Journal du développeur

L’IA expliqué à ta grand-mère

14 avril 2021

Après presque dix années à voir mon entourage paniquer quand on leur demande « et Ben il travaille dans quoi déjà ?? » j’aurais pu me réorienter et devenir expert dans la vulgarisation des métiers de l’IA auprès des néophytes.

Alors déjà IA ça veut dire quoi ???

I pour Intelligence, A pour Artificielle.

Et c’est quoi une Intelligence Artificielle ?? Quelque chose d’intelligent, tout le monde le comprend, à sa manière du moins. Artificielle veut dire que ce n’est pas naturel, c’est créé par l’homme, via un ordinateur, sous la forme d’un programme informatique.

Quand on évoque une IA, vous pouvez penser à :

  • « I Robot », le film où l’IA est très puissante et pas si gentille
  • Matrix
  • Siri, Alexa ou encore Google Home

 

La plus simple pour comprendre, ce sont quelques exemples :

  • Quand Siri te donne la météo, il y a de l’Intelligence Artificielle
  • Quand Netflix te recommande un film, c’est de l’IA
  • Et pour finir, quand tu es sur un site e-commerce et qu’on te propose des articles similaires, c’est encore une fois … de l’IA !

 

Dans le cas de la météo, l’outil se base sur la reconnaissance de la parole, c’est-à-dire la retranscription à l’écrit de ce que tu lui demandes pour qu’ensuite ce soit interprété par une machine.

Dans le cas des recommandations Netflix ou E-commerce, la machine se base sur ce que tu as déjà vu, regardé ou acheté pour te proposer des films ou des produits similaires.

L’IA est partout, mais il n’y a pas « une IA qui s’occupe de tout », il y a au contraire une infinité de petits programmes informatiques. Chacun a une petite responsabilité pour une tâche spécifique, dans un système bien plus complexe.

Pour mieux comprendre, voici un schéma qui décrit le fonctionnement d’un système de recommandation qui pourrait s’approcher de celui présent chez Netflix :

 

source : https://pub.towardsai.net/recommendation-system-in-depth-tutorial-with- python-for-netflix-using-collaborative-filtering-533ff8a0e444)

L’IA peut s’appuyer sur différents programmes, on parle souvent de modèles mathématiques. Un modèle mathématique simple est ax+b (fonction affine), ce qui permet de tracer une ligne droite.

Pour simplifier, voici les trois types d’IA les plus fréquents :

  • Règles codées en dur (en anglais « rule-based systems »)
  • Les algorithmes
  • Les réseaux de neurones

 

Le premier est le plus simple à mettre en place, il consiste à un ensemble de règles codées dans un programme informatique.

Exemple très simple en pseudocode :

Quelles sont les différences entre les types d’IA ?

La première n’apprend pas. Ce programme est constitué d’un ensemble d’instructions définies pour résoudre un problème plus ou moins complexe. Par défaut donc, il n’apprend pas.

Il reste ensuite les algorithmes et les réseaux de neurones. Ces deux types d’IA font partie du domaine du Machine Learning, c’est-à-dire des machines qui apprennent.

Quand on parle d’algorithmes, le choix possible est très vaste. On pense souvent à des modèles linéaires. Ces modèles permettent d’appliquer des poids à des caractéristiques avec pour objectif une prédiction ou une classification.

Exemple : Pour prédire le salaire moyen en sortie d’études :

  • On peut appliquer un poids important sur le diplôme obtenu
  • Un poids très faible sur la pointure de l’étudiant ( car il n’existe aucun lien normalement …)
  • Un poids très important sur la position géographique (on gagne plus à Paris qu’à Lyon ?, Etc.

 

Il existe d’autres types de modèles, mais ce n’est pas le but de cet article.

Quand on parle de réseaux de neurones, on parle souvent de Deep Learning, domaine s’appliquant généralement aux données dites non structurées (voir explication ci-dessous).

Une donnée structurée peut être représentée par un fichier excel / un tableau. Par exemple, une voiture possède :

  • 4 roues
  • Une marque
  • 1 nombre de chevaux
  • Une couleur
  • L’année de construction etc…

Une donnée non structurée est par exemple l’image d’une voiture. Il est difficile de définir la structure d’une image.

Essayer de décrire une image de façon structurée devient compliqué !

Bon et comment on lui apprend quelque chose à cette IA ?

En machine learning, on apprend à l’IA principalement en lui donnant des exemples, et en l’entraînant sur la base de ces exemples.

Le fameux exemple de la reconnaissance d’une photo avec un chat dessus est très connu, et c’est justement pour ça qu’on va le réutiliser.

On donne au programme informatique des milliers d’images, préalablement rangées dans deux catégories :

  • Non chat
  • Chat

 

On transforme la photo afin qu’elle soit interprétable informatiquement :
une photo de 10 pixels par 10 pixels en noir et blanc devient un tableau de 100 valeurs numériques.

Quand est-ce que l’IA va remplacer l’humain ?

Chacun a son avis. Le mien : elle le remplace déjà sur de nombreuses tâches !

Les recherches d’aujourd’hui mettent en avant une IA avec une intelligence limitée. En effet, l’IA la plus courante apprend, mais pour le moment elle apprend ce qu’on lui dicte.

Il existe néanmoins plusieurs projets de recherche traitant de la simulation du raisonnement humain, mais la puissance de calcul nécessaire rend ce type de projet accessible qu’à quelques entreprises pour le moment.

Pour aller plus loin
Maintenant que tes proches, et moins proches, ont tout compris sur l’IA, tu peux te lancer dans l’explication du Big Data.
Easy Partner a aussi un article pour ça : comprendre le Big Data !

L'auteur Privé : Benjamin Lacroix

CTO de SIWISE et Machine Learning Expert

Privé : Benjamin Lacroix
Postuler à l'annonce Postuler à toutes les annonces Ingénieur système linux orienté web
Remplissez le formulaire
C'est tout bon

On vous recontact au plus vite !
En attendant, vous pouvez toujours consulter nos autres jobs !

rotate screen

Retourner votre tablette pour une meilleure navigation