Les langages informatiques à l'aube de l'intelligence artificielle

 |   |  1188  mots
L'intelligence artificielle au cœur des stratégies des entreprises
L'intelligence artificielle au cœur des stratégies des entreprises (Crédits : Reuters)
L'intelligence artificielle, terme popularisé au cours des décennies précédentes par la littérature et le cinéma de science-fiction, est un concept relativement ancien qui puise ses racines dans les travaux d'Alan Turing, dans les années cinquante.

Cette discipline, dont l'aspect le plus marquant se traduit par la fabrication de machines ayant la capacité de simuler une intelligence au point qu'elle serait indiscernable du comportement d'un être humain, trouve ces dernières années un écho particulièrement fort en raison des évolutions technologiques. Big datamachine learning (apprentissage automatique)deep learning (apprentissage profond), digitalisation des entreprises : toutes ces notions conduisent à une mutation très importante du marché du travail - dans l'informatique certes, mais pas seulement - et à des évolutions de comportement au sein de nombreuses entreprises, parfois pour des applications inattendues. A l'heure actuelle, l'intelligence artificielle n'en est toujours qu'à ses débuts, mais pourtant ses applications sont déjà nombreuses.

L'intelligence artificielle au service des entreprises

A l'heure actuelle, la plupart des grandes entreprises ont déjà pris à bras-le-corps le concept même d'intelligence artificielle appliqué au développement informatique. Dans le secteur industriel, des sociétés comme Thalès ou Airbus possèdent déjà des départements spécialisés dans ce secteur, composés d'ingénieurs à la pointe sur les questions d'intelligence artificielle et de big data, deux domaines intimement liés dans le cadre des applications visées. Quelques sociétés de développement informatique comme LesJeudis.com ont commencé à se spécialiser dans ce domaine et à recruter du personnel qualifié.

Plus proches du grand public, les banques traditionnelles sont désormais lancées dans la course à la digitalisation : toutes ont lancé des projets qui mettent en oeuvre des pratiques liées au machine learning et à l'intelligence artificielle. Le but ? Développer des outils dits "intelligents" comme l'A.V.I., (agent virtuel intelligent) ou des applications dédiées aux relances clients. L'agent virtuel, bien connu depuis plusieurs années, est un programme qui était historiquement constitué autour d'une analyse de mots-clés simples, et de réponses pré-programmées. Désormais, ces agents ont recours à des analyses sémantiques et syntaxiques plus poussées, faisant appel à des concepts liés à l'intelligence artificielle comme le traitement automatique du langage naturel (ou TALN).

Ces agents, connus aussi sous le terme de chatbot, possèdent des applications très intéressantes dans le secteur de la relation client - marketing, service avant-vente, service client notamment. Les sociétés en pleine restructuration - notamment les banques traditionnelles - développent actuellement ces procédés dans le but d'identifier les tâches chronophages et à faible valeur ajoutée. Utiliser le machine learning permet de ré-orienter le personnel vers des tâches à plus forte valeur ajoutée et requérant une expertise plus forte.

Encore plus proches de nous : si vous avez déjà utilisé les services de Cortana ou Siri, sachez que vous avez utilisé des programmes informatiques faisant appel à des notions d'intelligence artificielle, notamment en termes de reconnaissance du langage. Autre secteur en plein développement : les applications prédictives, dont la composante machine learning joue un rôle crucial dans de nombreux secteurs tels que la médecine, la logistique, la finance ou même le droit ! Le point commun de ces applications est qu'elles doivent savoir anticiper les situations futures, plutôt que de répondre à des situations déjà connues.

Le développement de l'Intelligence Artificielle se traduit bien évidemment par de nombreuses évolutions techniques dans le domaine informatique, avec des répercussions qui se font déjà sentir sur le marché du travail. Les offres d'emploi en intelligence Artificielle sont en forte croissance.

Le Data Scientist et les langages informatiques appliqués à l'I.A.

Aujourd'hui, les techniques liées à l'intelligence artificielle appliquées au monde du développement informatique se concentrent majoritairement sur un nouveau type de profil : le Data Scientist. Faisant appel à de multiples compétences et notamment l'informatique, les statistiques et les mathématiques, le Data Scientist est le pilier de toute stratégie de développement d'une société dans le secteur de l'IA. Mais concrètement, qu'est-ce qu'un Data Scientist, que recouvre ce métier et quelles sont les compétences attendues des professionnels du secteur ?

Le Data Scientist est évidemment expert dans le domaine du développement informatique. A l'heure actuelle, le langage informatique qui se détache sensiblement du lot est Python, suivi de près par Java. Ces deux langages constituent la majorité des compétences demandée par les entreprises en phase de constitution d'un pôle dédié à l'IA et à ses applications. Ces dernières années, de nombreux frameworks ont vu le jour notamment en Python, afin d'aider les développeurs dans ce secteur. Plus spécialisé, le langage R est également souvent demandé pour des applications statistiques.

Les personnes travaillant dans le domaine de l'IA doivent également maîtriser certains concepts théoriques de base. Les employeurs citent le plus fréquemment NLU et NLP, avec parfois une tendance à la confusion entre ces deux notions, qui sont pourtant différentes (bien que souvent indissociables dans la pratique). L'acronyme NLP signifie Natural Language Processing. Nous en avons déjà parlé : il s'agit du Traitement Automatique du Langage Naturel (TALN), qui est donc l'ensemble des techniques ayant pour but de faire comprendre le langage humain aux machines (le langage naturel étant ici opposé au langage artificiel, à savoir les langages de programmation informatiques). Le NLU - pour Natural Language Understanding, ou Compréhension du Langage Naturel - est une subdivision du NLP qui se focalise sur la compréhension du langage écrit. On s'y intéresse plus particulièrement pour les agents conversationnels ou les analyses de sentiment. Nous sommes ici à la frontière de la sémantique, de la linguistique et de l'informatique.

Le Data Scientist, pour mettre en oeuvre toutes les solutions et tous les concepts décrits ci-dessus, s'appuie sur des données, nécessairement sur de très gros volumes. Raison pour laquelle la connaissance du monde du Big Data s'avère nécessaire. La faculté de traiter de gros volumes de données, la rigueur indispensable à ces traitements, ainsi que la maîtrise du langage SQL, sont des qualités quasiment indispensables sur le marché du travail actuellement.

Le futur de l'intelligence artificielle

A l'heure actuelle, les principaux secteurs économiques se sont emparé de la question de l'intelligence artificielle et de ses composantes que sont par exemple le machine learning ou le deep learning. La performance des machines, la digitalisation croissante - parfois effectuée à un rythme effréné dans certaines entreprises - et les possibilités liées notamment au monde de la publicité, du marketing ou encore des réseaux sociaux, poussent le marché du travail vers cette IA. En Europe en général et en France en particulier, le retard accumulé dans ces domaines face aux sociétés américaines et notamment les GAFA, qui travaillent déjà sur ces technologies depuis de nombreuses années, est criant. Ce n'est que depuis un an ou deux qu'on constate une forte accélération en France de la demande de Data Scientist par exemple, faisant d'ailleurs de ce profil l'un des plus recherchés et les mieux rémunérés du secteur informatique.

Réagir

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

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

 a le à :