Décryptage logiciel

Comment choisir et utiliser l’IA (Intelligence Artificielle) ?

L’Intelligence Artificielle est aujourd’hui au cœur des développements technologiques. Les dispositifs s’appuyant sur le Machine Learning se multiplient dans les objets du quotidien et les logiciels métiers, faisant gagner du temps et fournissant de précieux insights. Ce soutien de la machine est désormais indispensable : les données collectées par tous les dispositifs numériques doivent être traités sans retard pour apporter toute leur valeur. Au fil de son évolution, l’IA devient plus intuitive et prédictive pour répondre aux exigences. Les enjeux sont nombreux, la machine doit donc se faire plus performante que jamais.

Le concept d’Intelligence Artificielle émerge peu après la Seconde Guerre Mondiale. Les avancées technologiques de l’époque font alors naître de nouveaux types de réflexion sur la manière de rapprocher le comportement de la machine du comportement humain. L’objectif : suppléer l’humain dans la réalisation de tâches à faible valeur ajoutée. Bien que débattu parmi la communauté scientifique, le test du physicien Alan Turing, en 1950, fait date dans l’histoire de l’IA. La faible capacité des machines informatiques limite cependant les possibilités durant plusieurs décennies. Malgré un rebond dans les années 1970 lié au développement des micro-processeurs et une notoriété alimentée par les fictions, l’IA manque de ressources sur lesquelles s’appuyer. La programmation d’algorithmes et le nombre de règles à traiter par la machine nécessite une infrastructure puissante.

Les années 2010 et l’augmentation exponentielle des performances des systèmes informatiques remettent l’IA sur le devant de la scène. L’avènement de la Big Data fait transiter des volumes de données colossaux par les serveurs des entreprises : la nécessité est forte d’accélérer leur traitement en s’appuyant sur les capacités de la machine.

Le concept de Machine Learning fait progresser en profondeur la discipline : la machine ne s’appuie plus sur un nombre limité de règles, mais peut désormais évoluer par elle-même, apprenant de ses précédents calculs et contextualisant de plus en plus les demandes.

Tous les métiers s’emparent de l’Intelligence Artificielle, laquelle réalise à présent sans difficulté certaines tâches simples. Si l’IA dite « forte » est encore de l’ordre de l’utopie, le développement du concept est une priorité à l’échelle mondiale.

Les fonctionnalités des logiciels

Les différents types d’IA

IA symbolique

C’est sous cette forme qu’a été développée l’intelligence artificielle des débuts. L’idée de l’IA symbolique était alors que la machine, sur la base d’un ensemble de règles et de symboles qui lui étaient implémentés, pouvait reproduire le raisonnement humain. Les systèmes experts, conçus à partir de l’IA symbolique, doivent pouvoir établir un diagnostic ou une conclusion à partir d’un certain nombre de paramètres. Un mode de fonctionnement pertinent dans les domaines les plus pragmatiques (sciences, mathématiques…) mais ne pouvant s’appliquer à des champs plus subjectifs tels que la reconnaissance d’objet.

IA connexionniste

L’approche connexionniste dérive des sciences cognitives et consiste à reproduire l’architecture du cerveau humain. Grâce à un système de neurones artificiels (ou « formels ») interconnectés configurés en couches, l’information est traitée par étapes successives : la machine tire ainsi des conclusions élaborées à partir des données brutes de départ. Relativement basique à ses débuts, dans les années 1950, l’Intelligence Artificielle connexionniste a pu s’appuyer par la suite sur des réseaux plus sophistiqués. La circulation des données, non seulement de la couche d’entrée à la couche de sortie, mais aussi désormais de manière rétroactive, permet un traitement de plus en plus sophistiqué de l’information, et donc un véritable apprentissage de la machine (Machine Learning).

