Quelles stratégies de mise en œuvre de l’IA pour 2024 ?

Les stratégies de mise en œuvre de l’IA révèlent une omniprésence surprenante dans notre quotidien, dépassant même les performances humaines dans divers secteurs. Cette analyse met en lumière des applications innovantes et soulève des enjeux éthiques cruciaux, redéfinissant notre compréhension de l’intelligence artificielle.

Domaines d’applications

Maintenant que les concepts sont posés, nous allons pouvoir analyser la présence et l’impact de l’intelligence artificielle dans notre quotidien. Nous allons essayer d’exposer ici les plus grandes utilisations de l’IA dans des domaines radicalement différents. On appuiera ainsi le fait qu’elle est déjà omniprésente dans notre quotidien et qu’elle a déjà dépassé les performances humaines dans des secteurs bien précis. On verra également des applications moins axés sur la performance mais plus sur le côté pratique et le gain de temps. Cette partie tentera de susciter votre curiosité pour vous donner envie de vous renseigner sur les

applications de l’intelligence artificielle car évidemment, la liste suivante restera non-exhaustive et ne parlera que des plus gros sujets actuels.

• Domaine industriel : Cette discipline vise à réaliser des agents physiques qui peuvent agir dans le monde (robots humanoïdes). Ils sont utilisés en industrie dans les milieux hostiles, en médecine pour réaliser des opérations chirurgicales avec une grande précision ou dans le domaine domestiques (tâches ménagères).
• Le militaire: Dans le domaine militaire, de plus en plus de robots militaires possédant une intelligence artificielle font surface. En effet, utilisés dans les missions à risques importants afin d’éviter les pertes humaines, les robots de combats ont pour but de remplacer les soldats dans le but d’intervenir dans les endroits où les capacités physiques naturelles de l’Homme l’en empêchent, sans pour autant avoir une qualité d’exécution moins efficace, voir même au contraire, celle-ci sera de meilleur précision et éviterait les erreurs humaines. L’armée Américaine est d’ailleurs celle qui occupe la plus grande conception et production de robots militaires dans ce domaine.

On différencie trois types d’appareils intelligents dans ce secteur :

• • Le premier permet, grâce à un programme intégré à l’avance, l’exécution d’une mission qui lui a été demandé d’effectuer (localisation d’un terrain, espionnage, filature, repérage,…). Il s’agit ici d’une simple application d’instructions (IA faible).
  • Le second cas concerne le pilotage de drones à distance par des professionnels, c’est-à-dire qu’ils sont pilotés et commandés par un soldat via un centre de commande. Dans ce cas là, ce n’est pas le robot qui prend la décision, mais bien la personne contrôlant celui-ci.
  • Le dernier type d’appareils intelligents s’applique aux robots militaires totalement autonomes. Ceux-ci s’adaptent et agissent en fonction de leur environnement, dont leur seul but est d’accomplir leur mission (IA forte).

De plus, le domaine militaire couvre les 3 secteurs suivants, qui sont la terre (armée de terre), l’eau (les marines) et l’air (armée de l’air), et où l’on retrouve des robots militaires.

Figure 2.10 :L’IA appliquée au monde de la défense et de la sécurité.

• Les moteurs de recherche : Tous les moteurs de recherche (y compris des agences de voyage) sont basés sur des systèmes intelligents d’extraction, d’analyse, et de classification de données pour produire le plus rapidement possible un résultat pertinent à la requête de l’utilisateur. C’est ainsi que Google a implémenté un système utilisant les techniques de machine learning pour son moteur de recherche en octobre 2015, intitulé RankBrain[2.7]. Ce système convertit de grandes quantités de texte en vecteurs mathématiques pour aider le système à deviner le sens des mots ou des phrases qu’il ne connaît pas et ainsi traiter les 15 % de requêtes jamais effectuées auparavant qu’il reçoit chaque jour.

