ActualitéData RoomFocusIntelligence Artificielle

Vocabulaire de l’Intelligence Artificielle: 12 termes à connaître

Qu’est-ce que l’Intelligence Artificielle au juste ? Que signifient exactement Deep Learning, Machine Learning ou encore Data Mining ? Ces mots au sens souvent abscons sont pourtant très en vogue dans le jargon des développeurs et autres data analysts. Ces expressions, tout chef d’entreprise devrait pourtant les connaître car ces dernières vont consacrer 12,5 milliards de dollars aux systèmes cognitifs et à l’Intelligence Artificielle (IA) en 2017, soit 59,3% de plus que l’an passé. D’ici 2020, selon les analystes d’IDC, les revenus totaux de l’Intelligence Artificielle pourraient atteindre les 46 milliards de dollars.

L’IA s’est déjà glissée dans nos vies et notre travail, sans que nous nous en rendions compte. Comme Monsieur Jourdain dans le Bourgeois gentilhomme, nous faisons parfois de l’Intelligence Artificielle sans le savoir ! Un récent sondage mené auprès de 235 dirigeants d’entreprises par le National Business Research Institute a ainsi révélé que seulement 38% des répondants pensent utiliser l’IA dans leur milieu de travail, alors que 88% d’entre eux utilisent effectivement des technologies AI comme l’analyse prédictive ou la reconnaissance vocale.

Si tous ces termes demeurent encore un peu flous, Cynthia Harvey pour Information Week a listé les 12 concepts-clés à connaître dans le domaine.

1. L’Intelligence Artificielle

Commençons par le terme généraliste: l’intelligence artificielle. Ces mots ont été utilisés pour la première fois en 1956 lors d’un meeting scientifique. L’expression faisait alors référence à des tâches faciles pour les humains mais compliquées pour les machines. En effet, dès les premiers jours de l’informatique, les machines ont été performantes dans l’exécution de tâches logiques, telles que la résolution de problèmes mathématiques simples. Cependant, d’autres tâches, comme mener une conversation, identifier si l’animal sur la photo est un chien ou un chat, ou reconnaître si une personne est heureuse ou triste, sont beaucoup plus difficiles pour les ordinateurs. A la fin de cet atelier, ses participants décidèrent de se consacrer à la façon pour les machines «d’utiliser le langage, former des abstractions et des concepts, résoudre des types de problèmes réservés aux humains, et s’améliorer.»

À ce jour, les chercheurs en IA continuent de travailler sur les domaines décrits par ces premiers pionniers de l’IA. Des disciplines comme le traitement du langage naturel, la reconnaissance d’images ou le machine learning sont devenues des sous-spécialités dans la catégorie générale de l’IA.

2. Machine Learning

Le machine learning est une sous-catégorie de l’intelligence artificielle. C’est un procédé qui permet aux ordinateurs de s’améliorer grâce à l’apprentissage. Le data analyst Arthur Samuel estime que le machine learning permet aux ordinateurs «d’apprendre sans être explicitement programmés».

 

De grandes entreprises utilisent aujourd’hui le machine learning pour, par exemple, réaliser les meilleures recommandations produits, à l’instar de Netflix ou Amazon.

3. Deep Learning

Le deep learning est une partie du machine learning. Le deep learning intègre et analyse une grande quantité d’informations qu’il peut ensuite catégoriser. Par exemple, le deep learning peut arriver à reconnaître les photos de chiens et les photos de chats dans une base d’images et mettre en évidence les caractéristiques de chaque animal.

4. Cognitive Computing ou Informatique Cognitive

Le cognitive computing est une manière plus polissée de parler d’Intelligence Artificielle. IBM utilise cette expression pour s’exprimer autour de sa plateforme Watson. L’informatique cognitive est surtout utilisée par les services marketing qui trouvent que l’expression «intelligence artificielle» a une connotation négative.

