IA OU EN SOMMES NOUS ? – [3] LES USAGES

pexels-photo-129742

Cet article est le troisième d’une série de 5 articles consacrés à faire le point sur l’intelligence artificielle. Voici la liste des sujets qui seront abordés :

  1. L’IA en quête de définition
  2. Les progrès et les lacunes de l’IA
  3. Les usages
    • Aujourd’hui
    • Bientôt
    • Demain ?
  4. Une éthique pour l’IA
  5. L’IA et le métier du conseil

Ce travail est le fruit d’une collaboration entre P. Lemberger, J. Lepan et O. Reisse.


3. Les usages

3.1 Aujourd’hui

Enumérer une liste exhaustive des applications actuelles de l’IA s’apparente rapidement à faire un inventaire à la Prévert, tant elles sont déjà nombreuses et variées. Aussi, nous nous limiterons à quelques exemples parmi les plus significatifs. Beaucoup de ces applications ont bénéficié des progrès récents dans le domaine du Deep Learning (voir section 2.1.4) comme nous l’avons déjà indiqué.

3.1.1 Les systèmes de recommandation

Dès le début des années 2000 Amazon a popularisé les systèmes de recommandation avec sa célèbre rubrique « les clients qui ont acheté cet article ont aussi achetés … ». Les techniques de filtrage collaboratif sont aujourd’hui les plus utilisées. Elles exploitent des modèles statistiques capables d’apprendre des affinités entre des utilisateurs et des produits à partir d’un grand nombre d’exemples. Chaque utilisateur se voit proposer une liste de produits susceptibles de les intéresser. Cette fonctionnalité est désormais devenue vitale pour toutes les plateformes de vente en ligne qui proposent d’énorme catalogues de produits comme Netflix ou Spotify et également pour les réseaux sociaux comme LinkedIn.

Ces systèmes de recommandation découvrent par eux-mêmes des appariements, parfois insoupçonnés, entre des utilisateurs et des produits. A ce titre ils peuvent être envisagés, si l’on veut, comme une forme rudimentaire d’IA au même titre par ailleurs que tous les systèmes qui exploitent les techniques de machine learning.

3.1.2 Les assistants pour smartphone

Les chatbots tels que Siri, Cortana ou Google Now combinent des fonctionnalités de reconnaissance vocale avec une esquisse de traitement du langage naturel pour rendre plus naturelle nos interactions avec nos smartphones. Ils exploitent également des informations contextuelles, géographiques et sociales, pour affiner leurs actions. Ces assistants ne se contentent pas de répondre à des questions mais font également des suggestions contextuelles. Ils s’améliorent et se personnalisent au fur et à mesure que l’utilisateur interagit avec eux. Les progrès récents en matière de reconnaissance vocale, passée en quelques années d’une fiabilité de 95% à 99% grâce notamment au deep learning (DL), sont l’un des principaux facteurs qui ont contribué à populariser ces chatbots. Garantir la sécurité de ces systèmes est aujourd’hui l’un des principaux challenge à relever pour ces technologies. L’entrainement des modèles de DL nécessite en effet de grandes quantités de données qui ne peuvent être traitées localement par le CPU d’un smartphone. Deux approches complémentaires sont actuellement utilisées pour garantir la sécurité :

  • Les techniques cryptographiques de Differential Privacy (exploitée notamment par Apple depuis iOS 10) permettent de traiter à distance de grandes quantités de données tout en garantissant mathématiquement qu’aucune donnée individuelle ne pourra être extraite à partir des données transmises.
  • Une autre technique qui fait encore l’objet de nombreuses recherches est l’encryption homomorphe. Elle permet de déléguer des traitements de manière totalement anonyme en opérant directement sur les données cryptées elle-même, sans qu’il soit nécessaire à aucun moment de les décrypter.

3.1.3 La reconnaissance d’images

Continuer la lecture sur Ristretto by weave

Laisser un commentaire

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