IA hybride

L’Intelligence artificielle hybride vise à combiner IA symbolique et connexionniste pour démultiplier la compréhension, et donc la performance des outils. Les réflexions menées par l’IA en approche connexionniste constituent une boîte noire : le système manque donc de transparence et pose des problèmes de nature éthique. Les créateurs cherchent désormais à implémenter des règles qui structureraient la réflexion de la machine. La difficile alliance des deux modes de réflexion font de l’IA hybride un projet encore naissant, mais au potentiel certain.

Machine Learning et Deep Learning

L’apprentissage continu de la machine sur la base de ses expériences passées est appelé Machine Learning. Cette sous-division de l’IA connexionniste permet d’obtenir de la machine des comportements semi-autonomes, très utiles pour soutenir les intervenants humains et traiter de larges volumes de données. Alimentée en modèles de référence et des statistiques, la machine est capable de tirer des conclusions, de contextualiser une demande ou de détecter une fraude. Le Machine Learning est tout particulièrement employé dans les technologies de bots, où sa reconnaissance du langage écrit ou oral lui permet de mener des conversations utiles avec des interlocuteurs humains, mais les cas d’application sont innombrables.

Le Deep Learning, forme spécifique de Machine Learning faisant l’objet de nombreuses recherches à l’heure actuelle, travaille plus particulièrement à l’étude de données non-structurées et de facteurs subjectifs. Un défi pour la machine, dont le raisonnement reste pragmatique et peine à approcher celui de l’humain. Le Deep Learning exploite des algorithmes de type « réseaux de neurones », dont certains dits convolutionnels et récursifs permettent le traitement respectif des images et du texte. Ainsi, à l’inverse des cas de Machine Learning, cette forme d’IA doit extraire par elle-même les variables à étudier. Nécessitant un volume de données et une puissance de calcul de très grande ampleur, le Deep Learning est la technologie privilégiée pour les classifications ou la reconnaissance d’objets.

 

Les enjeux de la digitalisation

Les enjeux de l’utilisation de l’Intelligence Artificielle

 

Soutenir l’humain face à des volumes de données inédits

La donnée est aujourd’hui collectée en masse par les organismes et entreprises, qui ne parviennent pas toujours à en suivre le rythme. La valeur contenue dans ces données est pourtant essentielle pour développer des produits innovants, rester compétitif ou offrir une expérience utilisateur incomparable. La machine est donc sollicitée pour soutenir l’humain : capable d’effectuer elle-même des tâches de tri intelligent, de classement automatisé ou de distribution pertinente, la machine permet de développer le potentiel des data lakes, ces gisements de données peu structurées s’accumulant toujours plus vite.

Analyser dans le contexte pour prédire les tendances futures

L’intelligence artificielle permet aujourd’hui de répondre à des enjeux prédictifs majeurs. Dans des contextes économiques et sociaux de plus en plus fluctuants, les décideurs ont besoin de s’appuyer sur l’IA pour fiabiliser leurs décisions. Les logiciels métier et applications dotés d’intelligence artificielle sont capables d’analyse endogène (variations liées à l’activité elle-même) et exogène (facteurs externes). Leur objectif : prendre en compte les événements passés et présents afin de dessiner des tendances pour l’avenir.

Cette capacité d’anticipation est tout particulièrement exploitée dans les domaines de la vente, du marketing ou de la logistique. Mais d’autres secteurs tirent parti de l’IA pour mieux agir : les organismes et entreprises de santé peuvent elles aussi mieux organiser leurs ressources, ou bien diagnostiquer plus efficacement grâce au soutien de l’intelligence artificielle.

Automatiser les tâches pénibles ou à faible valeur ajoutée

La priorité des entreprises est aujourd’hui à la maximisation de valeur ajoutée et à la personnalisation des produits et services. Parfois parasités par les tâches administratives chronophages, les collaborateurs perdent un temps précieux. L’intelligence artificielle a pour vocation d’éliminer ces pertes. Le concept d’automatisation intelligente va au-delà du simple enchaînement d’actions mécanique par la machine. Combinée notamment à la RPA (Robotic Process Automation), l’IA analyse et comprend les processus, qu’elle devient capable d’exécuter, et même d’optimiser. Sa capacité à traiter à la fois les données structurées et non-structurées permet d’aller plus loin que ne le ferait la seule action humaine dans l’amélioration des méthodes. L’IA règle ainsi les questions mineures, accélère les validations et réduit erreurs et délais de traitement.

