Intelligence artificielle (IA)

menu icon

Intelligence artificielle (IA)

L'intelligence artificielle permet aux ordinateurs et aux machines de reproduire la perception, l'apprentissage, la résolution de problèmes et les capacités de décision du cerveau humain.

Qu'est-ce que l'intelligence artificielle ?

En informatique, le terme « intelligence artificielle » (IA) désigne toute intelligence apparentée à celle d'un cerveau humain manifestée par un ordinateur, un robot ou toute autre machine. Dans l'usage populaire, l'intelligence artificielle désigne la capacité d'un ordinateur ou d'une machine à imiter les capacités du cerveau humain (apprendre à partir d'exemples et d'expériences, reconnaître des objets, comprendre et répondre au langage, prendre des décisions, résoudre des problèmes) et à combiner ces facultés et d'autres pour exécuter des fonctions qu'un être humain pourrait exécuter, comme accueillir un client dans un hôtel ou conduire une voiture.

Après avoir été reléguée à la science-fiction pendant des décennies, l'IA fait aujourd'hui partie de notre quotidien. L'essor de l'IA est rendu possible par la disponibilité soudaine de grandes quantités de données et par le développement correspondant et la large disponibilité de systèmes informatiques capables de traiter toutes ces données plus rapidement et plus précisément que les êtres humains. L'IA complète nos mots à mesure que nous les tapons, fournit des indications routières lorsque nous le demandons, passe l'aspirateur sur nos sols et nous recommande ce que nous devrions acheter ou regarder avec frénésie. Et elle est à l'origine d'applications, telles que l'analyse d'images médicales, qui aident les professionnels qualifiés à effectuer des tâches importantes plus rapidement et avec plus de succès.

Aussi courante que soit l'intelligence artificielle aujourd'hui, il peut être difficile de comprendre l'IA et la terminologie de l'IA, car de nombreux termes sont utilisés indifféremment, et s'ils sont effectivement interchangeables dans certains cas, ils ne le sont pas dans d'autres. Quelle est la différence entre l'intelligence artificielle et l'apprentissage automatique ? Entre l'apprentissage automatique et l'apprentissage en profondeur ? Entre la reconnaissance vocale et le traitement du langage naturel ? Entre IA faible et IA forte ? Cet article va tenter de vous aider à faire la lumière parmi ces termes et d'autres et à comprendre les bases du fonctionnement de l'IA.

L'intelligence artificielle, l'apprentissage automatique et l'apprentissage en profondeur

La façon la plus simple de comprendre la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage en profondeur est la suivante :

  • Considérer l'intelligence artificielle comme l'ensemble de l'univers des technologies informatiques qui présentent tout ce qui ressemble de près ou de loin à l'intelligence humaine. Les systèmes d'IA peuvent aller d'un système expert, une application de résolution de problèmes qui prend des décisions sur la base de règles complexes ou d'une logique « si/alors », à l'équivalent du personnage fictif de Pixar, Wall-E, un ordinateur qui développe l'intelligence, le libre arbitre et les émotions d'un être humain.  
  • L'apprentissage automatique est un sous-ensemble de l'application de l'IA qui apprend tout seul. En fait, il se reprogramme lui-même, à mesure qu'il digère davantage de données, pour accomplir la tâche spécifique pour laquelle il a été conçu avec une précision toujours plus accrue. 
  • L'apprentissage en profondeur est un sous-ensemble de l'application de l'apprentissage automatique qui apprend à exécuter une tâche spécifique avec une précision de plus en plus grande, sans intervention humaine.
Diagramme de la relation entre l'intelligence artificielle, l'apprentissage automatique et l'apprentissage en profondeur.

Examinons de plus près l'apprentissage automatique et l'apprentissage en profondeur, ainsi que leurs différences.

