L’IA, un impératif concurrentiel, une réalité opérationnelle

Published by Anne ANDRIANARIMANANA on

L'IA, un impératif concurrentiel, une réalité opérationnelle

En Juin 2018, l’Association des Centraliens et le Medef ont décidé de lancer une enquête commune auprès de leurs membres pour mieux cerner les usages de l’Intelligence Artificielle au sein des entreprises. La présentation des résultats de cette enquête avait lieu le 29 Janvier, à l’Auditorium du Medef. L’occasion d’aborder un grand nombre de questions pour démystifier ce mot-clé et son usage au sein des entreprises.

Qu’est-ce que l’IA ?

Commençons par cette question essentielle, posée par Patrick Errard et Anne Lauvergeon, co-présidents de la Commission Innovation du Medef.

Tout d’abord, il convient de distinguer trois types d’IA : 

  • L’IA « faible », qui correspond à l’automatisation de tâches précises, sans contextualisation. Ce sont toutes les fonctions dont nous disposons depuis l’avènement des smartphones et la démocratisation de la puissance de calcul, par exemple les assistants type Siri ou Cortana.
  • La « super IA », qui arrive à contextualiser les résultats qu’elle renvoie.
  • L’IA « forte ». C’est la seule qui mérite autant le terme « Intelligence » que le terme « artificielle », car elle serait cognitive, autonome et consciente d’elle-même.

Si l’IA forte n’existe pas encore et que la super IA est encore peu répandue dans les entreprises, on constate que l’IA faible est déjà à l’origine de trois transformations majeures : l’économie collaborative (la fameuse Uberisation), la transformation de la mobilité, et l’augmentation de la performance.

Anne Bioulac, Senior Partner chez Roland Berger, a ensuite brossé le tableau de l’écosystème IA en France et en Europe en se focalisant sur 3 acteurs majeurs : les start-ups, les laboratoires et les communautés – think tanks, réseaux sociaux, …

Il apparaît assez clairement que la France dispose d’une formation technique et d’une production scientifique de grande qualité, mais a du mal à retenir les talents, financer, et transformer de la recherche vers le privé. De plus, la France, seule, est trop petite pour faire face aux Américains et aux Chinois. Il suffit de comparer les investissements 2018 en IA des seuls GAFA (20 Mds €), à ceux de la France (1.5 Mds €) pour s’en rendre compte. 

Dès lors, l’Europe paraît comme une solution pour atteindre une taille critique. Roland Berger identifie trois clusters en Europe – Russie exclue de l’étude : 

  • 4 leaders avec le Royaume-Uni loin devant, puis l’Allemagne la France et l’Espagne avec des tailles similaires
  • 12 étoiles montantes, principalement les pays Nordiques et Baltes, qui bénéficient d’un écosystème très dense et d’une forte contribution du privé dans la recherche
  • Puis le reste des pays européens, considérés comme « suiveurs »

Cet ensemble représente un écosystème puissant et dynamique, mais avec un problème majeur : celui est totalement fragmenté car tous les acteurs travaillent globalement sur les mêmes sujets, avec une coordination très mineure. Il apparaît donc nécessaire de mutualiser les efforts, par exemple en créant des clusters de spécialités par zones géographiques.

Résultats de l’enquête sur l’usage de l’IA dans les entreprises

Les résultats détaillés de l’enquête sont accessibles ici : https://association.centraliens.net/medias/editor/files/InnovationMEDEF/Resultats_complets_enquete_Centraliens-MEDEF_sur_lIA_2018.pdf

Dans cet article, nous nous concentrerons sur quelques messages forts qui ressortent de l’étude : 

  • Les entreprises déjà utilisatrices de l’IA espèrent en retirer de la croissance, alors que les non-utilisatrices espèrent en retirer du profit
  • Le secteur de l’industrie est sous-représenté parmi les utilisateurs de l’IA
  • Les principales clés de succès identifiées sont d’abord la culture du risque puis l’accès aux talents
  • Toutefois, les non-utilisateurs considèrent que le principal obstacle est l’accès aux compétences ; alors que les utilisateurs eux, considèrent que l’accès aux données pertinentes est le principal obstacle
  • Enfin, la priorité majeure est de renforcer la coopération entre les universités / grandes écoles et les entreprises

Quels usages pour l’IA dans votre entreprise ?

La deuxième partie de la matinée est réservée à des tables rondes avec les représentants de diverses entreprises utilisant l’IA, soit comme outil pour améliorer leur métier, soit directement dans leur ADN :

  • Surys : Lutte contre la contrefaçon de documents -> détecter des faux grâce à la vision par ordinateur
  • Acrelec : de la digitalisation à l’automatisation des points de vente
  • Zilliant : outil de détection d’opportunités de vente et recommandation de prix pour les entreprises BtoB
  • Translated : service de traduction professionnel. L’IA permet ici d’automatiser le choix du traducteur le plus apte – à partir de son historique de traduction – et fournit une aide à la traduction
  • Bouygues BTP : vision par ordinateur pour suivre l’avancement des travaux maintenance prédictive, modèle prédictif temps réels sur les terrains à creuser
  • Thalès : l’IA est à de très nombreux endroits, car il s’agit ici d’augmenter la capacité de décision sur des sujets métier par le traitement de la donnée
  • Schenider Electric : Le passage à l’IA a été drivé par les besoins du métier, notamment pour la gestion des micro-réseaux – pour la gestion du couple panneau solaire – batterie à l’échelle d’un quartier, il s’agit de prédire la production et la consommation d’énergie.

