Intelligence Artificielle, transformation digitale, même combat
Il ne fait aucun doute que l’Intelligence Artificielle appliquée représente une opportunité considérable d’améliorer le traitement de l’information. Notamment pour la gestion d’entreprise, les ventes ou le recrutement. Peut-être vous préparez-vous déjà à implémenter des algorithmes de Machine Learning dans vos logiciels de gestion, vos applications mobiles, vos ERP et vos systèmes d’informations.
Comment faire en sorte que l’implémentation de l’Intelligence Artificielle se passe bien ? Les ingénieurs et consultants IT de la plateforme digitale Pentalog travaillent déjà sur des projets d’Intelligence Artificielle appliquée pour des éditeurs et des startups : Voice Search, Sound Recognition, Computer Vision, Machine Learning, traitement de données Big Data…
Vous voulez implémenter un projet d’intelligence artificielle ? Contactez-nous
![Appliquer l'Intelligence Artificielle au traitement de données : Knowledge Discovery and Data Mining Process Modelling - Pentalog White Paper](https://www.pentalog.fr/wp-content/uploads/2017/08/big-data-mining-crisp-dm-white-paper-467x640.jpg)
Téléchargez le Livre Blanc Knowledge Discovery and Data Mining Process Modelling, une méthode de Data Mining pour faire vos premiers pas vers l’Intelligence Artificielle
Avantages de l’Intelligence Artificielle
Les avantages de l’Intelligence Artificielle sont a priori clairs : créer de la valeur en automatisant les processus de traitement de l’information.
Pour que cela fonctionne, il faut que l’information soit de bonne qualité. Et que vous sachiez comment l’analyser et quoi faire de l’information traitée.
Vous aurez donc besoin de deux types de compétences : d’un côté, un Data Scientist, de l’autre, des experts métiers à même de comprendre les processus de l’entreprise.
L’implémentation d’algorithmes de Machine Learning ne va pas remplacer l’homme par une machine.
Au contraire, cela va créer de nouveaux besoins pour de nouvelles compétences. Tandis que les tâches les moins spécialisées
et les moins qualifiées seront remplacées par des logiciels, des automates ou des robots.
L’Intelligence Artificielle appliquée aux startups et éditeurs
Découvrez ci-dessous les domaines d’application de l’intelligence artificielle :
-
Computer Vision / Sound Recognition / applications liées à la reconnaissance d’images ou à la reconnaissance sonore
La vision artificielle, ou Computer Vision, tout comme la reconnaissance sonore, permettent le traitement automatique d’images ou de sons pour des cas d’usage spécifiques. Par exemple pour améliorer la qualité des produits. Pour améliorer la sécurité ou la performance, dans une usine, dans un entrepôt… Cela sert aussi à analyser des images ou des sons pour en déduire des informations (prévention de risques). Ou pour reconnaître des objets, des bruits ambiants…
Clients : Sharalike (Computer vision, VR), OtoSense (Sound Recognition)
-
Context aware computing et assistants virtuels
La prise en compte automatique de l’environnement, via des capteurs IoT ou des interfaces utilisateurs, permet d’adapter le comportement du logiciel au contexte. Exemple : smart buildings, chat bots, healthtech.
Clients : LikeaBird (Chatbots de Service Client), Bitgym (healthtech), Ocea Smart Building (smart buildings)
-
Deep learning et Machine learning
Le nouvel enjeu est l’analyse de données complexes et hétérogènes ou Big Data. Téléchargez notre Livre Blanc Big Data en anglais sur les méthodes de Data Mining pour le Big Data. Le Deep Learning et le Machine Learning permettent de faire des prédictions selon les données existantes. Les applications métiers : détecter les fraudes, optimiser les résultats découlant de processus complexes. Exemple : CRM, marketing automation.
Client : agence de publicité digitale
-
Moteurs de recommandation et optimisation des ressources
L’idée c’est de de fournir des recommandations personnalisées selon les préférences de l’utilisateur. Par exemple, des recommandations d’achat en ligne. Ou encore, de calculer au plus juste l’optimisation de ressources physiques. Exemples : maximiser le remplissage d’un avion, optimiser et anticiper les besoins en ressources dans un data center, optimiser les tournées de livraison…
Clients : des acteurs du e-commerce, un acteur de l’industrie hôtelière
Les limites de l’Intelligence Artificielle
Certains affirment que le niveau baisse à l’école. Du côté des machines, le niveau d’intelligence s’améliore, au contraire ! Elles tendent vers toujours plus d’autonomie et de capacité de décision. A condition que les algorithmes qui les sous tendent soient correctement alimentés en flots de données. Les intelligences conscientes et autonomes restent pour le moment du domaine de la fiction.
Dans le cas des intelligences capables d’apprendre, la durée d’apprentissage pour un contexte client spécifique peut être un frein à leur mise en production.
RH + IA = des équipes encore plus qualifiées
De façon générale, en implémentant des algorithmes d’Intelligence Artificielle, il faudra moins de personnes pour extraire et analyser les données. Mais il faudra plus de personnes pour traiter les implications des informations trouvées par le Machine Learning, le Deep Learning ou encore le Computer Vision.