Développer une expérience client et utilisateur ultra-personnalisée

Plus que jamais, l’expérience client est un sujet central pour les entreprises. Habitués à des temps de traitement très courts de leurs demandes, ces mêmes clients souhaitent vivre une véritable expérience d’achat, marquée par la continuité et la facilité. Avec l’augmentation des supports d’accès à l’information, la définition d’un parcours omnicanal devient une tâche extrêmement complexe. L’intelligence artificielle contribue à la création d’une expérience sans couture et permet de personnaliser à l’extrême l’offre de produits et services. Grâce à l’apprentissage par la machine, les demandes sont facilement contextualisées : l’IA peut alors fournir des réponses adaptées, des suggestions sur la base de précédents achats, ou transmettre les demandes aux responsables les plus qualifiés. A l’image des bots, aujourd’hui largement démocratisés, l’IA fait office de passerelle entre le client et l’entreprise.

Mieux recruter et former en interne

Dans bien des secteurs, la pénurie de profils freine les entreprises dans leur progression.  Former en interne ou détecter les talents les plus qualifiés est alors crucial pour soutenir l’activité. L’intelligence artificielle joue désormais un rôle fort dans les questions RH. Parfois intégrée dans des logiciels métier tels que le SIRH, elle permet d’analyser les candidatures en fonction de leur adéquation avec le besoin, de synthétiser les entretiens ou d’évaluer une rémunération. L’IA peut aussi soutenir la mobilité interne, en croisant aspirations des collaborateurs et opportunités. Le domaine de la formation tire lui aussi profit de l’intelligence artificielle : l’IA peut constituer automatiquement des supports d’apprentissage, mais aussi personnaliser l’offre et le suivi pour chaque apprenant, maximisant l’efficacité des formations.

Les autres cas d’application de l’IA

Avec les possibilités quasi-infinies qu’elle offre, l’Intelligence Artificielle a sa place dans la plupart des secteurs. Dans le domaine financier, elle participe à un calcul intelligent des risques (notamment dans le cas de prêts immobiliers ou des assurances). Elle promet de soutenir les décisions d’ordre militaire et fait même son entrée dans le domaine juridique, où elle peut isoler des faits et calculer des montants d’indemnités. Bien qu’elle soulève des questions éthiques dans certains domaines, l’IA a surtout vocation à libérer du temps aux intervenants humains pour que ceux-ci se concentrent sur leur cœur de métier, quel que soit le secteur.

Gouverner les flux de données

Pourquoi gouverner l’entreprise commence par la gouvernance des données ?

Les données sont aujourd’hui un concept très vaste, au cœur d’enjeux importants. Pour les consommateurs exploitant de l’information en grande quantité au quotidien, comme pour les entreprises qui doivent gérer des flux continus, le traitement de ces éléments doit être fiable et efficace pour assurer le succès de l’expérience client et la bonne gestion des opérations internes.

Digitalisation et logiciels

Des dispositifs exploitant l’Intelligence Artificielle

Bots et plateformes de relation client

Les chatbots exploitent l’IA sous des formes plus ou moins sophistiquées, allant de la réponse programmée à certains types de question, jusqu’à la mise en contexte des demandes et à la transmission de dossier aux intervenants humains qualifiés. Les bots sont de plus en plus répandus, servant à la fois d’outil de dialogue avec de potentiels clients, et d’assistant virtuel au service des RH. Ces dispositifs combinent l’IA symbolique et le Traitement Automatique du Langage Naturel (TALN) pour instaurer des échanges maîtrisés avec les utilisateurs.