Apprentissage automatique

Les applications d'apprentissage automatique (aussi appelées modèles d'apprentissage automatique) reposent sur un réseau de neurones , un réseau de calculs algorithmiques qui tente d'imiter la perception et le processus de pensée du cerveau humain. Dans sa forme la plus simple, un réseau de neurones est constitué des éléments suivants :

  • Un niveau d'entrée où les données entrent dans le réseau.
  • Au moins un niveau masqué, où les algorithmes d'apprentissage automatique traitent les entrées et appliquent des pondérations, des biais et des seuils aux entrées.
  • Une couche de sortie, où diverses conclusions, dans lesquelles le réseau a divers degrés de confiance, émergent.
Diagramme d'un réseau de neurones de base.

Les modèles d'apprentissage automatique qui ne sont pas des modèles d'apprentissage en profondeur reposent sur des réseaux de neurones artificiels avec une seule couche cachée. Ces modèles sont alimentés avec des données étiquetées, des améliorées avec des balises qui identifient leurs caractéristiques d'une manière à aider le modèle à identifier et à comprendre les données. Ils sont capables d'apprentissage supervisé (c'est-à-dire un apprentissage qui nécessite une supervision humaine), comme l'ajustement réguliers des algorithmes du modèle.

Apprentissage en profondeur

Les modèles d'apprentissage en profondeur reposent sur des réseaux de neurones profonds, des réseaux de neurones comportant plusieurs couches cachées, chacun d'eux affinant les conclusions de la couche précédente. Ce déplacement des calculs à travers les couches masquées vers la couche de sortie s'appelle propagation avant. Un autre processus, appelé rétropropagation, identifie les erreurs dans les calculs, leur affecte des pondérations et les envoient vers les couches précédentes pour affiner ou former le modèle.

Schéma d'un réseau de neurones profonds.

Si certains modèles d'apprentissage en profondeur fonctionnent avec des données étiquetées, la plupart d'entre eux peuvent fonctionner avec des données non étiquetées, et en grande quantité. Les modèles d'apprentissage en profondeur sont également capables d'apprentissage non supervisé, c'est-à-dire de détecter des caractéristiques et des modèles dans les données avec le minimum de supervision humaine.

La différence entre Siri d'Apple ou Alexa d'Amazon (qui reconnaissent vos commandes vocales sans entraînement) et les applications de reconnaissance et de dictée vocales d'il y a dix ans, qui nécessitaient que les utilisateurs « entraînent » le programme (et étiquettent les données) en prononçant des dizaines de mots au système avant de l'utiliser, sont une illustration simple de la différence entre l'apprentissage en profondeur et les autres types d'apprentissage automatique. Mais les modèles d'apprentissage en profondeur alimentent des applications bien plus sophistiquées, notamment des systèmes de reconnaissance d'images capables d'identifier des objets du quotidien plus rapidement et plus précisément que les humains.

Pour une immersion plus profonde dans les différences nuancées entre ces technologies, consultez IA, apprentissage automatique, apprentissage en profondeur et réseaux neuronaux : quelle est la différence ?

Types d'intelligences artificielles : IA faible et IA forte

L'IA faible, également appelée IA étroite ou intelligence artificielle étroite (ANI, Artificial Narrow Intelligence), est une IA entraînée et concentrée pour effectuer des tâches spécifiques. L'IA faible est à l'origine de la plupart des IA qui nous entourent aujourd'hui. Elle permet des applications très impressionnantes, notamment Siri d'Apple et Alexa d'Amazon, l'ordinateur Watson d'IBM, qui a vaincu ses concurrents humains au jeu Jeopardy, et les voitures autonomes.

L'IA forte, également appelée intelligence générale artificielle (IAG), est une IA qui reproduit plus fidèlement l'autonomie du cerveau humain, une IA qui peut résoudre de nombreux types ou catégories de problèmes et même choisir les problèmes qu'elle veut résoudre sans intervention humaine. L'IA forte est encore entièrement théorique, sans aucun exemple concret en usage aujourd'hui. Mais cela ne signifie pas que les chercheurs en IA n'explorent pas aussi (avec prudence) la superintelligence artificielle (SIA), c'est-à-dire une intelligence artificielle supérieure à l'intelligence ou aux capacités humaines. L'assistant informatique surhumain (et finalement voyou), HAL, dans 2001 : l'Odysée de l'espace, Un exemple de SIA.