Prenons l’exemple de la détection de fraude : moins de personnes seront en charge de la détection d’anomalies, basée sur l’analyse de données. Mais il faudra plus de ressources et plus de qualifications métier pour traiter ou prévenir ces anomalies.
Autre exemple : votre service client « augmenté » passera moins de temps à résoudre les problèmes de routine avec un chatbot ou avec une Intelligence Artificielle connectée au CRM. Il pourra alors consacrer plus de temps à recueillir les avis des utilisateurs sur les nouvelles offres, les nouveaux logiciels ou les nouveaux services de l’entreprise.
Vers une pénurie de Data Scientists ?
Les applications de la Science des Données sont tellement vastes que les Data Scientists ont aujourd’hui l’embarras du choix, entre travailler pour la recherche médicale contre le cancer (HealthTech), la recherche météorologique, l’industrie du divertissement, les FinTech et les InsurTech… ou rejoindre votre entreprise pour améliorer l’expérience client. Même en devenant « the best place to work » ce n’est pas certain que vous arriviez à séduire ces profils très convoités.
Rassurez-vous, finalement, le plus important ce n’est pas d’embaucher un Data Scientist maison. Vous pouvez fort bien faire appel à des compétences externes, des freelances ou des consultants. Le plus important, c’est d’avoir des experts de votre métier, capables d’expliquer au Data Scientist les enjeux business, les enjeux d’usage, et ce, à toute les étapes du processus d’apprentissage de votre Intelligence Artificielle. Sans ces experts métiers, les algorithmes de
Deep Learning ou de Machine Learning les plus sophistiqués ne sont pas capables de comprendre la signification business des résultats obtenus sur vos données.
Ces experts métiers, ce sont vos Business Analysts, vos Product Owners, votre force de vente, vos chargés de recrutement, vos chefs de produits… bref, toutes les personnes impliquées dans la chaîne de valeur de votre entreprise.
Formation : l’Intelligence Artificielle mène à l’excellence
Pour que l’Intelligence Artificielle vous donne un réel avantage compétitif, vous allez devoir :
- renforcer les compétences métiers de vos ressources humaines
- les impliquer dans le processus d’implémentation de l’IA
- leur faire comprendre leurs avantages à titre personnel et pour votre entreprise
Bref, vos ressources ne seront qu’exceptionnellement en compétition avec les algorithmes d’Intelligence Artificielle : les tâches de gestion les plus répétitives et les plus fastidieuses ont déjà été remplacées par des logiciels ou des machines. Dans la plupart des cas, les algorithmes intelligents sont conçus pour faciliter la vie de vos collaborateurs, ou de vos utilisateurs, et vont leur permettre de se concentrer sur des actions à plus forte valeur ajoutée, sur la base des informations extraites des flots de données (scoring de candidat, scoring de prospect, détection de fraude…). Dans certains cas, notamment au cours du processus d’implémentation de votre algorithme de Machine Learning, le Data Scientist vous présentera des résultats incompréhensibles. C’est là que vos experts métiers auront leur rôle à jouer, pour indiquer les limites de l’algorithme ou orienter le Data Scientist vers une autre approche.
L’information, c’est le pouvoir… d’innover
Réduire les algorithmes d’Intelligence Artificielle à un moyen de réduire les coûts de traitement des données, c’est faire preuve de manque d’envergure. Ces algorithmes permettent d’analyser, sans idée préconçue, et de façon scientifique, des flots massifs de données hétérogènes (Big Data). Ils aident à prévenir des problèmes, à détecter des potentiels, trouver des résultats étonnants, innover. Vous seriez surpris par les résultats obtenus et par leurs applications pratiques, quand vous mettez des machines intelligentes entre les mains de gens intelligents.
L’Intelligence Artificielle et la plateforme digitale Pentalog
Pour faire face à la demande croissante, la plateforme digitale Pentalog dispose d’une équipe d’ingénierie logicielle rodée aux problématiques d’implémentation de l’Intelligence Artificielle : Voice Search, Sound Recognition, Computer Vision, Machine Learning, traitement de données Big Data… Nos Data Scientists travaillent en étroite collaboration avec vos experts métiers. Ils conçoivent l’architecture et le POC (proof of concept). Votre projet #AI est ensuite confié soit à vos développeurs maison, soit à une équipe de développeurs Pentalog en outsourcing. La mise en œuvre est supervisée par nos consultants IT seniors ou nos Scrum Masters, selon les besoins du projet.
Pour plus d’informations, contactez la Directrice Commerciale de Pentalog, Sophie Lelarge.
Ressources :
- Livre Blanc en anglais Data Mining White Paper : Improving the CRISP-DM process model for Big Data projects
- Organiser un hackathon en 2 semaines (en ligne ou sur site) sur l’Intelligence Artificielle avec SkillValue
- Comment intégrer votre projet #AI à votre stratégie de Growth Hacking ? Découvrez l’approche de notre agence digitale RevSquare
- Financement et fiscalité : votre projet d’intelligence artificielle est-il éligible au CIR ? Prenez rendez-vous pour échanger sur la question avec nos consultants.
- Etude Bloomberg : Is your job about to disappear?