Logiciels de Business Intelligence

Les logiciels de BI, dont la vocation est d’analyser en profondeur la donnée et de soutenir la prise de décision, sont particulièrement portés sur l’utilisation de l’IA. La capacité de prédiction des tendances de celle-ci est bienvenue pour mieux anticiper les besoins des consommateurs. L’IA des outils de Business Intelligence permet également de formuler des analyses prescriptives, générant automatiquement des feuilles de route et des objectifs dont peuvent profiter tous les collaborateurs.

Logiciels de collecte et de traitement de la donnée

Avec l’essor de la Big Data, l’IA appliquée au traitement de la donnée devient une nécessité. GED, MDM, SIRH : les logiciels par lesquels passe la donnée accélèrent le traitement et indexent plus rapidement l’information. L’IA permet de tirer le maximum de valeur des données d’entreprise et de définir des jeux de données clairs, sans doublons, sur lesquels tous les processus métier peuvent s’appuyer.

Gestion des accès et des identités

Face aux cybermenaces en constante augmentation, la sécurité est un sujet central. L’IAM (Identity and Access Management) notamment, bénéficie de l’ajout d’intelligence artificielle, qui renforce la sécurité des habilitations, maintient les bases de gestion actuelles et améliore l’expérience utilisateur tout en protégeant le patrimoine de l’entreprise.

Logiciels de gestion de la maintenance

La perspective de l’usine 4.0 incite les entreprises à faire progresser leurs outils, notamment les applications dédiées à la maintenance. Dans le domaine de la GMAO (Gestion de Maintenance Assistée par Ordinateur), l’IA a un rôle fort à jouer. Equipements de maintenance plus autonomes, prédictions et prescriptions relatives à l’état des infrastructures : les interventions, mais aussi les décisions d’achat sont mieux orientées par l’IA et permettent de gagner un temps précieux.

Logiciels de santé

Les logiciels métier des métiers de santé et de l’industrie pharmaceutique intègrent de plus en plus d’intelligence artificielle. Celle-ci libère du temps pour les professionnels du secteur, mais soutient également le diagnostic, le suivi des traitements et la gestion d’échantillons pour les laboratoires pharmaceutiques (LIMS). Le secteur de la santé peut tout particulièrement exploiter l’IA afin d’améliorer les conditions de travail et d’innover plus efficacement dans l’intérêt des patients.

Logiciels de e-learning et formation

La formation professionnelle accède à l’IA, qui l’aide à réinventer les modes d’apprentissage. Moins présentielles et plus immersives, les formations qui exploitent l’Intelligence Artificielle comportent des modules de e-learning, mais sont également capables de mieux personnaliser l’expérience (une approche appelée adaptative learning). L’orientation intelligente des apprenants vers des contenus adaptés à leur progression influe à la fois sur la mémorisation et sur la motivation. Plus interactives que jamais, les formations qui exploitent l’IA répondent à la demande de suivi personnalisé des collaborateurs, avec un besoin d’infrastructure restreint.

En conclusion

L’IA s’invite partout et sa sophistication ne fait que croître. La machine soutient de plus en plus de décisions, guidant les dirigeants en matière stratégique, mais aussi les opérationnels dans leurs choix quotidiens et les consommateurs en quête de plus de facilité. Les entreprises deviennent data-driven, un concept quasi-indissociable de l’utilisation de l’IA. Si celle-ci permet de traiter donnée à la fois vite et bien, son déploiement doit faire l’objet d’une véritable stratégie. D’autre part, les cybermenaces étant en constante augmentation, la data elle-même doit faire l’objet d’une gouvernance rigoureuse. Les disparités entre nations ainsi que les questions sociales et éthiques complexifient le sujet, et devront impérativement être surmontées pour que l’Intelligence Artificielle continue sa progression exponentielle.

L’éditeur à la une

Inbenta

Les dernières actualités des logiciels data & process