Comprendre l’intelligence artificielle — au-delà des buzzwords

L’intelligence artificielle est un terme de plus en plus commun. Au début, strictement de l’univers de la science-fiction, elle est de plus en plus intégrée à notre réalité. Dans cet article, nous resterons pragmatiques en survolant l’intelligence artificielle dans un objectif de gestion organisationnelle en transformation numérique en lien avec l’écosystème M365.

Qu’est-ce que l’intelligence artificielle?

L’intelligence artificielle, au-delà du discours scientifique, est une méthode qui imite l’intelligence humaine. Plusieurs techniques permettent d’arriver à un résultat et percer la barrière d’une machine qui réplique des comportements observés, apprend et adapte ses prochaines actions en fonction de son contexte.

Dans la science de l’intelligence artificielle (le monde des statistiques modernes), nous distinguons deux types d’intelligence:

1. L’intelligence forte: L’intelligence forte se caractérise par la capacité des machines d’agir de façon intelligente, d’assimiler des concepts abstraits et d’avoir une intelligence émotionnelle se rapprochant de la conscience humaine.
2. L’intelligence faible: L’intelligence faible, c’est la résolution de problème avec des paramètres donnés.

Les grands termes de l’intelligence artificielle

Il y a une confusion de ce qu’est l’intelligence artificielle et la nuance entre certaines disciplines. Restons pragmatiques: Voici deux termes à retenir:

1 — Machine Learning

L’apprentissage machine (machine learning) se simplifie par l’apprentissage automatique et est, en fait, un modèle d’intelligence artificielle.

L’approche est basée sur des modèles statistiques pour permettre le développement d’algorithmes, et donc, activer la capacité de la machine d’apprendre dans le cadre de certains paramètres fournis par les développeurs.

La machine ne développera pas de nouvelles compétences. Il existe, bien évidemment, plusieurs types de Machine learning, mais restons en surface pour le moment ;)

2 — Deep learning

L’apprentissage profond (Deep learning) est un ensemble de méthodes tentant de modéliser des concepts d’abstraction qui vont utiliser plusieurs couches de traitement. Pour permettre l’avancée de l’apprentissage profond, il faut maîtriser la couche des réseaux de neurones, qui permet de simuler l’action des neurones de notre cerveau.

Il va sans dire que l’apprentissage profond est beaucoup plus poussé comme science et demande beaucoup de calculs complexes. L’apprentissage profond peut être utilisé dans l’analyse des émotions selon une photo, les positions et mouvements d’une main pour le langage des signes, de la traduction, etc.

Pourquoi l’intelligence artificielle?

Dans le cadre des technologies de l’information, l’intelligence artificielle permet d’automatiser et simplifier des processus qui ne requièrent pas nécessairement un humain. L’objectif est principalement d’optimiser des processus d’entreprise et standardiser les processus systématiques.

Avec certains algorithmes, il est possible d’identifier certaines données d’un document pour faciliter sa classification et automatiser un processus autour du traitement de l’information.

Idem pour les assistants virtuels qui permettent de transcrire des scénarios et propositions de façon naturelle pour traiter des requêtes d’assistance. Que ce soit par un agent virtuel de chat ou de la reconnaissance vocale, ceci permet d’être plus efficace dans le traitement des demandes et d’avoir des employés pour traiter des demandes hors-normes ou spécialisées.

Dans le prochain article, nous traiterons des premiers outils disponibles dans l’écosystème M365. Restez à l’affût!