Mini série : L’intelligence artificielle et la puissance et le potentiel de l’apprentissage machine – Partie 1

Il s’agit du premier des quatre articles de la mini série éducative de Mediative intitulée « L’intelligence artificielle et la puissance et le potentiel du machine learning».

Restez à l’affutau cours des deux prochaines semaines pour obtenir un aperçu complet de l’intelligence artificielle et du machine learning, les explications sur ces deux technologies, comment les entreprises peuvent en bénéficier, ce que les spécialistes du marketing doivent faire maintenant et une présentation des entreprises qui l’utilisent bien.

1ere partie : Quelles sont les différences entre l‘intelligence artificielle, l’apprentissage machine (machine learning) et l’apprentissage en profondeur (deep learning) ?

Quelle est la tâche quotidienne que vous aimeriez ne plus avoir à faire ? Souhaitez-vous que vos vêtements se repassent tout seuls ? Ou que votre voiture se conduise toute seule ? Vous aimeriez peut-être que votre plancher se nettoie de lui-même ? Imaginez combien de temps vous pourriez économiser de votre journée si une seule de vos tâches quotidiennes banales pouvait être automatisée grâce à l’intelligence artificielle (AI). Cela peut sembler quelque chose réservé au futur, mais le futur est déjà là. L’IA est déjà une réalité. Sans même vous en rendre compte, vous interagissez déjà probablement quotidiennement avec une IA, nous ne sommes simplement pas encore au stade ou elle peut conduire votre voiture… pas encore.

    • Nous consultons une IA lorsque nous utilisons Spotify et obtenons des recommandations sur les listes de lecture et des suggestions de nouveaux artistes basées sur des intérêts précédents.
    • L’intelligence artificielle est utilisée à chaque fois que nous utilisons un produit Facebook, Google ou Apple, ou chaque fois que nous recevons une annonce pertinente lors de la lecture d’un e-mail. Lorsque nous effectuons une recherche Google, elle surveille comment vous réagissez aux résultats et apprend quel type de résultats fournir à l’avenir. Par exemple, si vous recherchez des « dauphins » et que vous cliquez sur un résultat concernant les dauphins de Miami (Miami Dolphins), Google est plus susceptible de fournir des résultats relatifs à l’équipe sportive plutôt qu’au mammifère lors de futures recherches concernant les « dauphins ».
    • Une solution d’intelligence artificielle que la plupart des gens connaissent bien est l’outil de recommandation de Netflix qui propose de nouveaux films basés sur les sélections passées d’un spectateur. Si vous accédez au compte Netflix de quelqu’un d’autre, il y a de fortes chances qu’il voit une série de titres de films complètement différente.
    • L’intelligence artificielle est derrière les thermostats intelligents et les alertes envoyées aux téléphones mobiles indiquant que la température de la maison a chuté de façon spectaculaire. Celles-ci avertissent les propriétaires d’une maison qu’une porte est laissée ouverte, qu’un disjoncteur de puissance est déclenché, qu’une bouche d’aération est bloquée, etc.
    • Quand nos fournisseurs de messagerie filtrent le spam, c’est aussi de l’IA.

Karim Sanjabi, directeur exécutif des solutions cognitives de l’agence média indépendante Crossmedia pense que nous interagissons probablement avec des IA 30 à 40 fois par jour et que nous ne le savons peut-être pas (1).

Le concept d’intelligence artificielle n’est pas nouveau, mais les gens évoquent souvent les images de robots des films quand ils pensent à l’intelligence artificielle et elle a été entourée d’un tel battage médiatique que certains l’ont condamnée bien avant que son plein potentiel ne soit atteint. Cependant, l’IA et l’apprentissage machine (Machine Learning) sont devenus des sujets brûlants et ont connu de grandes avancées en 2017. Les entreprises qui ne travaillent pas sur l’IA actuellement vont rapidement prendre du retard sur celles qui embrassent les technologies existantes et émergentes et qui reconnaissent le potentiel de ces technologies, tant pour les entreprises que pour les particuliers, est infini!

« Les spécialistes du marketing et les décideurs d’entreprise interrogés estiment que le marketing généré par l’IA va réorienter le rôle du marketing vers un travail plus stratégique (79%) et rendre les équipes marketing plus efficaces (86%) et rentables (86%), tout en leur permettant de se concentrer sur les tâches génératrices de valeur en automatisant les workflows (82%) et en réinventant la façon dont les spécialistes du marketing travaillent (82%). » (Source)

Emarsys a mandaté Forrester Consulting pour mener une enquête auprès de 717 chefs d’entreprise et décideurs. D’après l’enquête, la principale raison pour laquelle les entreprises ont décidé d’adopter l’IA était de stimuler la croissance du chiffre d’affaires, puis de vouloir mieux servir leurs clients, répondre aux attentes croissantes des clients, rester compétitives et renforcer leur marque.

