Épisode 1 : Mener à bien un projet d’Intelligence Artificielle 2


ORSYS

Épisode 1 : Mener à bien un projet d’Intelligence Artificielle

Méthodologie de gestion de projet, qualité de données, choix de l’algorithme… Cédric Vasseur*, expert en Intelligence Artificielle (IA), donne quelques clés pour mener à bien un projet d’IA.

Depuis quelques mois, l’Intelligence Artificielle fait la une des journaux, y compris grand public. L’homme rêve qu’elle soit plus performante qu’elle ne l’est. Selon les articles, les robots vont le libérer des tâches les plus ingrates ou, inversement, prendre son travail et contrôler sa vie.

La question de l’éthique des algorithmes se pose et soulève des questions à la fois sociologiques et philosophiques. Mais il convient selon Cédric Vasseur, expert en Intelligence Artificielle et robotique, conférencier et formateur chez ORSYS, de relativiser.

« Aujourd’hui, l’Intelligence Artificielle ne peut pas tout faire. Elle montre rapidement ses limites. » Pour s’en persuader, il suffit, selon lui, d’utiliser les assistants vocaux d’Amazon ou de Google. « Monolocuteurs, ils fonctionnent par instructions et compréhension de mots-clés. Nous ne sommes pas encore dans le dialogue en langage naturel. »

Services « sur étagère » ou développements spécifiques

L’époque reste donc à l’évangélisation. En multipliant les démonstrations et les formations, il s’agit de montrer concrètement ce que peut apporter l’IA aux entreprises. Et comme il n’y a rien de mieux que de se frotter directement aux technologies, Cédric Vasseur rappelle qu’il existe des services d’IA disponibles « sur étagère ».

« Certaines solutions peuvent être mises en place en quelques minutes voire en une après-midi ». Des outils en ligne comme Chatfuel et Botsify permettent, par exemple, de créer rapidement et sans notions de programmation un chatbot.

Un cran plus loin dans l’intégration, les grands noms du Cloud public – Amazon Web Services, Microsoft Azure, Google Cloud Platform – proposent toute une panoplie de services cognitifs. Ils sont prêts à l’emploi dévolus à la traduction automatique, à l’analyse de texte ou à la reconnaissance d’images. Ils se présentent sous forme d’APIs externes.

Enfin, pour des solutions « sur mesure » ou pour des raisons de confidentialité (hébergement sur ses propres serveurs), l’entreprise recourra à des développements spécifiques. Ce qui suppose donc de faire appel à une méthodologie de gestion de projet. Et ce, avec les étapes classiques de l’analyse de l’existant, de l’expression du besoin et de la rédaction du cahier des charges. Les spécialistes de l’IA, de type Data Scientists, devront être en communication étroite avec les experts métiers. Ils sont les seuls à même de définir les besoins business attendus.

Filtrage bayésien, réseau de neurones, apprentissage par renforcement

ORSYS

Épisode 1 : Mener à bien un projet d’Intelligence Artificielle

Sur la question souvent évoquée de la qualité des données, Cédric Vasseur note qu’il n’est plus nécessaire d’avoir des données parfaitement propres comme par le passé. « Dorénavant, les modèles actuels d’IA peuvent, par exemple, comprendre les différentes orthographies approximatives d’un même mot. »

Un autre point particulièrement sensible porte sur le choix de l’algorithme. Au-delà de la distinction entre Machine Learning et Deep Learning, mode supervisé ou non supervisé, il existe un très grand nombre d’algorithmes en fonction du problème à résoudre.

Le filtrage bayésien permet de séparer les spams des emails. Les réseaux de neurones convolutifs sont utilisés dans la reconnaissance d’images. Les réseaux de neurones récurrents pour l’analyse du langage ou la traduction automatique. Et l’apprentissage par renforcement pour les jeux de stratégie et la robotique.

La phase d’apprentissage du modèle est aussi essentielle. Une IA mal « nourrie » peut créer des effets dévastateurs. Microsoft en a fait les frais avec son chatbot Tay. Il était censé discuter avec des adolescents sur les réseaux sociaux mais ces derniers ont voulu tester ses limites. Néanmoins, rapidement, il a dérapé, tenant des propos extrêmement vulgaires,  insultants, à connotation raciste…. Fort de cette expérience, la plupart des chatbots et assistants vocaux se limitent à des mots clefs et réponses très contrôlées.

Enfin, pour estimer la qualité de l’entraînement d’une IA, la chasse aux biais se poursuit par une étape de tests et de validation où on aura réservé pour cela un jeu de données spécifique.

 

L’IA en 4 dates-clés

  1. DeepBlue, superordinateur spécialisé dans les jeux d’échecs, bat le champion du monde Garry Kasparov.
  2. La technologie de Deep Learning repousse de nouvelles limites grâce à l’utilisation de GPU (processeurs graphiques) et l’utilisation de la base de données ImageNet.
  3. Le projet de recherche Google Brain est capable de reconnaître un « chat » sur la base de vidéos YouTube.
  4. ImageNet comporte plus de 10 millions d’images « étiquetées ».

 

Le Tour de France de l’intelligence artificielle et de la robotique

Cédric Vasseur anime en 2018 des conférences et séminaires pour ORSYS sur l’Intelligence Artificielle et la robotique.

– Intelligence Artificielle, panorama avancé (conférence)

Paris 15/11/18

– Intelligence Artificielle, pour mieux comprendre (conférence)

Nantes 08/11/18, Toulouse 13/12/18, Strasbourg 20/12/18

– Séminaire « Robotique, état de l’art » (séminaire)

Paris, les 3 et 4 décembre 2018 (2 jours)

Cédric Vasseur ORSYS

*Cédric Vasseur

Formateur, conférencier, chroniqueur spécialiste des nouvelles technologies liées à la robotique et à l’Intelligence Artificielle. Auteur de nombreux projets liés à l’IA et la robotique dont BeepAI, une Intelligence Artificielle multiplateforme capable d’apprendre à programmer par elle-même. Il travaille depuis plus de 15 ans sur de nombreux projets industriels, R&D, en tant qu’analyste-programmeur, responsable de département informatique, consultant-formateur, conférencier, chroniqueur et animateur d’événements liés aux nouvelles technologies.

Share

Laissez un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

2 commentaires sur “Épisode 1 : Mener à bien un projet d’Intelligence Artificielle

  • Alain Seux-Bos

    « Cédric Vasseur note qu’il n’est plus nécessaire d’avoir des données parfaitement propres comme par le passé » : heu, non.

    Il est important de faire une belle « data preparation » et un bon « feature engineering » si l’on veut des modèles performants. Laisser penser que l’on peut prendre des données sans les vérifier est une belle erreur.

    Alors ok, pour les différentes orthographes d’un mot, ça peut passer, mais dans la vie courante de la data science des entreprises qui cherche à prédire le comportement de leurs clients, mettre en place des moteurs de recommandation de produits… je leur conseille de bien préparer leurs données 🙂