J’ai lu « Intelligence artificielle impact sur les entreprises et le business » de Jean-Michel Rodriguez. Voici une note détaillée en deux parties … qui serviront aussi à enrichir mes formations en intelligence artificielle 🙂 Prochaine session le 19 janvier.
- Intelligence artificielle impact sur les entreprises.
- Intelligence artificielle impact sur le business
Intelligence artificielle impact sur les entreprises
« Intelligence artificielle impact sur les entreprises et le business » est un ouvrage universitaire, au bon sens du terme, de près de 450 pages. L’auteur est un expert patenté, titulaire d’un doctorat en IA, expert dans le traitement de la donnée et dans la gestion et le partage des connaissances. Bref quelqu’un de bien 🙂 Son ouvrage fait bien le tour du sujet. Les thématiques sont abordées de manière claire et structurée. Le plan est limpide. Il écrit dans un français parfait, choisissant toujours les expressions françaises face aux anglicismes pénibles que tout le monde se plait à saupoudrer partout. J’ai juste eu mal aux neurones quand il a abordé en fin d’ouvrage une vision transhumaniste du monde. C’est le seul bémol de cet ouvrage.
Chapitre 1 Introduction : Intelligence artificielle impact sur les entreprises
Il tape vite et fort : selon lui « l’intelligence hybride » existe déjà. Nous sommes déjà transformés au niveau neurologique par les intelligences artificielles. Pour preuve, il cite une étude de l’University College London qui explique que lorsque nous utilisons un GPS, la partie de notre cerveau responsable de la mémoire des lieux (hippocampe et cortex préfrontal) est désactivée !
Types d’intelligence
Il fait ensuite une longue présentation de ce qu’est l’intelligence humaine. Il cite les huit types d’intelligence segmentée par Howard Gardner :
- Intelligence verbale linguistique
- L’intelligence musicale
- L’intelligence logico-mathématique
- L’intelligence spatiale
- L’intelligence kinesthésique
- L’intelligence interpersonnelle
- L’intelligence intrapersonnelle
- L’intelligence naturaliste
Il cite aussi les trois types selon Robert Sternberg :
- L’intelligence analytique
- L’intelligence créative
- L’intelligence pratique
Il rappelle enfin la distinction binaire de Daniel Golemean :
- L’intelligence sociale
- L’intelligence émotionnelle
Surdouance
J’avais pas mal traité le sujet avec plusieurs conférences du Club IES sur la surdouance (avec Sabrina Menasria et Fabien Compère). L’auteur explique qu’une partie de ces compétences peut être couverte par les machines. On devinera assez bien que ce n’est pas la dimension interpersonnelle. Kai Fu-Lee avait bien décrit cela dans ses livres (AI la plus grande mutation de l’histoire AI 2041 ). Et le processus de décision humain décrit ci-dessous peut aussi être reproduit par une machine :
- J’observe
- J’interprète
- J’évalue
- Je décide
(Cf le cycle de l’information ou la boucle ODOOA)
Il rappelle ensuite l’histoire de l’IA.
Chapitre 2 Les domaines de l’intelligence artificielle
Test de Turing
Après avoir rappelé le test de Turing (voir le film sur Alan Turing) il rappelle les tentatives successives de passer ce test :
- 1966 le programme ELIZA.
- 1988 création de Cleverbot et mise en ligne en 1997.
- 2014 le superordinateur baptisé Eugene Goostman.
- 2018 Duplex de Google
- 2021 le chatbot de Google LaMDA, basé sur Transformer « une architecture de réseau de neurone que Google Search a inventé et open source en 2017 » (sur le réseau de neurones, lire Stéphane Roder).
L’auteur poursuit avec les champs d’application :
- Vision
- Robotique
- Connaissance … partie la plus intéressante que je vais développer ci-dessous.
- La planification automatique et l’ordonnancement.
- Le langage naturel. Il revient sur le TAL / NPL.