Applications de l'intelligence artificielle

Comme nous l'avons déjà mentionné, l'intelligence artificielle est partout aujourd'hui, mais certaines de ses composantes existent depuis plus longtemps que vous ne le pensez. Voici quelques-uns des exemples les plus courants :

  • Reconnaissance vocale : technologie IA qui reconnaît les mots prononcés et les convertit en texte numérisé. La reconnaissance vocale est la capacité qui sous-tend les logiciels de dictée sur ordinateur, les télécommandes vocales des téléviseurs, la messagerie textuelle et le GPS à commande vocale, ainsi que les menus de réponse téléphonique à commande vocale.
  • Traitement du langue naturel (TLN) :  TLNpermet à une application logicielle, à un ordinateur ou à une machine de comprendre, d'interpréter et de générer du texte humain. NLP est l'IA qui se cache derrière les assistants numériques (tels que Siri et Alexa, déjà mentionnés), les agents conversationnels, et d'autres aides virtuelles basées sur du texte. TLN utilise parfois l'analyse des sentimentspour détecter l'humeur, l'attitude ou d'autres qualités subjectives dans le langage.
  • Reconnaissance d'images (vision par ordinateurouvision industrielle) :technologie d'IA capable d'identifier et de classer des objets, des personnes, des écrits et même des actions dans des images fixes ou animées. Généralement pilotée par des réseaux de neurones profonds, la reconnaissance d'images est utilisée dans les systèmes d'identification par empreintes digitales, les applications mobiles de dépôt de chèques, l'analyse d'images vidéo et médicales, les voitures autonomes, etc.
  • Recommandations en temps réel : les sites Web de vente au détail et de divertissement utilisent des réseaux de neurones pour recommander des achats supplémentaires ou des médias susceptibles de plaire à un client en fonction de son activité passée, de l'activité passée d'autres clients et d'une multitude d'autres facteurs, notamment l'heure de la journée et la météo. Des recherches ont montré que les recommandations en ligne peuvent augmenter les ventes de 5 à 30 %.
  • Prévention des virus et courriers indésirables :  autrefois pilotés par des systèmes experts fondés sur des règles, les logiciels de détection de virus et de courriers indésirables actuels utilisent des réseaux de neurones profonds capables d'apprendre à détecter de nouveaux types de virus et de courriers indésirables aussi rapidement que les cybercriminels peuvent les imaginer.
  • Bourse de valeurs automatisée :  conçues pour optimiser les portefeuilles d'actions, les plateformes de transactions boursières à haute fréquence pilotées par l'IA effectuent des milliers, voire des millions de transactions par jour sans intervention humaine.
  • Services de covoiturage : Uber, Lyft et d'autres services de covoiturage utilisent l'intelligence artificielle pour mettre en relation les passagers et les conducteurs, afin de réduire les temps d'attente et les détours, de fournir des indications fiables sur l'heure d'arrivée prévue et même d'éliminer l'augmentation des prix pendant les périodes de fort trafic.
  • Robots domestiques : l'aspirateur Roomba d'iRobot utilise l'intelligence artificielle pour déterminer la taille d'une pièce, identifier et éviter les obstacles et apprendre le chemin le plus efficace pour aspirer un sol. Une technologie similaire est utilisée pour les tondeuses à gazon et les nettoyeurs de piscine robotisés.
  • Technologie de pilotage automatique : elle équipe les avions commerciaux et militaires depuis des décennies. Actuellement, le pilotage automatique utilise une combinaison de capteurs, la technologie GPS, la reconnaissance d'images, la technologie d'évitement des collisions, la robotique et le traitement du langage naturel pour guider un avion en toute sécurité dans le ciel et informer les pilotes humains, si nécessaire. Selon la personne à qui vous demandez, les pilotes des avions commerciaux actuels ne passent pas plus de trois minutes et demie à piloter manuellement un vol.

