11 octobre 2023
L'intelligence artificielle (IA) semble apparaître partout, et c'est bien le cas. Bien que le concept d'IA existe depuis le milieu du siècle dernier, ce n'est qu'au cours des dernières années qu'il a proliféré au point d'influencer aujourd'hui diverses facettes de notre vie. Il y a tellement d'informations et de bruit de fond autour de l'IA et de ses applications qu'il peut être difficile de s'y retrouver. Si vous faites partie de la majorité qui partage ce point de vue, continuez à lire pour découvrir tout ce que vous devez savoir sur cette technologie cruciale et aux effets conséquents.
VIDÉO REPLAY DU WEBINAIRE SUR L'IA : REGARDER ICI
Si vous voulez en savoir plus sur l'IA, regardez notre webinaire en replay ! Dans la vidéo " Une petite introduction à la beauté de l' IA ", nous vous emmenons dans le monde de l'IA et vous montrons ce qui est déjà possible aujourd'hui à l'aide de divers exemples.
Qu'est-ce que l'intelligence artificielle ?
L'intelligence artificielle est un terme très large. Il désigne généralement tout logiciel conçu pour résoudre un problème. Bien entendu, cette notion est sujette à interprétation.
Dans la plupart des cas, l'intelligence artificielle est utilisée pour désigner la capacité d'une machine à effectuer des tâches qui requièrent normalement l'intelligence humaine, telles que la prise de décisions, la reconnaissance de modèles, la résolution de problèmes et, dans certains cas, l'apprentissage à partir de ses expériences et sa propre amélioration.
De nombreux sous-ensembles tels que l'apprentissage machine ("machine learning), l'apprentissage profond ("deep learning"), le traitement du langage naturel et d'autres constituent l'intelligence artificielle, qui est le groupement de diverses techniques permettant aux machines d'être artificiellement intelligentes.
Un bref historique
En 1943, un article intitulé "A Logistical Calculus of Ideas Immanent in Nervous Activity" décrivait les réseaux neuronaux, puis en 1950, Alan Turing a conçu le jeu d'imitation (aujourd'hui appelé "test de Turing") : un test de la capacité d'une machine à présenter un comportement intelligent équivalent ou indiscernable de celui d'un être humain. Ces deux événements ont jeté les bases de l'établissement de l'IA en tant que domaine d'étude, qui a eu lieu en 1956 lors de la conférence de Dartmouth.
Dans les décennies qui ont suivi, des innovateurs et des informaticiens ont théorisé et construit des programmes pour montrer l'intelligence artificielle, en commençant par le premier réseau neuronal artificiel "Perceptron" en 1957 et "ELIZA" en 1965, un programme capable de simuler une conversation. Ce n'est toutefois qu'en 1997 que le monde a pris conscience du véritable potentiel de l'IA, lorsque "Deep Blue" d'IBM a battu le champion du monde d'échecs Garry Kasparov.
Un peu plus de 25 ans plus tard, l'IA telle que nous la connaissons aujourd'hui transforme pratiquement tous les secteurs et joue un rôle majeur dans notre vie quotidienne, même si nous ne le voyons pas ou ne le savons pas toujours.
Comment fonctionne l'intelligence artificielle ?
Pour simplifier, l'IA fonctionne en combinant d'énormes ensembles de données avec des algorithmes de traitement. L'IA apprend de ces algorithmes en y repérant des modèles de comportement. L'ensemble du processus peut être grossièrement classé en cinq catégories :
Entrée
Il n'y a pas d'IA sans entrée ou saisie de données. Celles-ci peuvent prendre diverses formes, telles que des données provenant de sources textuelles, de chiffres, d'images, de sons, de capteurs, et bien d'autres encore (des milliers !).
Traitement
Il est important que les données soient lisibles par l'algorithme d'IA. C'est l'étape du traitement, où les données sont prises par ledit algorithme et (généralement*) interprétées en s'appuyant sur les comportements qu'il a appris à partir d'autres ensembles de données.
*Cela dépend de l'IA en question ; certaines apprennent à partir de données en temps réel, par exemple.
Résultats des données
Une fois que l'algorithme d'IA a traité les données, il prédit les résultats. Cette étape détermine si les données et les prédictions qui ont été faites sont un succès ou un échec.
