Comment l'intelligence artificielle va s'imposer dans le big data

Pourquoi les "analytics", le traitement analytique des données massives, vont devenir des facteurs essentiels d'émergence de l'intelligence artificielle en entreprise. Par Gilles Babinet et Bruno Walther, co-fondateurs de Captain Dash.
Gilles Babinet et Bruno Walther, cofondateurs de Captain Dash.

Si 2016 aura bien été marquée par l'émergence d'une nouvelle discipline, c'est bien par celle de l'intelligence artificielle : chatbots, deep learningmachine learning... sont désormais quelques-uns des mots consacrés dans le vocabulaire des entrepreneurs digitaux et des transformateurs numériques au sein des entreprises traditionnelles. On retrouve là des dynamiques déjà observées par le passé lors des phases d'émergence de l'e-commerce, du mobile, et plus récemment du big data.

Le potentiel semble en effet significatif. Quiconque a pu faire un test des chatbots, dans le domaine de la gestion de stocks ou du contrôle de gestion par exemple, n'a pu être qu'impressionné par la vitesse de compréhension de ces nouveaux outils, de plus en plus souvent dotés d'interfaces en langage naturel.

Les meilleures AI peuvent induire les utilisateurs en erreur

Si ces outils émerveillent et semblent promis à un brillant avenir, il n'en reste pas moins nécessaire de comprendre le modèle de pilotage qu'il conviendra de leur appliquer. Car le fameux contrôle-commande traditionnel avec une supervision humaine disparaît au profit d'un choix laissé uniquement à la machine en fonction de la satisfaction des usagers.

Or, parfois la supervision fine d'un système expert de maintenance permet de comprendre que même les intelligences artificielles (AI) les plus performantes induisent en erreur leurs utilisateurs. Demander l'état de service d'une batterie d'ascenseur permettrait d'obtenir comme réponse un taux de disponibilité, en omettant de signaler que la lumière de l'un d'entre eux est défaillante et que les utilisations se font dans le noir.

Des analytics pour éduquer la machine

C'est là où les analytics prennent toute leur place : en permettant de visualiser de façon synthétique des états complexes, on peut pointer des défaillances qui n'auront pas été relevées par la machine et qui permettront à un opérateur averti de corriger celles-ci et dans le même temps d'éduquer la machine. Il y va de l'efficacité et de la qualité de ces nouveaux systèmes experts mais aussi de l'image et parfois de l'éthique de certains services.

Aux Etats-Unis, des machines learning destinées aux forces de police ont abouti à des contrôles d'identité très discriminants à l'égard de certaines minorités ethniques. Ce qu'une machine ne percevrait pas nécessairement comme un abus, l'opérateur humain, doté d'un sens du raisonnement intégrant des dimensions morales, le relève généralement.

La qualité des analytics placés sur les outils d'intelligence artificielle sera donc déterminante pour réussir la mise en oeuvre de ces nouveaux outils. Il pourrait en résulter une défiance forte à l'égard des marques qui n'auront pas pris assez de soin dans le lancement de ces systèmes. A cet égard, face à la complexité des scénarios possibles, seuls des outils de visualisation particulièrement synthétiques permettront de faire ressortir des tendances de fond, et mettre en évidence de nouveaux comportements des AI, particulièrement celles qui sont prédictives.

Sujets les + lus

|

Sujets les + commentés

Commentaire 0

Votre email ne sera pas affiché publiquement.
Tous les champs sont obligatoires.

Il n'y a actuellement aucun commentaire concernant cet article.
Soyez le premier à donner votre avis !

-

Merci pour votre commentaire. Il sera visible prochainement sous réserve de validation.