Introduction au Machine learning et Deep Learning

Le deuxième type de tâches que l'IA peut réaliser est l'analyse de données.

 

Les laboratoires d'intelligence artificielle des GAFAM travaillent pour l'essentiel, sur l'analyse des gigantesques quantités de données qu'ils collectent auprès de leurs milliards d'utilisateurs. On parle alors de machine learning ou de deep learning suivant le niveau de complexité des méthodes d'analyse de données. Les pilotes des plate-formes d'intelligence artificielle tentent d'identifier des profils types, des comportements types, des centres d'intérêts principaux pour chaque utilisateur et adaptent les algorithmes qui sélectionnent les résultats dans leur moteur de recherche ou poussent les publications sur leur fil d'actualités ou les images poussées sur leur application de partage de photos, les plus similaires ce qui a intéressé récemment l'utilisateur. Premier objectif : retenir le plus longtemps possible les internautes devant leur application. Deuxième objectif : afficher les publicités auxquelles ils seront les plus réceptifs.

Troisième objectif : tenter de prédire le comportement des utilisateurs, par exemple, pour leur proposer des contenus ou des offres pour les amener à acheter ou continuer à utiliser l'application. 

Les GAFAM ne sont pas les seules à investiguer ces univers : certaines start-ups d'ecommerce très performantes développent leur propre technologie pour optimiser leur chiffre d'affaires, sélectionner les produits avec le plus fort potentiel, tandis que certains grands groupes tentent de mieux comprendre les habitudes de leurs clients. La réussite de ces chantiers de recherche et développement est étroitement lié à la pertinence de l'approche technique, au pilotage des opérations d'analyse et à l'agilité des organisations impliquées. Traduction : tous les expérimentations d'IA ne sont pas de francs succès.

Le machine learning et le deep learning sont aussi utilisés pour apprendre aux machines les modes de perception des informations des humains : en analysant des centaines de millions d'images de visages, les ordinateurs finissent par comprendre les caractèristiques techniques d'une photo comportant un visage humain ainsi que les différences techniques entre les visages de deux personnes ou encore les similitudes entre le visage d'une même personne maquillée ou non. Ces technologies de reconnaissance faciale permettent, par exemple, à  un smartphone de classer automatiquement vos selfies dans un dossier spécial ou même d'utiliser le visage du propriétaire pour débloquer l'accès au smartphone. Le même type de technologie, utilisé dans la reconnaissance vocale, permet de traduire le discours d'une personne en une suite de mots et dans la reconnaissance de caractères, permet de transformer un texte écrit à la main en document Word. En revanche, elle ne permet pas à l'ordinateur de comprendre le sens de la suite de mots et encore moins la qualité du discours ou du texte manuscrit. Tout juste, permet-elle si elle est couplée à une technologie de moteur de recherche, de comprendre le sujet principal du texte et parfois d'identifier les sous-sujets.

L'intelligence artificielle peut aussi s'intéresser à la modélisation du raisonnement d'un humain lorsqu'il analyse des données ou évalue une situation. Comment un expert comptable comprend-il et analyse-t-il un bilan financier ? Les logiciels d'édition de bilan calculent déjà depuis longtemps les variations d'une valeur (production, par exemple) d'une année sur l'autre, mais on peut imaginer qu'en décomposant toutes les étapes du raisonnement d'un expert comptable, on puisse parvenir à créer un logiciel qui lance des alertes lorsque la trésorerie d'une société évolue de façon anormale, qui détecte les produits les plus rentables d'une entreprise ou qui formule des recommandations en matière de politique de rémunération en fonction de la décomposition et de l'évolution de la masse salariale. Sur le papier, comme c'est souvent le cas, le potentiel est là, dans la pratique,  les modèles d'analyse de ce type sont souvent insuffisamment élaborés pour reproduire les finesses du raisonnement humain. Mais les modèles évoluent.