Innovation

Confiance et transparence : l’IA explicable pour faire tomber les mythes

IA : entre mythes et réalités
17 December 2019

Elle fascine autant qu’elle inquiète, elle fait couler beaucoup d’encre et affole les réseaux sociaux : des louanges sur ses bienfaits aux théories catastrophistes, l’intelligence artificielle (IA) n’a pas fini de faire parler d’elle.
Face à la montée des technologies et à la course aux innovations, l’IA évolue, s’adapte au nouveau monde et va même plus loin : elle anticipe les besoins et elle est au cœur des projets les plus futuristes !
Mais qu’en est-il en réalité ? S’intéresser à la genèse de l’IA et à ses ramifications permet de faire tomber certains mythes.

De la cybernétique à l’IA

Dans les années 1940, un mathématicien du nom de Norbert Wiener conceptualise la cybernétique, c’est-à-dire « la science du fonctionnement de l’esprit humain ».
Les idées fusent entre neurologues, mathématiciens et chercheurs de l’époque. L’expression « Intelligence Artificielle » fait sa première apparition en 1956 et devient véritablement un domaine scientifique. Les machines pensantes se fraient progressivement une place parmi les ordinateurs qui sont de plus en plus employés à autre chose qu’au calcul scientifique.

L’éclatement de la bulle Internet, au début des années 2000, va signifier l’explosion de l’IA et lui ouvrir de nouvelles voies. Les "GAFAM" - Google, Apple, Facebook, Amazon, Microsoft - surfent sur cette nouvelle vague. Le moteur de recherches de Google en est l’exemple le plus représentatif puisqu’il est basé sur des algorithmes qui doivent comprendre ce que l’utilisateur cherche, aime et serait susceptible d’acheter.

La puissance grandissante des composants informatiques, devenus de moins en moins chers, mais aussi le faible coût du stockage des données, permettent à l’IA de se développer, de se perfectionner et de s’intéresser à de nouveaux domaines d’application comme la médecine, le traitement des images ou la programmation informatique.

L’autre grand facteur de développement de l’IA est l’explosion du volume de données, notamment au travers du e-Commerce et plus globalement sous l’impulsion des GAFAM.

Depuis 2016, le volume de données générées a ainsi augmenté de 569%, et le phénomène est encore plus conséquent en France où ce volume a crû de 701% selon le rapport Global Data Protection Index de Dell EMC, fruit d’une enquête menée auprès de 2200 décideurs informatiques.

Avec cette augmentation massive, nous entrons définitivement dans l’ère de la data et de l’intelligence artificielle.

IA, Machine learning, deep learning : quelles différences ?

La confusion entre Intelligence Artificielle, apprentissage automatique (machine learning) et apprentissage profond (deep learning) est courante.

Pourtant, ces notions sont distinctes et s’imbriquent entre elles puisque l’'intelligence artificielle englobe le machine learning, qui, lui-même englobe le deep learning.
L'intelligence artificielle peut aussi englober plusieurs autres types de briques logicielles, comme les moteurs de règles.

L’Intelligence Artificielle est donc un vaste domaine : à la fois constitué d’algorithmes basiques et d’applications beaucoup plus performantes et bluffantes.

On y distingue essentiellement deux grands niveaux d’apprentissage :

  • l'une des sous-catégories de l'IA s'appelle le machine learning, un procédé qui permet aux ordinateurs de s’améliorer grâce à l’apprentissage.

Pour exemple, les arbres de décision : en répondant à un certain nombre de questions et en suivant les branches de l’arbre qui portent ces réponses, on arrive à un score de probabilité.

  • Dans cette sous-catégorie, se trouve le deep learning, « l'apprentissage profond ».

Cette technique permet à un programme de reconnaître, entre autres, le contenu d'une image ou de comprendre le langage parlé. On retrouve cette technologie avec facebook, par exemple, qui l’utilise pour reconnaître et taguer les visages sur des photos publiées sur son réseau.

Dans le deep learning, la machine constate ses erreurs, elle apprend et en tire des leçons pour devenir plus performante. En 2016, le programme de Google, « Deep Mind » a permis à un ordinateur de battre pour la première fois un joueur professionnel de go (jeu inventé en Chine il y a plus de 3000 ans). Les chercheurs planchaient sur l'algorithme depuis des décennies.