Quel apport concret de l’IA sur vos services ?

  • L’entreprise Acrelec est d’abord reconnue pour son expertise métier, et l’IA est là pour améliorer le métier.
  • Chez Surys, le constat est que les outils actuels de vérification optique des passeports ne sont fiables qu’à 70% ; là où leur IA en développement permet déjà d’atteindre une fiabilité supérieure à 99%. En outre, elle leur permet d’embarquer un outil de vérification fiable directement dans des smartphones pour faciliter les contrôles.

Comment procéder ?

Les différents intervenants s’accordaient à dire qu’il est important de donner de la flexibilité aux équipes dédiées à l’IA dans l’entreprise, mais en leur fournissant un cadre et des objectifs métier, et surtout sans les isoler des autres équipes, notamment métier. Par exemple chez Bouygues, l’équipe d’IA fonctionne avec un esprit start-up, mais évolue sur un plateau avec le reste des équipes IT. Chez Surys, les recrutements se concentrent sur des juniors (stages de fin d’étude et doctorants), sans budget maximal alloué, et avec un minimum de contraintes métier pour favoriser l’innovation et l’autonomie.

L’importance de l’approche expérimentale, s’appuyant sur de la donnée réelle, a également été largement mise en avant. Lorsque l’on parle de projets IA, la méthode scientifique est une bonne approche : expérimenter, faire des prototypes, et identifier la valeur business à chaque étape de rendu. Ce précédent article aborde ce sujet : https://blog.evagroup.fr/2018/09/06/de-la-bio-informatique-au-marketing-predictif/

Pour mener à bien cette méthode, il est toutefois nécessaire d’avoir de la donnée utilisable, et de vérifier en amont que cette donnée est utilisable. Exemple cité par le président de PI School : une entreprise proposait un challenge à un groupe d’étudiants, qui devait s’appuyer sur une base de données historiques de qualité. Problème : cette base de données était un regroupement de documents textuels non standardisés et non standardisables. La donnée fournie n’était donc pas utilisable.

Une question est alors ressortie : que faire lorsque l’on n’a pas de données ? Deux solutions ont été proposées par les intervenants : 

  • Utiliser des données très similaires pour réaliser un prototype et valider la faisabilité du projet
  • Dans certains cas, il est possible de générer des données. Par exemple, dans le cas de la vérification optique de passeports, il est difficile d’obtenir des faux pour tester la fiabilité du modèle. Surys a donc généré des faux en utilisant de l’IA, pour entraîner son moteur de détection de faux.

Ethique

Enfin, la question de l’éthique a été abordée. Hors du débat philosophique, un point important a été soulevé par Thalès. Evoluant dans un contexte de systèmes critiques, Thalès impose trois contraintes à ses solutions à base d’intelligence artificielle : 

  • L’explicabilité des systèmes et des décisions prises par ces systèmes
  • La validité, qui passe par une fiabilité maximale et une capacité de certification
  • La responsabilité « by design »

A l’heure actuelle, ces questions sont réservées aux systèmes critiques, mais il faut réellement se poser la question de leur application à tout système à base d’IA, surtout à partir de l’instant où nous rentrerons dans l’ère de l’IA forte.

Académie des technologies

La dernière intervention de la demi-journée nous a permis d’avoir un aperçu des conclusions du rapport de l’académie des technologies, sorti en même temps que le rapport Villani mais moins connu et qui propose des pistes opérationnelles pour mettre en place de l’IA dans son entreprise.

Nous ne rentrerons pas dans le détail du contenu de ce rapport dans cet article, que vous pouvez consulter dans son intégralité ici : https://www.academie-technologies.fr/blog/categories/rapports/posts/renouveau-de-l-intelligence-artificielle-et-de-l-apprentissage-automatique

Résumé de la matinée en quelques citations clés

« La France a manqué la révolution des smartphones et est en train de manquer celle du cloud, mais nous avons une opportunité d’être leaders sur les révolutions des objets connectés et de l’intelligence artificielle ».

« La France bénéficie d’une formation académique et d’une production scientifique de grande qualité ; il est aujourd’hui nécessaire que le secteur privé fasse plus pour créer des ponts avec le monde universitaire et scientifique ».

« L’Europe peut devenir un acteur majeur de l’intelligence artificielle, à condition de jouer ensemble ».

« L’Intelligence Artificielle est un outil et non un objectif ».

« Pour réussir le passage à l’IA, il est nécessaire d’impliquer aussi bien les spécialistes du sujet que les experts du métier ».

Quelques mots pour l’avenir de l’IA

Une autre très bonne définition de l’IA forte a été donnée par David Sadek, vice-président recherche, technologie et innovation de Thalès, qui a expliqué que la prochaine évolution de l’IA nous fera passer de la reconnaissance de la forme à la reconnaissance du sens. Par exemple, un algorithme actuel de machine learning à qui l’on donne 1 million de photos de lions dans la savane identifiera correctement des lions dans la savane. Mais si on lui donne pour la première fois une vache dans la savane, cette vache sera probablement identifiée comme lion, car le modèle aura appris à reconnaître la savane et non le lion.

C’est ce qu’on appelle la reconnaissance de forme. Voici un bon exemple de limites du modèle actuel :

Marius CONJEAUD

Consultant EVA Group

Categories: EVATECH