Qu'est-ce que l'Intelligence Artificielle

Introduction

L’Intelligence Artificielle est aujourd’hui partout et surtout dans l’actualité… de quoi affoler la population : ça y est, Skynet va prendre le contrôle de la Terre et le Terminator va nous exterminer !

Phénomène de mode ?

Oui et non, disons plutôt que depuis quelques années maintenant l’empreinte de l’IA s’est largement démocratisée dans notre quotidien personnel et professionnel.

Mais l’IA, ou plus précisément les IA ne sont pas des concepts récents… bien au contraire puisque cela date des années 50 voire même avant pour les principes de base.

De manière générale, l’intelligence artificielle est un concept permettant à une machine de se comporter comme l’être humain, i.e. « réfléchir » en utilisant des méthodes créées par l’être humain et en utilisant la puissance des technologies.

Pour faire simple l’IA émet des prédictions sur des données au travers d’un modèle qui a été optimisé par des méthodes : algorithmes d’apprentissage, de mesure de performance et d’optimisation par minimisation des erreurs.

Nous pourrions résumer le principe au schéma suivant :

➡️ Pour en savoir plus sur notre accompagnement, consultez la page AMO Informatique.

Possibilités d'utilisation

Avec ceci il est aujourd’hui possible d’estimer le cours de la bourse, de faire de la reconnaissance d’objets, de faire conduire des voitures de manière autonome, d'utiliser des chatbot, de faire de la traduction vocale en temps réel, de créer des deepfake…

La « moulinette » relative à l’analyse et à l’apprentissage est bien plus complexe que son intitulé ; c’est grâce à l’évolution des technologies (puissance de calcul, espace de stockage, clustérisassions des ressources…) que l’IA a pu prendre son envol pour en arriver là, car ce qui prend du temps et des ressources ; c’est la phase dite d’apprentissage et de minimisation des erreurs de prédiction.

Bien évidemment il n’est pas concevable de construire un modèle sans données de test, qu’elles soient fournies (apprentissage supervisé) ou créées par la propre expérience de l’apprentissage (apprentissage par renforcement)… c’est ce qui prend du temps et que l’évolution des technologies rend possible le traitement d’algorithmes de plus en plus complexes.

Comment ça marche ?

Prenons l’exemple d’une caméra avec reconnaissance d’objets :

Essayons de comprendre comment ça marche par reverse engineering.

• La donnée d’entrée est l’objet capté par la caméra dans son environnement (ici mon orchidée, morte depuis) ;
• La prédiction est l’étiquette affichée mentionnant la catégorie de l’objet (plante en pot) et le pourcentage de certitude d’appartenance à la catégorie (99.37%).

Pour en arriver là, on utilise un modèle optimisé qui est capable de catégoriser un certain nombre d’objets (voiture, bateau, personne, chien, table, chaise, plante en pot, bouteille…) issus des données à partir desquelles il a été entraîné.

Dans ce cas, les données de test étaient composées d’un très grand nombre d’images de chaque catégorie.

Des échantillons de ces données ont été utilisés dans la phase d’analyse/apprentissage pour "apprendre" au modèle à déterminer les attributs de chaque objet à partir des photos.

Comment a-t-il été optimisé ?

L’algorithme d'analyse/apprentissage permet :

• D’une part de convertir l’image en données binaires normalisées exploitables permettant d’en extraire ses caractéristiques propres (attributs) ;
• Et d’autre part d’analyser ses attributs de sorte à prédire de mieux en mieux leur appartenance à une catégorie (apprentissage).

L'évolution dans le temps

Ainsi lorsqu’on lui présente un nouvel objet, le modèle est capable par comparaison d’en déduire plus ou moins bien la catégorie de ce dernier et d’en préciser l’exactitude d’appartenance.

Je ne vais pas m’étendre sur l’analyse et l’apprentissage en parlant d’activation, de foward propagation, de gradients, de back propagation… au travers d’un réseau de neurones.

Il existe pléthore de solutions d'IA et il est possible d'en créer selon nos propres besoins selon les données à traiter.

Conclusion

Même si l’on peut penser que la machine est plus performante que l’être humain au final, elle ne fera jamais que ce que ce dernier lui dit de faire... enfin il faut espérer 😉

Besoin d'approfondir vos connaissances ?

VID Conseil aide les collectivités à comprendre et utiliser l'intelligence artificielle

Partager cet article

Si vous avez trouvé cet article utile, vous pouvez le partager :

FAQ