L’IA dans notre quotidien, pour nous simplifier la vie

Aujourd’hui, l’IA sert surtout à analyser des masses de données, quelles que soient leurs natures, et à les classer et indexer. La classification et l’indexation s’appliquent à tout type de données et pas uniquement à des documents. Quelques exemples : la classification de profils clients sur des sites de e-commerce ou de musique en ligne ou la classification d’images…

A bien y regarder, l’intelligence artificielle inonde de plus en plus notre quotidien à travers une multitude de technologies :

  • La génération automatique de texte : utilisée dans les services clients ou la génération de rapports et la synthèse de business intelligence.
  • La reconnaissance automatique de la parole : utilisée dans les systèmes interactifs de réponse vocale et les applications mobiles.
  • Les agents virtuels : les fameux chatbots ou « agents conversationnels » qui donnent l’illusion de dialoguer avec une personne sensée.
  • Les plateformes d’apprentissage automatique : elles consistent à fournir des algorithmes ou des API (interface de programmation d’application) appuyées par une puissance de calcul qui permettent principalement de faire de la prédiction ou de la classification.
  • La reconnaissance biométrique : elle permet d’automatiser le processus de vérification d’identité, très utile dans la lutte contre la fraude,
  • La reconnaissance faciale : controversée mais de plus en plus utilisée pour le déverrouillage de smartphone, la surveillance de foules ou la vérification d’identité par les services de police et de justice, par exemple.

L’explicabilité : une nécessité pour l’adoption de l’IA

Les algorithmes occupent une place déjà importante dans notre vie de tous les jours et au sein de nos entreprises, toutefois, des obstacles barrent encore la route à l’adoption de ces technologies, freinant les investissements.
Selon une étude IDC1 , 94% des entreprises considèrent que l’IA est un avantage compétitif clé, mais seulement une entreprise sur 20 a déjà incorporé de l’IA dans ses processus métiers.

Schéma-Secteurs-dépenses-IA

Une des raisons de ce faible score est que, pour qu’une IA soit adoptée, il faut qu’elle soit compréhensible et qu’elle rassure, notamment lorsqu’elle est appliquée à des outils d’aide à la décision. La transmission d’éléments permettant à un humain de comprendre une forme de raisonnement implique concrètement l’apport d’un certain nombre de preuves de ce qui a été fait afin de prendre la décision.
Déjà utilisée par les banques, les assurances ou les directions des ressources humaines pour gérer des attributions de crédit, calculer des primes ou encore sélectionner des CV, l’aide à la décision qui consiste à s’en remettre
à des machines peut commencer à inquiéter. Dans des secteurs particulièrement sensibles, une décision erronée peut entraîner un préjudice grave et impactant, comme dans le domaine de la santé par exemple.
Répondre aux questions de l’utilisateur : telle est la vocation de l’IA explicable (ou XAI). C’est en développant cette transparence que la confiance dans les capacités de l’IA se renforcera, favorisant la sécurité et permettant ainsi son accroissement.

Docaposte et l’IA : confiance et éthique avant tout

L’échange d’informations est au cœur de l’activité historique du Groupe La Poste. Aujourd’hui l’information est de plus en plus numérique et Docaposte, tout comme sa maison-mère, se positionne naturellement au cœur de la numérisation des échanges.
Chez Docaposte, les traitements de données sont réalisés à des fins d'optimisation du service rendu et des processus existants de notre client et non pas à des fins d'exploitation. Garantir un traitement en toute confidentialité est primordial.
C'est là qu'est l'éthique dans notre IA : le traitement des données documentaires et visuelles de nos clients implique l’extraction de ces données qui, une fois traitées, sont transmises à nos clients. Docaposte s’engage à ne stocker aucune donnée.

« Forts de notre expertise et de notre expérience sur le sujet, nous sommes convaincus chez Docaposte que l’IA doit être responsable pour être éthique. Pour ce faire, tous nos travaux sont menés dans un souci permanent d’améliorer la transparence sur le traitement des données et la conception des algorithmes, de faciliter la compréhension de l'IA par toutes les parties prenantes et d’être en capacité de rendre compte et d’expliquer. » - Fabien Aili, Responsable IA Docaposte

Informer et éduquer

Telle une épée de Damoclès qui plane au-dessus de nos têtes, l’intelligence artificielle n’a pas fini de faire parler d’elle : invoquant à tour de bras la destruction massive d’emplois à court terme, une Europe menacée par ses concurrents étrangers ou à l’inverse une formidable opportunité puisque les machines remplaceront les tâches ingrates.
La méconnaissance du public explique en partie les craintes qu’elle génère. Pour contrer les peurs et les fantasmes, il faut donc éduquer avec la plus grande transparence. L’intelligence artificielle n’a pas vocation à remplacer complètement l’humain mais, au contraire, à lui apporter son aide et à le soutenir dans certaines prises de décisions pour qu’elles soient plus rapides, plus précises et plus cohérentes.
Finalement, peut-être que « l’intelligence artificielle est le grand mythe de notre temps » comme l’indique Isabelle Falque-Pierrotin, Présidente de la CNIL.