- L’apprentissage.
- Le raisonnement automatisé.
De la donnée à la connaissance
Il rappelle la segmentation :
- Donnée brute.
- Données structurées : données brutes qui ont été triées, nettoyées et classifiées.
- Métadonnée : connaissance sur la donnée.
- Information : interprétation de la donnée.
- Connaissance (tacite ou explicite) : compréhension de l’information qui aboutit à une action.
- Métaconnaissance : connaissance sur les connaissances.
Types de raisonnements
Et expose les différents types de raisonnements :
- Raisonnement par induction : partir de fait pour en tirer une loi générale.
- Raisonnement par déduction : partir d’une loi générale pour en tirer une conséquence particulière.
- Raisonnement par syllogisme : raisonnement déductif qui tire sa conclusion de deux propositions (prémisses).
- Raisonnement par abduction : je cite « cela consiste, en observant un ou plusieurs faits dont on connait une cause possible (…) à prendre cette cause comme hypothèse pour affirmer qu’elle est probablement la cause des faits du départ ».
- Raisonnement par analogie : comparer plusieurs choses.
- Raisonnement par l’absurde : prendre le contraire de l’affirmation que l’on veut démontrer et prouver qu’elle est fausse.
- Raisonnement critique : réfuter tous les arguments contraires à ce que l’on veut démontrer.
- Raisonnement par concessif …
Et bien d’autres. Voire à ce propos le livre de Clément Viktorovitch sur le pouvoir de la rhétorique.
La machine a ceci de supérieur à l’humain :
- Elle peut prendre un vaste ensemble de données.
- Elle n’a pas de préjugé.
- Elle n’a pas de sentiment.
Chapitre 3 Les données
C’est un chapitre très dense. Je n’en reprends ici que deux éléments :
L’auteur rappelle la différence entre les différentes formes de données :
- Données structurées : par exemple celles d’une base de données.
- Données non structurées : par exemple des mails.
- Données semi-structurées : sont en partie structurées, mais avec une structure non classique.
- Données synthétiques : produites par une machine.
Il explique que les organisations vont passer :
- Du big data
- Au small data : utiliser peu de données, mais opérationnelles.
- Puis au wide data : permet l’analyse et la synergie d’une variété de sources de données petites ou grandes.
Je passe les aspects sécurité informationnelle et utilisation illicite des données.
Chapitre 4 Le cognitive business
Le cognitive business est clairement le dada de l’auteur. Il le définit comme « un moyen de faire du business avec des outils cognitifs ». Ce qui m’a sidéré dans ce chapitre est la proximité avec le concept d’intelligence économique. Et j’ai eu le sentiment que l’intelligence économique se faisait en quelque sorte doubler par un nouveau concept.
Ce chapitre est aussi très riche. Il parle de cloud, de data@Edge, d’éthique (voire les notes de lecture de Jean-Gabriel Ganascia : Idées reçues sur l’intelligence artificielle et Servitudes virtuelles).
Chapitre 5 La transformation digitale
Il place la révolution digitale à pied d’égalité avec la révolution de l’écriture et de l’imprimerie (mais il oublie la révolution du langage et de l’électrification des outils de communication). Il rappelle au passage que nous devrions utiliser le mot numérique (transformation en nombre). Le mot digital vient de l’anglais « digit » qui signifie aussi « nombre » (en français, digital fait référence aux doigts).
Les bénéfices pour les entreprises sont évidents, mais les défis sont énormes : mettre en place une stratégie, sensibiliser le management et les collaborateurs, allouer les budgets, maitriser les risques.
Ce chapitre ne traite pas directement d’intelligence artificielle et de son impact sur les entreprises. Je passe donc.
« Intelligence artificielle impact sur les entreprises et le business » est édité chez ENI.
Prochaine formation Inter-Ligere sur l’intelligence artificielle au service de l’intelligence économique : le 19 janvier en distanciel
La suite demain
Jérôme Bondu
