Cessons de nous mettre la tête dans le sable et la rate au court-bouillon. L’intelligence artificielle n’est pas l’un de ces épiphénomènes sans conséquence pour votre entreprise et votre organisation. Car la promesse porte aussi bien sur des gains de temps dans la prise de décision que dans la capacité de créer de la différenciation dès lors que vous devez délivrer des solutions où les termes "personnalisation" et "temps réel" font du sens pour votre activité. Rien de plus, mais pas rien de moins.

IA : les planètes sont alignées

C'est en 1969 que l’un des pères fondateurs de l’intelligence artificielle Marvin Minsky avait tué dans l’œuf son sujet dans un ouvrage intitulé Perceptrons, en montrant les limites insurmontables de l’apprentissage machine. Mais ces limites sont désormais derrière nous. S’il aura fallu attendre presque 50 ans pour que le sujet redevienne d’actualité grâce à des avancées spectaculaires opérées par les GAFAM (Google, Apple, Facebook, Amazon, Microsoft) et autres BATX (Baidu, Alibaba, Tencent et Xiaomi), c’est que les planètes sont alignées.

Qu’il s’agisse de la collecte massive de la donnée, de la vitesse de son traitement à ce qui apparaît désormais le plus impactant, à savoir la valeur qu’il est possible d’en tirer, rien ne semble plus pouvoir entraver une révolution qui s’amorce jour après jour. S’il est techniquement possible de collecter, de stocker, de calculer et d’intégrer massivement des données via le cloud et les API, c’est que plus rien ne semble impossible pour faire passer instantanément des données d’un état statique à un état dynamique. Et créer ainsi cette fameuse valeur.

L’IA, ce n’est ni un produit que l’on sort d’une boîte, ni même un logiciel en mode SaaS.
C’est un ensemble de solutions autant disparates qu’hétérogènes, lesquelles reposent aussi bien
sur des concepts, des technologies que sur des briques logicielles plus ou moins abouties
et plus ou moins performantes.

Toutefois, la difficulté avec l’IA, c’est que nous ne sommes pas en présence de solutions classiques. L’IA, ce n’est ni un produit que l’on sort d’une boîte, ni même un logiciel en mode SaaS. C’est un ensemble de solutions autant disparates qu’hétérogènes, lesquelles reposent aussi bien sur des concepts, des technologies que sur des briques logicielles plus ou moins abouties et plus ou moins performantes.

Mais ne nous y trompons pas : si près de deux milliers de startups investissent ces derniers mois de nouveaux territoires à grand renfort d’IA, c’est que d’ici trois à cinq ans, l’IA va aussi être proposée 'out of the box' aussi bien pour automatiser un nombre assez considérable de tâches humaines réalisées par des métiers⁽¹⁾ que pour améliorer tout un ensemble de processus métier où  l’implémentation d’algorithmes prédictifs fait déjà merveille⁽²⁾. Le site Venture Scanner a ainsi référencé près de 1970 startups qui bâtissent leur activité autour de l’exploitation de l’IA.

L'IA, un ensemble de technologies disparates

10 catégories servent à les classifier et permettent de rendre compte de la diversité des solutions proposées : 

1. Computer Vision / Image Recognition
   La reconnaissance d’images est essentielle dans tous les domaines. De très nombreuses solutions spécialisées existent désormais. Cela va de simples solutions de reconnaissance de caractères (utilisées par exemple pour des opérations de dématérialisation documentaire) jusqu’à la détection d’objets, d’arbres, d’animaux présents sur de simples photographies.
2. Context Aware Computing
   La recherche contextuelle d’informations s’est aujourd’hui spécialisée grâce à l’existence de très nombreux corpus documentaires. Généraliste ou spécialiste, les moteurs de recherche ne font que s’améliorer année après année grâce à la puissance de traitement utilisée associée à ces fameux corpus.
3. Deep Learning / Machine Learning
   C’est le domaine qui recouvre les solutions et évolutions de "l’apprentissage profond" et de sa spécialisation selon des "patterns"  identifiés.
4. Gesture Control
   La détection de geste est aujourd’hui aussi bien utilisée pour contrôler des interfaces homme-machine que pour répondre directement à des sollicitations.
5. Natural Language Processing
   C’est avec la recrudescence des moteurs de reconnaissance basés sur le vocal avec des déclinaisons qui aujourd’hui touchent toutes les langues y compris parfois des langues régionales où l’IA fait désormais merveille.
6. Recommendation Engines and Collaborative Filtering
   Il s'agit ici de la fourniture d’algorithmes prédictifs spécialisés.
7. Smart Robots
   Du drone en passant par des robots dédiés par exemple au domaine médical pour aider à soulever un patient ou bien pour entrer en contact avec la clientèle en magasin, la robotique au sens smart du terme s’étend également aux bras articulés reprogrammables que l’on peut trouver au sein d’usines d’assemblage.
8. Speech to Speech Translation
   La traduction automatique s’est, au fil des années, améliorée à un point tel qu’il est désormais possible de traduire des conversations à la volée.
9. Video Automatic Content Recognition
   En plus de la reconnaissance d’images, la reconnaissance vidéo s’est désormais spécialisée dans de très nombreux domaines, qu’il s’agisse de reconnaître une plaque d’immatriculation,  un visage familier ou non, voire encore d’identifier la présence d’objets ou d’éléments spécifiques derrière une caméra. Par exemple pour opérer la coupe de ceps de vignes.
10. Virtual Personal Assistants
    C’est essentiellement l’univers des Bots.