 

Source : étude IDC –L’IA en France – tendances et chiffres clés

Évaluez l'article :
1 Star2 Stars3 Stars4 Stars5 Stars (Aucune évaluation)
Partagez l'article :

Commenter

Ces articles pourraient vous intéresser

Relation client : « Le digital doit permettre de trouver l’équili . . .

  Relation Clients, transformation digitale

3 questions à Stéphane Ingrassia, Directeur Marketing Stratégique de Docaposte Usages de plus en plus mobiles, traitement des demandes de&he . . .

04 May 2020 0 commentaires 0

Transformation numérique des entreprises : « nous proposons des s . . .

  transformation digitale, transition digitale, transition numérique

3 questions à Stéphane Jacob, Directeur Développement Commercial Maileva Acteur de confiance de premier plan dans l’accélération de la trans . . .

24 April 2020 0 commentaires 0

Gestion Électronique de Documents : nos conseils pour une bonne m . . .

  plateforme collaborative, sécurisation des données, transformation digitale, transition numérique, travail collaboratif, travail nomade

Pour bénéficier des avantages de la Gestion Électronique de Documents (GED) : il est d’abord nécessaire de réaliser l’état des… . . .

22 October 2019 0 commentaires 0

Innovation

Confiance et transparence : l’IA explicable pour faire tomber les mythes

IA : entre mythes et réalités
Par  17 December 2019

Elle fascine autant qu’elle inquiète, elle fait couler beaucoup d’encre et affole les réseaux sociaux : des louanges sur ses bienfaits aux théories catastrophistes, l’intelligence artificielle (IA) n’a pas fini de faire parler d’elle. Face à la montée des technologies et à la course aux innovations, l’IA évolue, s’adapte au nouveau monde et va même plus loin : elle anticipe les besoins et elle est au cœur des projets les plus futuristes ! Mais qu’en est-il en réalité ? S’intéresser à la genèse de l’IA et à ses ramifications permet de faire tomber certains mythes.

De la cybernétique à l’IA

Dans les années 1940, un mathématicien du nom de Norbert Wiener conceptualise la cybernétique, c’est-à-dire « la science du fonctionnement de l’esprit humain ». Les idées fusent entre neurologues, mathématiciens et chercheurs de l’époque. L’expression « Intelligence Artificielle » fait sa première apparition en 1956 et devient véritablement un domaine scientifique. Les machines pensantes se fraient progressivement une place parmi les ordinateurs qui sont de plus en plus employés à autre chose qu’au calcul scientifique. L’éclatement de la bulle Internet, au début des années 2000, va signifier l’explosion de l’IA et lui ouvrir de nouvelles voies. Les "GAFAM" - Google, Apple, Facebook, Amazon, Microsoft - surfent sur cette nouvelle vague. Le moteur de recherches de Google en est l’exemple le plus représentatif puisqu’il est basé sur des algorithmes qui doivent comprendre ce que l’utilisateur cherche, aime et serait susceptible d’acheter. La puissance grandissante des composants informatiques, devenus de moins en moins chers, mais aussi le faible coût du stockage des données, permettent à l’IA de se développer, de se perfectionner et de s’intéresser à de nouveaux domaines d’application comme la médecine, le traitement des images ou la programmation informatique. L’autre grand facteur de développement de l’IA est l’explosion du volume de données, notamment au travers du e-Commerce et plus globalement sous l’impulsion des GAFAM. Depuis 2016, le volume de données générées a ainsi augmenté de 569%, et le phénomène est encore plus conséquent en France où ce volume a crû de 701% selon le rapport Global Data Protection Index de Dell EMC, fruit d’une enquête menée auprès de 2200 décideurs informatiques. Avec cette augmentation massive, nous entrons définitivement dans l’ère de la data et de l’intelligence artificielle.

IA, Machine learning, deep learning : quelles différences ?

La confusion entre Intelligence Artificielle, apprentissage automatique (machine learning) et apprentissage profond (deep learning) est courante. Pourtant, ces notions sont distinctes et s’imbriquent entre elles puisque l’'intelligence artificielle englobe le machine learning, qui, lui-même englobe le deep learning. L'intelligence artificielle peut aussi englober plusieurs autres types de briques logicielles, comme les moteurs de règles. L’Intelligence Artificielle est donc un vaste domaine : à la fois constitué d’algorithmes basiques et d’applications beaucoup plus performantes et bluffantes. On y distingue essentiellement deux grands niveaux d’apprentissage : Pour exemple, les arbres de décision : en répondant à un certain nombre de questions et en suivant les branches de l’arbre qui portent ces réponses, on arrive à un score de probabilité. Cette technique permet à un programme de reconnaître, entre autres, le contenu d'une image ou de comprendre le langage parlé. On retrouve cette technologie avec facebook, par exemple, qui l’utilise pour reconnaître et taguer les visages sur des photos publiées sur son réseau. Dans le deep learning, la machine constate ses erreurs, elle apprend et en tire des leçons pour devenir plus performante. En 2016, le programme de Google, « Deep Mind » a permis à un ordinateur de battre pour la première fois un joueur professionnel de go (jeu inventé en Chine il y a plus de 3000 ans). Les chercheurs planchaient sur l'algorithme depuis des décennies.

