A l'issue de
la première journée de la conférence, on a une sensation de disruption émergente, à tel point que l'on se
demande si l'on est pas en train de vivre une sorte d'avènement des robots
"The Raise of the Robots".
Mais
tout d'abord quelques chiffres sur cette conférence qui se tient au cœur de la
région la plus innovante au monde, la Silicon Valley dans la région de San
Francisco
c'est aussi
une opportunité de rencontrer les acteurs majeurs du secteur dont beaucoup ont
des bureaux en Californie
La
conférence aborde également le sujet de la collaboration Humain - Robot et donc
comment tirer partie de l'ensemble de l'écosystème à la fois software, hardware
et plate forme pour faire de l'IA un atout majeur dans la production de valeur
au travers notamment de gain de productivité encore jamais atteint.
On apprend
d'entrée que l'IA nous emène dans un changement de paradigme total, qui va
considérablement impacter notre métier et également le business sous jacent. Il
faut donc tout d'abord explorer ce nouveau domaine et voir comment les
entreprises peuvent en recueillir les bénéfices. Pour cela, une bonne approche
va consister à se former sur le sujet au travers de lecture telles que
Au passage, on ne bypasser la réference de Francois Chollet sur le Deep Learning, dont la première partie est gratuite chez Manning en ligne
Et
également par le biais de formation, de nombreuses possibilités existent avec
Plurasight, mais aussi Microsoft qui produit gratuitement des formations et
livres blancs sur la création d'agent conversationnels , le Machine/Deep
Learning, l'utilisation du NLP etc. On notera également un ecosystème de
ressources de training plus ou moins techno agnostique :
Plusieurs
facteurs seront donc à prendre en considération pour démarrer avec de l'IA en
entreprise
1 Le
Leadership : La première question est qui porte l'IA dans l'entreprise, Le role
de CDO (Chief Digital Officer) est il présent, qui gère les projets et la stratégie autour de l'intelligence artificielle?
2 La
sélection des projets, avec par exemple pour une compagnie financière,
l'utilisation du Machine Learning avec de l'analyse predictive et des
simulations vont être un véritable challenge de scoping pour passer d'un Lab à
la production
3 Pour finir, les compétences et les équipes qui seront en charge de ces
implémentations, à savoir ai-je les compétences necessaires en interne?
Les
entreprises devront se réorganiser quelque peu si elle veulent réaliser avec
succès et efficacité leur transformation digitale basée sur de l'intelligence
artificielle.
Pour ce qui
concerne le driver, 70% des personnes interrogées considèrent que l'IA a le
potentiel de faire que les humains pourront ce concentrer d'avantage sur du
travail à forte valeur ajoutée. C'est l'essence de la promesse du RPA et
également de tous les assistants conversationnels sensés nous faire gagner
beaucoup de temps sur des taches
répétitives pour lesquelles nous sommes peu efficaces.
Coté
Microsoft, David Smith (VP Microsoft AI & Research) argumente sur le fait
que l'IA va permettre d'amplifier l'ingeniosité de l'être humain, voire de l'augmenter ce qui est
tout à fait aligné avec la vision globale de Microsoft : "Permettre à
toute personne et toute organisation sur la planète d'accomplir
d'avantage"
David
présentera l'ensemble de la plate forme Cognitive Microsoft ainsi que des
démonstrations époustouflantes rendues possibles grace au capacité de Machine
Learning et Deep Learning de Microsoft, comme la démo ci dessous
Chez Daisy,
on est persuadé que l'IA va disrupter le monde de la grande distribution, avec
l'arrivée d'Amazon et Ali Baba, les grands acteurs français vont devoir réagir
rapidement au prix de se faire uberiser par ces nouveaux mutants. Daisy est un
produit permettant d'utiliser l'IA pour d'optimiser la prise de décision
concernant les promotions des magasins par exemple, basé sur du Machine/Deep Learning, est déjà utilisé chez Lidl,
Amazon, Wallmart etc.
