- Dernières informations sur l’intelligence artificielle
- Initiatives relatives à l’intelligence artificielle
- Ressources pour les responsables de l’IA
- Conférences pour les responsables de l’intelligence artificielle
L’intelligence artificielle (IA) fait appel à des techniques avancées d’analyse et de logique, notamment le machine learning (apprentissage automatique), pour interpréter des évènements, soutenir et automatiser des décisions et entreprendre certaines opérations.
Chez Gartner, nous définissons l’intelligence artificielle (IA) comme l’application de techniques avancées d’analyse et de logique, notamment le machine learning, pour interpréter des évènements, soutenir et automatiser des décisions et entreprendre certaines opérations. Cette définition reflète l’état actuel et émergent des technologies et des capacités de l’IA, elle reconnait également que l’IA fait désormais généralement appel à l’analyse probabiliste (combinaison de probabilité et de logique pour attribuer une valeur à l’incertitude).
D’autres entreprises ou personnes peuvent donner d’autres définitions de cette technologie. Il n’existe pas de terme unique et universellement accepté pour décrire l’intelligence artificielle, car il existe un large éventail de moyens par lesquels l’intelligence artificielle peut soutenir, renforcer et automatiser les activités humaines et apprendre et agir de manière indépendante (voir « Qu’est-ce que le machine learning ? »).
Toutefois, pour tirer parti des possibilités offertes par l’IA au sein d’une entreprise, vous devrez formuler et adopter une définition généralement acceptée, axée sur les objectifs que vous souhaitez atteindre grâce à l’IA. (Voir « Qu’est-ce qu’une stratégie d’IA d’entreprise ? »).
Prévoyez une certaine marge de manœuvre en cas de divergences d’opinions, mais assurez-vous que les responsables de l’entreprise, de l’informatique, des données et de l’analyse ne sont pas fondamentalement en désaccord sur la signification de l’IA pour votre entreprise, faute de quoi vous ne pourrez pas élaborer une stratégie qui permette d’en tirer profit.
Notez que les fournisseurs de technologies d’IA sont également susceptibles de proposer leur propre définition du terme. Demandez-leur de préciser en quoi leurs offres répondent à vos attentes de valorisation de l’IA.
Le Machine Learning ou apprentissage automatique est une technique clé qui permet à l’IA de résoudre certains problèmes. Contrairement aux idées reçues (et aux expressions erronées véhiculées par la culture populaire), les machines n’apprennent pas. Elles accumulent des données et calculent de manière de plus en plus complexe.
Le Machine Learning est une discipline strictement analytique. Elle applique des modèles mathématiques aux données afin d’extraire des connaissances et de trouver des modèles que les humains n’auraient probablement pas été en mesure de déceler. Le Machine Learning recommande également des actions, mais il n’ordonne pas aux systèmes d’agir sans intervention humaine.
Concrètement, le machine Learning crée un algorithme ou une formule statistique (appelé « modèle ») qui convertit une série de points de données en un résultat unique. Les algorithmes de ML « apprennent » par le biais de « l’entrainement », au cours duquel ils identifient des modèles et des corrélations dans les données et les utilisent pour fournir de nouvelles perspectives et prédictions sans être explicitement programmés pour le faire.
Le Deep Learning, une variante des algorithmes de machine Learning, utilise de nombreux types d’algorithmes pour résoudre les problèmes en extrayant les connaissances des données brutes et en les transformant tout au long de la chaine de traitement. Le Deep Learning surpasse souvent les techniques traditionnelles de machine Learning ou d’apprentissage superficiel en présence de données complexes et de très haute dimension, comme les images, la parole et le texte. Néanmoins, les systèmes basés sur des règles ou les techniques de ML traditionnelles peuvent résoudre efficacement de nombreux problèmes d’IA.
Dans la plupart des entreprises, les solutions de Deep Learning ne représentent pas encore un volet important de la feuille de route des produits (les systèmes basés sur des règles ou le ML traditionnel permettent de résoudre efficacement la plupart des cas d’utilisation de l’IA aujourd’hui), mais leur utilisation augmente rapidement avec les progrès réalisés dans le traitement des données et les avancées dans les techniques de calcul.
L’utilisation du ML, y compris du Deep Learning, pour faire des prédictions, permet à un processus contrôlé par l’IA d’automatiser la sélection du résultat le plus favorable, ce qui peut se traduire par le retrait du décideur humain du processus décisionnel.
Consultez également "« Quel est l’avenir de l’intelligence artificielle et des technologies de l’IA ? »
Les responsables de l’informatique et de l’analyse des données peuvent utiliser les techniques de l’IA pour résoudre un large éventail de problèmes commerciaux et peuvent générer des retours sur investissement considérables ; cependant, la question pour la plupart des entreprises est de savoir comment utiliser l’intelligence artificielle pour créer ou accélérer la croissance des activités numériques.
Les principales applications de l’intelligence artificielle résident dans sa capacité à :
Gartner Research constate régulièrement que les DSI sont conscients du potentiel considérable des technologies de I’IA, mais qu’ils ont encore du mal à tirer parti de ces avantages dans la pratique. Quoi qu’il en soit, l’IA finira par redéfinir la façon dont les tâches sont effectuées, car la technologie remplace certaines tâches habituellement effectuées par les employés et modifie la façon dont les décisions sont prises au quotidien. Les applications se répartissent principalement en trois catégories : l’automatisation et l’optimisation, la production d’informations et la création de relations humaines (par exemple, les robots de conversation et les assistants virtuels). (Consultez la section « Quels sont les exemples d’applications de l’intelligence artificielle dans le monde des affaires ? »)
À l’heure actuelle, cependant, le battage médiatique autour de l’IA peut être excessif, ce qui fait qu’il est difficile pour certaines entreprises de définir clairement leurs attentes en matière de résultats commerciaux. Cet engouement non maitrisé pour ces technologies donne naissance à des projets qui n’ont aucune chance d’aboutir. Lorsque cela se produit, les chefs d’entreprise ayant des attentes irréalistes reprochent aux technologies et à la science leur incapacité à créer les innovations qu’ils espéraient.