Les différences entre l‘intelligence artificielle, l’apprentissage machine (machine learning) et l’apprentissage en profondeur (deep learning)

L’intelligence artificielle (AI), l’apprentissage machine (ML) et l’apprentissage en profondeur (DL) sont souvent utilisés de façon interchangeable, mais ce n’est pas la même chose. McKinsey & Company a défini huit sous-catégories de l’IA : le traitement du langage naturel (NLP), la génération du langage naturel (NLG), la reconnaissance vocale, l’apprentissage automatique (y compris l’apprentissage en profondeur), la gestion des décisions, les agents virtuels (y compris les bots de chat et les assistants virtuels numériques), l’automatisation des processus robotisés et la vision par ordinateur (utilisée pour la reconnaissance des visages, la réalité augmentée, l’analyse des gestes, etc).

Quelle est donc la différence ?

Selon Dropbox Business :

  • L’intelligence artificielle est « la capacité d’une machine à accomplir des tâches d’une manière que nous considérons intelligente. » L’IA d’aujourd’hui utilise des technologies pour être en mesure d’exécuter des tâches spécifiques aussi bien, ou mieux que les humains. (ex : la reconnaissance faciale sur Facebook). Ces technologies présentent certaines facettes de l’intelligence humaine. Mais comment ? C’est là que l’apprentissage machine entre en jeu.
  • L’apprentissage machine associe « malin » à « intelligent ». C’est la « capacité de donner aux machines l’accès aux données et de les laisser apprendre par elles-mêmes ». En d’autres termes, la capacité des dispositifs à tirer des enseignements de leurs interactions avec les utilisateurs, les fournisseurs de services et d’autres dispositifs, en utilisant des algorithmes pour analyser les données, en tirer des enseignements et ensuite déterminer quelque chose. Cette formation et l’inférence de données sont ce qui distingue le ML de l’IA. Google, par exemple, est arrivé à un traducteur viable parce qu’il disposait de milliards de pages d’autres langues pour apprendre. La taille de l’ensemble de données joue une part très importante de l’apprentissage machine.
  • L’apprentissage en profondeur (Deep Learning) est un sous-ensemble de l’apprentissage machine et est basé sur les réseaux neuronaux dans le cerveau. Un article détaillé sur l’apprentissage en profondeur sur Forbes.com déclare : « L’apprentissage en profondeur se concentre encore plus étroitement sur un sous-ensemble d’outils et de techniques de ML, et les applique à résoudre à peu près tous les problèmes qui nécessitent une « pensée » humaine ou artificielle ». Le même article ajoute que « le Deep Learning est utilisé par Google dans ses algorithmes de reconnaissance vocale et d’image et par Netflix et Amazon pour décider ce que vous voulez regarder ou acheter ensuite ». Si nous arrivons un jour réellement à la voiture autonome à l’avenir, elles seraient dirigées par un système d’apprentissage en profondeur, utilisant des capteurs et des outils analytiques pour apprendre à « conduire ». Emarketer définit l’apprentissage en profondeur comme « une branche de l’apprentissage machine qui s’intéresse à la construction et à la formation de réseaux neuronaux à plusieurs niveaux. Chaque couche d’un réseau peut trouver des modèles dans la sortie de la couche au-dessus d’elle. Comme la plupart des autres réseaux d’apprentissage machine, les réseaux profonds permettent de trier et de classifier de grandes quantités de données complexes et d’identifier les anomalies dans les modèles de données ».

Selon un article de VentureBeat, « La résurgence récente de l’IA est alimentée par les quantités colossales de données générées depuis des décennies par des milliards d’IoT (Internet of things). En revanche, le rôle de l’IA sur le marché de l’IoT est d’accélérer et d’approfondir l’analyse, en sondant le signal à partir du bruit pour permettre de nouveaux services. »

Les données sont à l’origine de tout ce qui concerne l’IA et le ML. C’est la capacité d’exploiter l’énorme quantité de données disponibles (et par vaste, je veux dire 163 zettabytes, soit 163 billions de gigabites que l’on estime pour 2025, et cela augmentera ) qui mène à l’IA et au ML.

Cependant, même si l’IA est basée sur la capacité d’apprentissage d’une machine, elle ne peut pas apprendre si elle ne reçoit pas les bonnes entrées. Les spécialistes du marketing joueront un rôle clé pour s’assurer que ces entrées seront prises en compte et que les bons objectifs d’affaires seront conçus avec succès.

Pour le deuxième volet de cette minisérie éducative sur « L’intelligence artificielle et la puissance et le potentiel de l’apprentissage machine », nous examinerons comment l’intelligence artificielle, l’apprentissage machine et l’apprentissage en profondeur peuvent être exploités au profit des entreprises.

Source:

    1. Artificial Intelligence for Marketers 2018: Finding the Value Beyond the Hype, eMarketer, October 2017
Rebecca Maynes
Rebecca Maynes is Mediative’s Manager, Content Marketing and Research. Her expertise lies in the creation of engaging thought leadership for Mediative. From compiling eBooks and case studies, to conducting research, analyzing data and writing white papers and reports, Rebecca is an integral part of Mediative’s Marketing and Research team. Rebecca began her career with Yell.com in England, and, after emigrating to Canada in 2005, she has gone full circle, joining Mediative, a Yellow Pages Group Company, in 2009. Prior positions include Marketing for a B2B Software company. Rebecca graduated from Cardiff University in Wales, UK, with a First Class Honours BSc in Business Administration.