Histoire de l'intelligence artificielle : Dates et noms clés

L'idée d'une « machine qui pense » remonte à la Grèce antique. Mais depuis l'avènement de l'informatique électronique (et par rapport à certains des sujets abordés dans cet article), voici quelques événements et étapes importants dans l'évolution de l'intelligence artificielle :

  • 1950 : Alan Turing publie Les machines à calculer et l'intelligence. Dans cet article, Turing, célèbre pour avoir déchiffré le code ENIGMA des nazis pendant la Seconde Guerre mondiale, propose de répondre à la question « Les machines peuvent-elles penser ? » et introduit le test de Turing (lien résidant en dehors d'IBM) pour déterminer si un ordinateur peut faire preuve de la même intelligence (ou des résultats de la même intelligence) qu'un être humain. La valeur du test de Turing fait l'objet d'un débat depuis.
  • 1956 : John McCarthy invente le terme « intelligence artificielle » lors de la toute première conférence sur l'IA au Dartmouth College. (McCarthy allait ensuite inventer le langage Lisp.) Plus tard cette année-là, Allen Newell, J.C.Shaw et Herbert Simon le Logic Theorist, le tout premier logiciel d'IA en fonctionnement.
  • 1967 : Frank Rosenblatt crée le Perceptron Mark 1, le premier ordinateur basé sur un réseau de neurones qui « apprend » par essais et erreurs. Un an plus tard, Marvin Minsky et Seymour Papert publient le livre intitulé Perceptrons qui devient à la fois l'ouvrage de référence sur les réseaux de neurones et, du moins pendant un certain temps, un argument contre les futurs projets de recherche sur les réseaux de neurones.
  • Années 1980 : les réseaux de neurones comportant des algorithmes de rétro-propagation pour la formation du réseau sont maintenant largement utilisés dans les applications d'IA.
  • 1997 : Deep Blue d'IBM bat le champion du monde d'échecs de l'époque, Garry Kasparov, dans un match d'échecs (et une revanche).
  • 2011 : IBM Watson bat les champions Ken Jennings et Brad Rutter à Jeopardy!
  • 2015 : le superordinateur Minwa de Baidu utilise un type particulier de réseau de neurones profonds, appelé réseau de neurones convolutifs, pour identifier et classer les images avec un taux de précision supérieur à celui de l'être humain moyen.
  • 2016 : le programme AlphaGo de DeepMind, optimisé par un réseau de neurones profonds, bat Lee Sodol, le champion du monde de Go, dans un match de cinq parties. Cette victoire est importante compte tenu du nombre considérable de coups possibles au cours de la partie (plus de 14,5 mille milliards après seulement quatre coups !). Plus tard, Google a acheté DeepMind pour un montant de 400 millions de dollars.

Intelligence artificielle et IBM Cloud

IBM a été leader dans le développement des technologies basées sur l'IA pour les entreprises et a ouvert la voie au développement des systèmes d'apprentissage automatique pour de nombreux secteurs En s'appuyant sur des décennies de recherche sur l'intelligence artificielle, sur des années d'expérience avec des organisations de toutes tailles et sur les enseignements tirés de plus de 30 000 engagements IBM Watson, IBM a développé l'approche AI Ladder pour mener à bien les déploiements d'intelligence artificielle :

  • Collecter : simplification de la collecte et de l'accessibilité des données.
  • Analyser : création de systèmes optimisé par l'IA, évolutifs et fiables.
  • Infuser : intégration et optimisation des systèmes dans l'ensemble d'une structure métier.
  • Moderniser : transfert de vos applications et systèmes d'intelligence artificielle dans le cloud

IBM Watson offre aux entreprises les outils d'IA dont elles ont besoin pour transformer leurs systèmes et flux de travaux, tout en améliorant considérablement l'automatisation et l'efficacité. Pour plus d'informations sur la façon dont IBM peut vous aider à effectuer votre transition vers l'IA, explorez le portefeuille IBM de services et solutions gérés

Inscrivez-vous pour obtenir un ID IBM et créer votre compte IBM Cloud.