Veillez à établir une stratégie d’entreprise pour l’IA afin d’identifier les applications et les indicateurs de réussite dès le départ. La réduction des risques, la rationalisation des processus, le développement des ventes, l’amélioration de la satisfaction de la clientèle et la réduction des besoins ou des charges liées à la main-d’œuvre sont autant de moyens couramment utilisés pour mesurer les avantages de ces technologies. De nombreuses analyses de rentabilité reposent sur un ensemble d’avantages tangibles et immatériels. (Voir « Qu’est-ce qu’une stratégie d’IA d’entreprise ? »).
Cette technologie émergente n’a pas encore révélé tous ses avantages et son incidence sur l’entreprise. Les innovations dans le domaine de l’IA sont une des nombreuses forces qui perturbent les marchés existants et stimulent le développement de nouveaux projets commerciaux numériques, par exemple. Mais l’IA est également exploitée de diverses manières dans les différents secteurs d’activité, entreprises et services. Voici quelques exemples d’opérations commerciales :
Pour qu’une entreprise puisse profiter des avantages de l’IA, les dirigeants doivent établir une stratégie en la matière à l’échelle de l’entreprise, qui identifie les applications, évalue les avantages et les risques, coordonne les équipes commerciales et technologiques et adapte les compétences des entreprises afin de favoriser l’adoption de l’IA.
Pour vous assurer de tirer parti de l’IA, choisissez vos actions de manière stratégique, en vous concentrant sur les objectifs de votre entreprise et les différents problèmes que vous cherchez à résoudre. Pour que l’IA puisse réellement se développer, vous devrez l’intégrer à votre gamme d’applications existantes, ce qui implique de disposer de données provenant de tous les secteurs de l’entreprise pour en exploiter les fonctionnalités.
Les entreprises qui sont encore aux premiers stades de leur développement en matière d’IA sont plus susceptibles de s’intéresser à des applications de contrôle des dépenses avant de s’intéresser à des éléments clés de la proposition de valeur, tels que l’expérience du client. Selon des études de Gartner Research, l’application de l’IA se généralise au fur et à mesure de son développement et son incidence se fait sentir de manière plus importante.
Les éléments clés de la stratégie d’entreprise en matière d’IA sont les suivants :
La discipline de l’IA évolue rapidement grâce à de nouvelles techniques, des infrastructures dédiées et de nouveaux types de matériel. Au cours des cinq prochaines années, Gartner s’attend à ce que les entreprises adoptent des techniques de pointe permettant de mettre au point des applications plus intelligentes et plus fiables, plus responsables et plus respectueuses de l’environnement dans ce domaine.
Désormais, les progrès de l’intelligence artificielle suivent de plus près la trajectoire des technologies qui l’ont précédée. Pour les entreprises et les gouvernements, l’IA est en train de gagner en :
Dans les années à venir, les entreprises continueront à exploiter l’IA pour améliorer leurs processus décisionnels. Celles qui adopteront rapidement ces méthodes se différencieront davantage de la concurrence et deviendront plus agiles et plus réactives face aux mutations de leur environnement commercial.
La mise en œuvre des stratégies dans le domaine de l’IA présente toujours de nombreuses difficultés pour les équipes chargées de l’infrastructure et de l’exploitation. La mise en place d’une infrastructure sur site implique d’investir dans une infrastructure et une architecture qui peuvent être difficiles à anticiper, à doter en personnel et à financer. Les solutions cloud peuvent donc sembler avantageuses, mais à mesure que les besoins en matière d’IA se développent et que les investissements nécessaires augmentent, le cloud peut se révéler plus difficile à financer (et l’engagement envers les fournisseurs de services cloud, plus préoccupant). C’est pourquoi l’émergence de stratégies qui concilient les investissements consacrés au cloud et les investissements consacrés à l’infrastructure est particulièrement intéressante (stratégies hybrides cloud/sur site).
Parmi les hypothèses de planification stratégique de Gartner concernant l’IA, on peut citer que d’ici 2025 :
La plupart des entreprises ne maitrisent pas ou ne comprennent pas les rouages de l’intelligence artificielle, ce qui peut susciter des inquiétudes en matière d’équité, de sécurité et de respect de la vie privée. Mais l’IA ne peut pas prospérer si l’entreprise refuse de lui accorder sa confiance. Les entreprises ont donc tout intérêt à mettre en place des mécanismes de contrôle pour évaluer les menaces et les risques, y répondre et s’assurer que le principe d’intégrité fasse partie intégrante des techniques de l’intelligence artificielle.
Gartner désigne son modèle de gestion des risques liés à l’IA en employant l’acronyme « MOST », car il repose sur les trois piliers suivants :
À mesure que l’IA se généralise dans une entreprise, des menaces ne manqueront pas d’apparaitre et d’entrainer de graves risques pour la société. Les entreprises doivent évaluer ces menaces de manière proactive. Ce faisant, elles peuvent renforcer la confiance des parties prenantes dans l’IA.
En effet, Gartner prévoit que d’ici 2025, les règlementations exigeront des entreprises qu’elles se concentrent sur l’éthique, la transparence et la confidentialité de l’IA, ce qui stimulera, sans pour autant entraver, la confiance, la croissance et la progression de l’IA dans le monde.
Rejoignez vos pairs pour assister à des conférences Gartner où vous découvrirez les dernières perspectives.