Intelligence Artificielle en 2018 – Quelles sont les tendances attendues cette année ?
L’intelligence artificielle – connue sous l’acronyme IA ou AI en anglais - est LA tendance de l’année dans le domaine Informatique. Il semble que toutes les organisations intègrent une forme d’intelligence artificielle a leurs systèmes informatiques alors que, pour faire simple, ces formes « d’intelligence » n’existe pas encore.
AngelList a listé 3816 Start-ups spécialisées en AI aux Etats-Unis – nombre impressionnant lorsque nous prenons en compte que le terme Intelligence Artificielle a vraiment commencé à se vulgariser à partir du début des années 2000 et à se mettre en pratique à partir de 2009.
Intelligence Artificielle/AI est devenu le terme le plus utilisé sur le marché aujourd’hui. Les définitions les plus communes et utilisées paraissent très orientée science-fiction : des machines qui réfléchissent, pensent, ressentent… mais surtout des machines capables d’apprendre.
En 2017, les commerciaux de produits et solutions en IA ont vendu et mis en avant l’élément « Learning » (Apprentissage).
Machine Learning, Big Data, Data Science, Analytics. Toutes ces terminaisons sont vantées et vendues comme des formes d’Intelligence Artificielle. Pour faire simple, elles ne le sont pas (encore). N’importe quelle forme d’apprentissage vient souvent avec une partie « coding » très complexe, au lieu d’un réel apprentissage.
Pour être clair, je n’accuse pas ces compagnies (vendeuses de solutions IA) de mentir sur leurs produits, mais d’exagérer – ou d’avoir laisser quartier libre à l’équipe marketing dans la campagne de communication. Après tout, tout ce qui est tendance se vend.
Cependant, ces solutions (Machine Learning, Big Data, etc.) nous laissent entrapercevoir des perspectives prometteuses – ces technologies peuvent coder mais sont aussi capables de s’entrainer et d’apprendre seules certaines tâches.
L’un des principaux défis auxquels est confrontée la réelle IA est de reproduire le cerveau humain – organe que nous continuons toujours scientifiquement à découvrir aujourd’hui.
Les chercheurs pensent que le cerveau humain serait capable de traiter un milliard de milliard calcul par seconde (= un « ExaFLOP »). Le Tianhu-2, un super-ordinateur chinois, en comparaison, est capable de traiter un maximum de 54.902 petaFLOPS. Dans ce contexte, il faudrait 40 minutes de calcul par seconde d’activité cérébrale. Pour les moins matheux, cela veut dire …beaucoup.
En 2018, une des plus grandes avancées sur la réelle Intelligence Artificielle est prévue grâce à l’informatique quantique. Celle-ci, selon IBM, est basée sur les principes d’intrication quantique .
Pour faire simple, lorsque deux particules se mêlent, une réaction qui arrive à la première va simultanément arriver à la seconde. Cette découverte, dans l’informatique, ne pourra être ignorer à l’avenir.
L’informatique quantique, deviendra donc une discipline clé dans l’IA – une avancée majeure entre les systèmes informatiques d’aujourd’hui et les machines de demain qui pourront apprendre activement.
Les perspectives de l’IA sont immenses. Son application bouleversera tout secteur, et dans les prochains 12 mois, un net progrès se fera ressentir sur cette discipline.
En parallèle, nous produisons aujourd’hui plus de données que ce que nous avons pu produire sur la totalité de notre Histoire. Pour analyser cette colossale volumétrie de donnée et dégager des tendances et informations correctes, il est nécessaire d’avoir une technologie efficace et performante.
En 2018, les experts prédisent les premiers progrès sur l’Informatique Quantique – avec la création du premier processeur quantique d’IBM.
La première étape pour réellement bénéficier des avantages de l’IA et par la même occasion de sécuriser les investissements dans la Recherche & le Développement sur ce sujet, est de cultiver la Demande.
Toute organisation qui a un réel besoin de traiter une imposante quantité de donnée, quel que soit le secteur d’activité concerné (finance, assurance, automobile, Retail), est à la recherche de techniques et outils lui permettant d’en sortir le maximum d’informations.
Le Machine Learning et le Big Data représentent les premières étapes sur cet objectif.
Il y a tout de même une question en suspens : si la popularité apporte les investisseurs et par la même occasion aide la recherche & développement en Intelligence Artificielle … la vulgarisation de l’Intelligence Artificielle est tellement vraiment une mauvaise chose ?
Anissa Chammaa, Delivery Consultant spécialisée en Business Intelligence & Analytics.