Figure 2.11 : Les moteurs de recherche

• Les moteurs de recommandation : En s’appuyant sur les données issues de la navigation et des achats d’un utilisateur, des sites comme Amazon ou Netflix sont capables de lui proposer d’autres produits similaires qui pourraient l’intéresser. Ces technologies prédictives sont aussi utilisées pour les plateformes de publicité en ligne (Google, Criteo) pour proposer aux visiteurs des contenus d’annonceurs en rapport avec les pages qu’ils ont visité.
• La traduction automatique : Elle s’appuie sur des algorithmes de modélisation statistique du langage naturel. Ils intègrent les règles de construction de chaque langue.
• Les assistants personnels (Siri, Cortana, Google Now…) : Ils sont déployés sur les Smartphones qui s’appuient sur plusieurs briques technologiques: la reconnaissance vocale pour convertir le son en texte, le langage naturel pour comprendre le sens des mots, un moteur de recherche pour trouver réponse à la question et la synthèse vocale pour communiquer la réponse à l’utilisateur, la planification pour la gestion d’événements, etc.
• Les agents conversationnels : Ils sont utilisés dans les domaines du support client et du télémarketing et consistent en des fenêtres de chat qui s’ouvrent toutes seules sur un site web, ou de serveur vocal qui répond aux questions 24h sur 24. Ils utilisent le langage naturel et leur accès à de vastes bases de données leur permet de répondre aux questions les plus simples.
• Les véhicules autonomes : Si certains prototypes roulent déjà sur les routes au contact des autres véhicules, les voitures qui se garent toutes seules ou qui freinent par anticipation sont déjà une réalité. Le pilotage automatique des avions ou la gestion de trajectoire des véhicules spatiaux, ou encore les drones se basent aussi sur l’intelligence artificielle.
• Les systèmes de navigation GPS : Développé en 1968 par l’Institut de recherche de Stanford, cet algorithme permet d’optimiser le cheminement entre plusieurs points dans un réseau en se basant sur le coût du trajet ou la distance parcourue.
• Les finances : Elles sont gérées par des systèmes intelligents pour organiser leurs opérations, investir en bourse et gérer leurs biens, mais aussi pour repérer des transactions qui sortent de l’ordinaire. Les banques possèdent aussi des systèmes experts d’évaluation de risques liés à l’octroi de crédits (credit-scoring).
• Le cyber sécurité : Les acteurs du cyber sécurité ont adopté les techniques du machine learning afin de détecter des comportements anormaux dans les systèmes d’information, et de déceler les menaces persistantes pour éviter des opérations d’espionnage ou d’extraction de données[2.8]. Près de 300 paramètres (heures et IP des connexions et des machines, téléchargements, etc.) sont pris en compte pour établir le modèle d’analyse comportementale dont la première phase d’apprentissage dure environ une semaine. Citons la jeune pousse lyonnaise Sentryo qui intègre des algorithmes de machine learning pour sécuriser les sites industriels critiques.
• La médecine : Depuis longtemps, grâce à l’évolution majeure de la technologie et des savoirs scientifiques, la Santé se voit être un enjeu premier dans nos sociétés. Aujourd’hui, l’Homme s’aide de machines afin de pouvoir mieux diagnostiquer des maladies et prodiguer des soins. Mais ces machines ne sont pas simplement mécaniques. Possédant des Intelligences Artificielles, elles sont bénéfiques aux médecins et autres personnel médical, autant dans leur apprentissage, que dans l’exercice de leur fonctions. Tout en restant dans le domaine médical et de la Santé, l’IA se retrouve aussi dans des robots aidant au mouvement ou recréant des mouvements ne pouvant plus être accomplis de façon naturelle par les patients.

L’utilisation de ce genre d’IA permet alors indéniablement d’appliquer de meilleurs soins ainsi qu’un meilleur confort de vie aux patients.

Figure 2.12 : Robots-chirurgiens

• Les jeux vidéo : Ils emploient des techniques d’intelligence artificielle pour donner vie aux personnages non joueurs ou encore pour créer des univers entiers à partir d’algorithmes. En 1997, DeepBlue, le superordinateur d’IBM avait battu Garry Kasparov, champion du monde d’échecs en titre. En 2016, c’est DeepMind, le programme d’intelligence artificielle de Google qui a annoncé la victoire de son programme AlphaGo contre le champion d’Europe de go en titre, Fan Hui. Ce résultat prend appui sur la technologie des réseaux neuronaux, que nous décrivons précédemment. Deepmind avait déjà développé un système d’intelligence artificielle capable de déterminer l’action la plus judicieuse pour battre l’homme dans une vingtaine de jeux d’arcade[2.9].

Figure 2.13 : L’IA dans les jeux vidéo (Test du jeux God Of War)

Conclusion :

Ce chapitre est consacré pour présenter d’une façon générale les outils ou algorithmes indispensable à la conception d’un système intelligent (L’analyse de données, Algorithmes du gradient, perceptron… ), ainsi que les domaines d’applications (domaine militaire , les finances , la médecine….)

Dans le dernier chapitre nous résumons les perspectives de l’intelligence artificielle ainsi l’impact social et son avantage et ses inconvénients.

________________________

² Définition donnée par l’article 62 de la loi sur les nouvelles régulations économiques (NRE) du 15 mai 2001. ↑

³ Auchan Les 4 Temps, La Défense. ↑

Questions Fréquemment Posées

Quelles sont les applications de l’intelligence artificielle dans le domaine industriel ?

Dans le domaine industriel, l’intelligence artificielle vise à réaliser des agents physiques comme des robots humanoïdes utilisés en médecine pour des opérations chirurgicales précises ou dans des milieux hostiles.

Comment l’intelligence artificielle est-elle utilisée dans le secteur militaire ?

Dans le secteur militaire, des robots militaires dotés d’intelligence artificielle sont utilisés pour des missions à risque, remplaçant les soldats dans des environnements dangereux et améliorant la précision des interventions.

Quel est le rôle des moteurs de recherche dans l’utilisation de l’intelligence artificielle ?

Tous les moteurs de recherche, comme Google, utilisent des systèmes intelligents d’extraction, d’analyse et de classification de données pour fournir rapidement des résultats pertinents aux requêtes des utilisateurs.