Vous ne pouvez donc plus faire l’impasse sur l’IA dans le cadre de votre recherche et développement. L’innovation, c’est une certitude, passe désormais par :

• l’utilisation d’algorithmes auto-apprenants intégrables pour vos développements actuels et à venir,
• l'utilisation d’interfaces conversationnelles ou chatbots à destination de vos clients,
• le remplacement possible de vos progiciels au profit de solutions SaaS qui vont progressivement user et abuser, via des infrastructures complémentaires au cloud, de modèles prédictifs adaptés spécifiquement à votre secteur d’activité.

Comment à partir d’algorithmes de reconnaissance de textes, d’images, de voix, de vidéos, d’émotions comme de données collectées par exemple à partir d’objets connectés, allez-vous réussir à innover ?

Trouver les "bonnes" données et l’idée, c’est la difficulté majeure avec l’IA

Comment imaginer de nouveaux cas d’usage et trouver l’idée ? Comment à partir d’algorithmes de reconnaissance de textes, d’images, de voix, de vidéos, d’émotions comme de données collectées par exemple à partir d’objets connectés, réussirez vous à innover ? Telle est la question que se posent toutes les organisations. Il va certes falloir expérimenter.

Mais avant, peut-être serait-il pertinent d’organiser par exemple un hackathon, un workshop ou toute autre sorte d’évènements en interne pour vous permettre de faire émerger à partir d’un simple jeu de données 'l’idée' et d’embarquer vos équipes. En la matière, tout est permis. A condition d’avoir l’appui des métiers qui doivent de leur côté inventer de nouveaux produits ou services, sans se préoccuper de la technologie. Et surtout, de disposer des bonnes données. Car au-delà des aspects désormais classiques de la qualité et la mutualisation des données (par exemple pour partager une vision unique et unifiée de ses clients), vous allez peut-être devoir envisager de trouver des données autres que celles d’ordre patrimoniales via l’exploitation de données publiques (Open Data) voire de données privées partagées avec d’autres entreprises. Le tout en respectant la Règlementation Générale des Données Publiques.

L’IA : avant tout un objectif business et non un défi technologique

L’IA ne doit pas vous faire oublier l’objectif que vous devez avoir à l’esprit : ce qui va être impacté sera peut-être en définitif votre business model avec une logique durable d’un point de vue économique et environnemental ou un process critique d’optimisation. C’est le cas d’entreprises comme Tyssenkrupp (maintenance prédictive de ses ascenseurs), Michelin (modèle de facturation associé à des pneus dans le domaine de l’aviation civile selon un nombre donné de décollages et d’atterrissages), ou Rockwell (optimisation du processus d’acheminement du pétrole jusqu’à la station essence). Le défi est donc là : faire émerger l’idée. Le reste est du ressort de développements conventionnels pour ceux qui pratiquent déjà le DevOps. L’usage de l’IA impose ce nouvel état d’esprit.

⁽¹⁾ Dans une étude publiée en octobre 2014 par Roland Berger portant sur notre Hexagone intitulée « Les classes moyennes face à la transformation digitale », 42% des métiers présentent un risque d’être automatisés du fait de l’utilisation massive des algorithmes.

⁽²⁾ Citons quelques-uns des acteurs œuvrant dans le domaine des algorithmes prédictifs comme SAS, IBM, Amazon, Google, SAP, Keyrus, ou encore Microsoft.