5. Neural Network ou réseau de neurones

Les réseaux de neurones sont des systèmes informatique inspirés par les cerveaux humains. Ils permettent de réaliser différentes tâches dans des disciplines comme la reconnaissance vocale ou la reconnaissance d’images.

 

6. L’Apprentissage Supervisé ou Non-supervisé

L’apprentissage supervisé ou non-supervisé sont deux manières d’apprendre aux ordinateurs. Pour le premier, un humain aide la machine à, par exemple, catégoriser les photos de chiens et les photos de chats, pour reprendre notre exemple cité au-dessus. Pour ce faire, l’homme va annoter chacune de ces images. Il va ensuite pouvoir créer un échantillon de données qui va aider la machine à comprendre ce qu’est une photo de chien et une photo de chat.

A l’inverse, l’apprentissage non-supervisé ne reçoit pas le soutien de l’humain. L’ordinateur n’a pas d’échantillon au départ, il doit chercher par lui-même. Ce type d’apprentissage est surtout utilisé lorsqu’il y a des données trop volumineuses.

7. Algorithme

En termes simples, lorsque nous parlons d’algorithmes, nous parlons de processus, généralement liés aux mathématiques.

Lorsque vous avez appris à poser une division, vous avez appris un processus qui impliquait de diviser, de multiplier, de soustraire et d’abaisser le chiffre suivant. Ce processus constitue un algorithme.

Les algorithmes pour l’IA et le machine learning sont des processus de ce type, mais beaucoup plus complexes. On utilise couramment en algorithmique les arbres de décision, les algorithmes de classification, les algorithmes de classification ou les algorithmes de régression.

8. Chatbot

Le chatbot est une intelligence artificielle qui utilise des capacités de traitement du langage naturel pour mener une conversation. A terme, le but est que le chatbot puisse répondre aux questions comme un humain pourrait le faire. Certains diront qu’on en est encore loin.

Parmi les chatbots les plus connus, citons Siri d’Apple, Cortana de Microsoft ou encore Alexa d’Amazon.

9.Data Mining

Le data mining permet d’analyser un grand volume de données et d’en faire ressortir des modèles, des corrélations, des tendances. Même si l’on peut faire du data mining sans machine learning ou deep learning, les logiciels les plus avancés intègrent aujourd’hui généralement ces fonctionnalités.

10. Traitement du Langage Naturel

Le traitement du langage naturel est une discipline de l’intelligence artificielle. Elle recouvre la compréhension et la génération de parole, telles que le ferait un humain. Par exemple, les moteurs de recherche sont aujourd’hui capables de comprendre parfaitement une recherche exprimée en langage naturel, comme par exemple la question : « Qu’est-ce que l’intelligence artificielle ? ».

11. Analyse Prédictive

Aujourd’hui, presque toutes les entreprises utilisent le big data. L’analyse prédictive est, comme son nom l’indique, le type d’analyse qui cherche à prévoir des évènements futurs, aidée en ceci par le data mining, les algorithmes et le machine learning.

12.Le Test de Turing

Le Test de Turing a été élaboré par le célèbre mathématicien Alan Turing. Ce test détermine si un ordinateur a atteint une véritable intelligence artificielle. Pour cela, un humain doit écrire quelques questions, qu’il transmet ensuite à la machine et à un autre humain, pour qu’ils y répondent séparément. Lorsqu’elle a les réponses sous les yeux, la personne ayant écrit les questions doit déterminer celles qui viennent de l’ordinateur et celles qui viennent de son homologue. Si elle n’arrive pas à faire la différence, l’ordinateur a atteint l’intelligence artificielle.

 

 

Qu’est-ce que l’intelligence artificielle (IA)? Qu’est-ce que cela signifie pour les entreprises ? Et comment votre entreprise peut-elle en profiter ? Pour en savoir plus, inscrivez-vous au séminaire AI : Future of Business

 

 

Tags

Myriam Roche

Chef de projet éditorial at Adsvark Media / FrenchWeb - We Love Entrepreneurs

Sur le même sujet

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Share This