute la France, pour accueillir les alternants issus de la formation.