L’IA dans notre quotidien, pour nous simplifier la vie

Aujourd’hui, l’IA sert surtout à analyser des masses de données, quelles que soient leurs natures, et à les classer et indexer. La classification et l’indexation s’appliquent à tout type de données et pas uniquement à des documents. Quelques exemples : la classification de profils clients sur des sites de e-commerce ou de musique en ligne ou la classification d’images… A bien y regarder, l’intelligence artificielle inonde de plus en plus notre quotidien à travers une multitude de technologies :

L’explicabilité : une nécessité pour l’adoption de l’IA

Les algorithmes occupent une place déjà importante dans notre vie de tous les jours et au sein de nos entreprises, toutefois, des obstacles barrent encore la route à l’adoption de ces technologies, freinant les investissements. Selon une étude IDC1 , 94% des entreprises considèrent que l’IA est un avantage compétitif clé, mais seulement une entreprise sur 20 a déjà incorporé de l’IA dans ses processus métiers. Schéma-Secteurs-dépenses-IA Une des raisons de ce faible score est que, pour qu’une IA soit adoptée, il faut qu’elle soit compréhensible et qu’elle rassure, notamment lorsqu’elle est appliquée à des outils d’aide à la décision. La transmission d’éléments permettant à un humain de comprendre une forme de raisonnement implique concrètement l’apport d’un certain nombre de preuves de ce qui a été fait afin de prendre la décision. Déjà utilisée par les banques, les assurances ou les directions des ressources humaines pour gérer des attributions de crédit, calculer des primes ou encore sélectionner des CV, l’aide à la décision qui consiste à s’en remettre à des machines peut commencer à inquiéter. Dans des secteurs particulièrement sensibles, une décision erronée peut entraîner un préjudice grave et impactant, comme dans le domaine de la santé par exemple. Répondre aux questions de l’utilisateur : telle est la vocation de l’IA explicable (ou XAI). C’est en développant cette transparence que la confiance dans les capacités de l’IA se renforcera, favorisant la sécurité et permettant ainsi son accroissement.

Docaposte et l’IA : confiance et éthique avant tout

L’échange d’informations est au cœur de l’activité historique du Groupe La Poste. Aujourd’hui l’information est de plus en plus numérique et Docaposte, tout comme sa maison-mère, se positionne naturellement au cœur de la numérisation des échanges. Chez Docaposte, les traitements de données sont réalisés à des fins d'optimisation du service rendu et des processus existants de notre client et non pas à des fins d'exploitation. Garantir un traitement en toute confidentialité est primordial. C'est là qu'est l'éthique dans notre IA : le traitement des données documentaires et visuelles de nos clients implique l’extraction de ces données qui, une fois traitées, sont transmises à nos clients. Docaposte s’engage à ne stocker aucune donnée.
« Forts de notre expertise et de notre expérience sur le sujet, nous sommes convaincus chez Docaposte que l’IA doit être responsable pour être éthique. Pour ce faire, tous nos travaux sont menés dans un souci permanent d’améliorer la transparence sur le traitement des données et la conception des algorithmes, de faciliter la compréhension de l'IA par toutes les parties prenantes et d’être en capacité de rendre compte et d’expliquer. » - Fabien Aili, Responsable IA Docaposte

Informer et éduquer

Telle une épée de Damoclès qui plane au-dessus de nos têtes, l’intelligence artificielle n’a pas fini de faire parler d’elle : invoquant à tour de bras la destruction massive d’emplois à court terme, une Europe menacée par ses concurrents étrangers ou à l’inverse une formidable opportunité puisque les machines remplaceront les tâches ingrates. La méconnaissance du public explique en partie les craintes qu’elle génère. Pour contrer les peurs et les fantasmes, il faut donc éduquer avec la plus grande transparence. L’intelligence artificielle n’a pas vocation à remplacer complètement l’humain mais, au contraire, à lui apporter son aide et à le soutenir dans certaines prises de décisions pour qu’elles soient plus rapides, plus précises et plus cohérentes. Finalement, peut-être que « l’intelligence artificielle est le grand mythe de notre temps » comme l’indique Isabelle Falque-Pierrotin, Présidente de la CNIL.   Source : étude IDC –L’IA en France – tendances et chiffres clés