Ajustement
Si les ensembles de données d'entrée produisent un échec, l'algorithme d'IA peut apprendre de ses erreurs et répéter l'étape de traitement différemment pour tenter d'y remédier. Pour ce faire, il peut être nécessaire d'ajuster les règles de l'algorithme.
Sortie
Lorsque l'IA a terminé la tâche qui lui a été confiée, la dernière étape est celle de l'évaluation et de la production. Cela permet à la technologie de vérifier les données et de faire ses prédictions. Elle peut également fournir un retour d'information qui sera utile lors de la prochaine exécution de l'algorithme.
Types d'intelligence artificielle
L'IA peut être classée en trois catégories : L'intelligence artificielle étroite (ANI - Artificial Narrow Intelligence), l'intelligence artificielle générale (AGI - Artificial General Intelligence) et la superintelligence artificielle (ASI - Artificial Superintelligence).
Intelligence artificielle étroite (ANI)
L'ANI représente toute l'IA existante, des technologies d'IA les plus élémentaires aux plus complexes et aux plus performantes. En tant que catégorie, l'ANI est utilisée pour désigner les systèmes qui ne peuvent effectuer qu'une tâche spécifique et rien de plus, ce qui signifie qu'ils ont un champ d'application très limité.
Intelligence artificielle générale (AGI)
L'AGI est la capacité de l'IA à apprendre, percevoir, comprendre et fonctionner comme un être humain. Ces systèmes peuvent, en théorie, maîtriser des compétences multiples et établir des connexions entre différents domaines, reproduisant ainsi les capacités multifonctionnelles observées chez l'homme.
Super intelligence artificielle (ASI)
L'ASI, en plus de reproduire l'intelligence humaine au niveau de l'AGI, sera bien meilleure dans tout ce qu'elle fait. L'ASI est un niveau que nous n'avons pas encore atteint, et certains espèrent que nous ne l'atteindrons jamais.
Types et applications de l'IA
Apprentissage automatique
L'apprentissage automatique fait partie du super-ensemble de l'IA et se concentre sur l'utilisation de données et d'algorithmes pour imiter la façon dont les humains apprennent. Au fur et à mesure qu'un modèle d'apprentissage automatique est alimenté en données d'entrée, il améliore progressivement sa précision, de la même manière que les humains apprennent à l'école, ce qui permet d'améliorer les applications d'IA et de les rendre plus puissantes.
Traitement du langage naturel
Le traitement du langage naturel (NLP) est un autre sous-ensemble de l'intelligence artificielle qui vise à doter les ordinateurs de la capacité de comprendre les textes et les mots parlés et d'y répondre, de la même manière que les humains. ChatGPT est bien sûr l'un des meilleurs exemples de traitement du langage naturel en action.
IA générative
L'IA générative (GenAI) est un type d'intelligence artificielle relativement nouveau qui peut créer une grande variété de données synthétiques telles que des images, des vidéos, du son, du texte et des modèles 3D. Pour ce faire, elle apprend des modèles à partir de données existantes, puis utilise ces connaissances pour générer des résultats nouveaux et uniques. Cette IA peut être utilisée à diverses fins, de la création de logos pour les entreprises à la fourniture de données synthétiques pour l'entraînement de modèles d'apprentissage automatique.
L'IA conversationnelle
Ce type d'intelligence artificielle peut simuler une conversation humaine. Il est rendu possible par le NLP et utilise une combinaison de celui-ci, de modèles de fondation et d'apprentissage automatique pour permettre des conversations bidirectionnelles entre les humains et l'IA elle-même. Elle est le plus souvent utilisée dans les chatbots, les assistants virtuels et les logiciels de synthèse vocale.
Vision par ordinateur
La vision par ordinateur ou "computer vision" permet à l'intelligence artificielle de tirer des informations significatives d'images numériques, de vidéos et d'autres données visuelles. L'IA peut ensuite agir ou faire des recommandations sur la base des informations contenues dans ces données. La vision par ordinateur permet donc des mises en applications telles que les voitures autonomes et la détection des incidents de la circulation.
RPA - Robotic Process Automation
La RPA a beaucoup évolué avec la prolifération de l'IA. Aujourd'hui, les exemples d'applications où l'IA est utilisée pour programmer des robots afin qu'ils effectuent des tâches très spécifiques ne manquent pas. C'est le cas dans les entrepôts et les usines, où les robots automatisent des flux de travail qui nécessitaient auparavant l'intervention de l'homme.