Parmi
les exposants du salon, on va retrouver des solutions entreprises complètes
baties sur de l'IA avec DryIce par exemple de pnl. De telle solution nous font
réaliser que la majeure partie des entreprises n'en sont encore qu'à l'age de Pierre,
et on pourrait reprendre une illustration bien connue dans le monde de l'Agile,
le manque de réactivité pour pivoter rapidement vers plus de productivité et de
modernisation. Il faudra veiller à ne pas reproduire les erreurs du passé
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjl7ry2L5eD2VG_8rwILf8BGQfOTMBHp2tA-sucpxsxcekfLb81iJYvCPI7I_uPmTOfT06-THttHPW3Jq0lVrzLg-XuWwlSB31wvR4gFhagEuQ2LqY7ontW5xwQC30HT46RrOdtY3qkmICh/s640/TOO-BUSY.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjl7ry2L5eD2VG_8rwILf8BGQfOTMBHp2tA-sucpxsxcekfLb81iJYvCPI7I_uPmTOfT06-THttHPW3Jq0lVrzLg-XuWwlSB31wvR4gFhagEuQ2LqY7ontW5xwQC30HT46RrOdtY3qkmICh/s640/TOO-BUSY.png)
En revanche pour le Machine / Deep
learning le problème critique est le challenge créé par la qualité
relative et la structure des données, La
réconciliation et l'harmonisation de données disparates à travers de multiples
LOB en silo pose de réels problèmes de consistence et pertinence.Nous avons
besoin de techniques de gestion effective de la données permettant de s'assurer
que la donnée utilisée est à la fois comprise par l'humain et par la machine
aux travers des algorithmes de MLpar exemple
La donnée
est clé. La solution à ce problème dans le domaine de la finance par exemple
résiderait dans l'utilisation d'ontologies au travers de la mise en place d'un
standard commun de données gratuit et open source. Les ontologies
permettent une harmonisation des données et l'alignememnt nécessaire pour une
consolidation de données disparates basées sur un sens commun.
Les
ontologies peuvent être utilisées pour transformer un contenu non structuré en
une forme structurée pour du Machine Learning par exemple.
Les recherches de l'université de Mannheim en
Allemagne démontrent de plus que les ontologies peuvent aider le Machine
learning à effectuer de la validation de données à minima 50 fois plus vite
qu'en mode standard.
En
conclusion, pas de Machine Learning / Deep Learning performant/relevant sans
ontologie
Le Machine /Deep Learning c'est également le retour des mathématiques et statistiques avancées, ce qui va profondément changer notre métier dans les années à venir, qui vont voir considérablement augmenter les profils type Data Scientistes qui seuls aujourd'hui savent comprendre les notions d'algorithme du gradient stochastique ou la rétropropagation du gradient
Aujourd'hui,
Les utilisateurs s'attendent à pouvoir communiquer avec leurs appareils, sites
web en langage naturel. Les systèmes modernes doivent être conversationnels,
humain et intelligent. Les récentes implémentations par google avec Google Home
et Amazon Echo… en sont les meilleurs exemples
Face à cet
enjeu, nous devons être capable de batir des agents conversationnels performant
et conforme aux attentes des utilisateurs dans des temps de mise sur le marché
courts à l'aide d'outils proposant des interfaces graphiques de conception,
avec par exemple le Conversation Designer de Microsoft avec également des capacités de déploiment
multi canaux.
L'éthique en matière d'IA constitue un sujet clé, on entend parler par exemple pour les voitures autonomes d'éthique déontique ou éthique conséquensialiste qui sont par exmple deux modèles de prise de décision relarivement opposé en termes de résultats, le premier basé sur le droit commun soit le code de la route pour une voiture, le deuxième sur l'évaluation des conséquenses d'une décision sur par exemple l'espérance de vie humaine. Face à une situation critique, le véhicule ne prendra pas la même décision en fonction de son code éthique. Ce sujet a été abordé dans de multiples sessions de la conférence, ci dessous un exemple.
En
conclusion de cet article : L'IA est là, les ressouces pour la développer
également au travers de plate formes SAAS, Hardware avec notamment les GPUs (NVidia en tête),
l'arrivée prochaine des calculateurs quantiques, des Frameworks de
développements pour l'essentiel proposés par Microsoft, Amazon et Google. Il
n'y a plus de raison de ne pas avancer sur ce sujet, que ce soit au travers de
projets de productivité internes (RH, Finance, Recrutement etc…) ou bien encore
d'applications métiers innovantes
Pour conclure ce premier article sur cette conférence voici le message délivré par Amazon:
Aucun commentaire:
Enregistrer un commentaire