Aller au contenu

Guide

Qu'est-ce que l'intelligence artificielle ?

L'intelligence artificielle est le nom commun des technologies qui permettent aux ordinateurs d'apprendre à partir d'exemples et de prendre des décisions. Sur cette page, nous expliquons simplement ce qu'elle est, comment elle fonctionne, où elle aide et où il faut rester vigilant.

Repose sur
Données + algorithmes
Comment elle apprend
Par l'exemple, sans règles écrites à la main
Sa limite
Elle ne vaut que ce que valent ses données

Une définition courte

L'intelligence artificielle est le domaine de l'informatique qui vise à faire accomplir aux machines des tâches que les humains accomplissent en réfléchissant : comprendre un texte, reconnaître un objet dans une image, prévoir l'étape suivante. Elle repose sur deux choses : de grandes quantités de données et des algorithmes qui y trouvent des régularités.

Dans un logiciel classique, un programmeur écrit chaque règle à la main. Avec l'IA, le système observe des milliers d'exemples et en déduit la règle lui-même ; face à une situation nouvelle, il peut faire une prévision sans être reprogrammé. Presque toute l'IA que nous utilisons aujourd'hui est une IA « faible » : excellente dans une tâche, mais pas une intelligence générale qui pense à tout comme une personne.

Comment fonctionne-t-elle ?

  1. 01

    Données

    Le système reçoit des exemples de la tâche à apprendre : textes, images, mesures de capteurs, historiques. La qualité des données détermine directement celle du résultat.

  2. 02

    Apprentissage

    Un algorithme repère les régularités dans les exemples et construit un modèle. Le modèle se corrige encore et encore en mesurant à quel point il s'approche de la bonne réponse.

  3. 03

    Prévision

    Le modèle entraîné répond à des entrées nouvelles qu'il n'a jamais vues : il répond à une question, signale une panne, lit une facture. Sa réponse est une probabilité, pas une certitude.

Les types les plus répandus aujourd'hui

  • Apprentissage automatique

    Nom général des méthodes qui apprennent des régularités à partir de données passées pour faire des prévisions. C'est la base des prévisions de ventes, de la maintenance prédictive et de la détection de fraude.

  • Apprentissage profond

    Apprentissage automatique avec des réseaux de neurones artificiels à plusieurs couches. Il est derrière la plupart des avancées actuelles en image, en son et en langage.

  • Traitement du langage naturel

    Permet aux ordinateurs de comprendre et de produire le langage humain. Assistants conversationnels, agents vocaux, résumés et traduction sont issus de ce domaine.

  • Vision par ordinateur

    Tire du sens des images et des vidéos : reconnaissance d'objets, contrôle qualité, lecture de plaques d'immatriculation et perception de l'environnement par les voitures autonomes.

Bénéfices : neuf domaines

L'impact de l'IA ne se limite pas à un seul secteur. Ces neuf domaines sont ceux où les bénéfices sont aujourd'hui les plus concrets.

  • Santé

    Allège des tâches comme la lecture des examens et les démarches administratives, accélère le développement de nouveaux traitements et peut réduire l'erreur humaine en chirurgie robotique.

  • Économie et travail

    Augmente la productivité. Selon une estimation de PwC, sa contribution à l'économie mondiale pourrait atteindre 15,7 billions de dollars d'ici 2030 ; de nouveaux métiers apparaissent dans la finance et la technologie.

  • Climat et énergie

    Aide à prévoir la production renouvelable, à équilibrer la consommation et à modéliser des politiques de réduction des émissions de carbone.

  • Transports

    Les voitures autonomes perçoivent leur environnement grâce à la vision par ordinateur ; optimiser les itinéraires et le trafic peut réduire la consommation de carburant et les embouteillages.

  • Service client

    Les assistants conversationnels et vocaux répondent immédiatement à toute heure, traitent les questions fréquentes et donnent des réponses personnalisées.

  • Découverte scientifique

    Analyse d'énormes volumes de données à une vitesse impossible pour une personne, fait émerger des régularités et accélère les découvertes, de la médecine à la science des matériaux.

  • Finance

    Évalue l'historique du client pour des conseils mieux ciblés et repère tôt les transactions suspectes et la fraude en surveillant les comptes en continu.

  • Agriculture

    Fonde les décisions de l'agriculteur sur des données, avec prévisions météo, calendrier d'irrigation et conseils de traitement, et réduit le gaspillage de ressources.

  • Cybersécurité

    Remarque les comportements inhabituels sur le réseau et aide à détecter attaques et logiciels malveillants avant qu'ils ne causent des dégâts.

Nouvelles tendances

  • IA multimodale

    Des modèles qui comprennent ensemble texte, image, son et vidéo ; ils peuvent évaluer une photo et une question en même temps.

  • Des assistants plus capables

    Des assistants et agents qui ne se contentent pas de répondre, mais accomplissent le travail étape par étape : prendre des rendez-vous, préparer des rapports, déplacer des données entre systèmes.

  • Éthique et réglementation

    À mesure que l'usage se répand, le besoin de transparence, de responsabilité et de cadre juridique grandit ; les pays écrivent leurs propres règles.

Limites et risques

  • Un travail qui change

    Certaines tâches s'automatisent et de nouvelles compétences deviennent nécessaires. Pour qui ne prépare pas la transition, c'est un risque ; pour qui la prépare, une opportunité.

  • Biais

    Un modèle apprend, et peut amplifier, les biais des données sur lesquelles il est entraîné. Données et résultats doivent être vérifiés régulièrement.

  • Protection des données

    L'IA a besoin de beaucoup de données. Où, comment et par qui les données personnelles sont traitées doit être clair dès le départ.

  • Des erreurs sûres d'elles

    Un modèle peut paraître sûr de lui même quand il ne sait pas, et il peut inventer. Les décisions importantes exigent la validation d'une personne et la vérification des sources.

Chez BRAINSTORM

Comment nous utilisons l'IA sur le terrain

Nous utilisons l'IA comme un outil mesurable, pas comme une vitrine : des flux qui automatisent devis et factures, des agents vocaux qui répondent au téléphone, des tableaux de bord qui suivent la consommation d'énergie, et Elektrik GPT, qui accélère le métré électrique. Dans chaque système, tout ce que le modèle a ignoré ou dont il n'était pas sûr est consigné avec la raison.

Découvrir nos services

Pour commencer

Vous l'imaginez, nous le rendons réel.

Le premier échange est gratuit et ce n'est pas un appel commercial. Nous parlons de ce qui est faisable, du temps nécessaire et de ce qu'il vaut mieux ne pas faire.

Nous contacter

Nous répondons généralement dans la journée.