Comme je l’ai déjà évoqué précédemment, l’intelligence artificielle ne fait pas encore partie du programme enseigné en classe prépa. Néanmoins, je pense que cela ne devrait pas trop tarder vu l’importance et l’ampleur que prend le phénomène. Je te propose aujourd’hui de découvrir des concepts autour du Big Data, de l’intelligence artificielle et de la digitalisation en général.
Histoire de l’intelligence artificielle
Allez, commençons par… un peu d’histoire pour que tu comprennes d’où viennent toutes ces notions liées à la digitalisation. Le terme “intelligence artificielle” a été utilisé pour la première fois en 1956 lors d’un meeting scientifique. L’expression faisait alors référence à des tâches faciles pour les humains mais compliquées pour les machines. Le mathématicien Alan Turing (dont tu dois forcément connaître l’existence) dans son livre Computing Machinery and Intelligence, s’est alors interrogé sur la manière dont les hommes pourraient apporter aux machines une forme d’intelligence. Durant les débuts de l’informatique, les machines ont été performantes uniquement dans l’exécution de tâches logiques, laissant ainsi les autres tâches (mener une conversation ou reconnaître les émotions des individus par exemple) de côté.
Fort heureusement, l’intelligence artificielle a grandement évolué et aujourd’hui on la définit plutôt comme un ensemble de techniques permettant aux machines d’imiter au mieux les comportements humains. Il existe ce que l’on appelle des chatbots qui te permettent de mener une conversation comme avec un humain. De là, il en découle évidemment des concepts clés et des théories qui peuvent te servir pour illustrer tes propos dans une copie de management ECT, puisque rappelons-le, l’intelligence artificielle est partout dans notre société et en particulier au cœur des entreprises.
Les concepts clés autour de l’intelligence artificielle
Le Big Data
Le Big Data est une notion très large qui est connue de tous sans vraiment savoir de quoi il s’agit. Cette notion est apparue très récemment, plus précisément avec l’émergence des big tech, et on peut littéralement la traduire par “données massives”. Il s’agit en fait d’un concept caractérisant une base de données numériques capable de stocker un nombre indicible d’informations. En d’autres termes, le Big Data caractérise l’analyse d’un nombre conséquent de données.
Le Data Warehouse
Le Data Warehouse est parfois aussi appelé « data center ». Il s’agit d’un immense entrepôt de données permettant de stocker des données historiques structurées. Il peut regrouper des équipements d’une ou plusieurs entreprises et peut donc être interne et/ou externe à l’entreprise en fonction de ses besoins. Il est organisé sur des kilomètres remplis d’ordinateurs de stockage. Selon William H. Inmon, l’inventeur du concept, les données stockées dans un Data Warehouse présentent quatre caractéristiques : elles doivent être orientées sujet, intégrées, non volatiles et « time-variant ».
Le Data Scientist
En règle général, la Data Science est la science des données. Tu l’auras compris, elle permet à une entreprise d’analyser les données brutes recueillies sur Internet pour les transformer en informations utiles pouvant résoudre les problèmes d’une entreprise. Un Data Scientist est donc un expert de ce domaine, il est polyvalent, comprend le langage scientifique et dispose d’un fort esprit critique pour analyser les données qui lui seront fournies.
Le Data Mining
Le Data Mining permet d’analyser un grand volume de données et d’en faire ressortir les tendances générales. Le Data Mining désigne en d’autres termes l’analyse de données et le fait de transformer ces données en informations utiles et exploitables, qui peuvent ensuite être utilisées par les entreprises pour augmenter leur chiffre d’affaires, diminuer leurs coûts, comprendre leur clientèle, etc. Toutes ces “data”, traduites grâce aux algorithmes, peuvent donc te servir pour être source de proposition au sujet de la stratégie d’une entreprise par exemple.
Le Cloud
Le Cloud est une forme d’infogérance, c’est-à-dire le processus par lequel une entreprise externalise son système d’information. Le Cloud est utilisé pour désigner la livraison de ressources et de services à la demande par Internet. Concrètement, cette organisation se met en place par un stockage et un accès aux données par l’intermédiaire d’Internet plutôt que via le disque dur d’un ordinateur.
Le Machine Learning
Le Machine Learning est un procédé qui permet aux ordinateurs de s’améliorer grâce à l’apprentissage automatique. C’est une technologie d’intelligence artificielle permettant aux ordinateurs d’apprendre sans avoir été programmés explicitement à cet effet. De grandes entreprises utilisent aujourd’hui le Machine Learning pour, par exemple, réaliser les meilleures recommandations de produits.
Le Deep Learning
Le Deep Learning est une partie du Machine Learning. L’apprentissage profond intègre et analyse une grande quantité d’informations qu’il peut ensuite catégoriser. En fait, il va beaucoup plus loin dans l’analyse et permet notamment la reconnaissance d’images (par exemple pour Face ID sur les iPhone d’Apple).
Les théories à mobiliser pour parler de l’intelligence artificielle
Les 5V du Big Data (décrivent les particularités du Big Data)
– Volume = un nombre toujours plus grand de données à gérer.
– Variabilité = des formats différents doivent être traités.
– Véracité = la fiabilité et la qualité des données à traiter.
– Vélocité = la capacité à les mobiliser en temps réel.
– Valeur = l’utilité d’exploiter ces données.
La théorie de la vallée dérangeante (concerne l’intelligence artificielle)
Elle énonce que si un outil d’intelligence artificielle est utilisé, il doit être, au niveau de l’interface, soit parfaitement mis au point soit pas du tout perfectionné, s’il est entre les deux, cela déclenchera un manque de confiance de la part du client envers l’entreprise. La vallée représente une zone à franchir au-delà de laquelle un certain seuil de réalité est atteint, rendant l’intelligence artificielle plus acceptable.
La typologie de l’intensité de l’intelligence artificielle (IA)
– IA automatisée : elle est conçue pour automatiser des tâches manuelles ou cognitives déjà existantes dans le but de gagner en productivité.
– IA assistée = elle est conçue pour améliorer les activités de l’entreprise et assister l’humain dans sa prise de décision ou dans l’exécution d’une tâche sans pour autant apprendre de l’environnement.
– IA augmentée = elle est conçue pour réaliser les tâches qui concernent l’entreprise mais aussi prendre en compte son environnement global (hors entreprise). Elle améliore donc le processus de décision de l’humain avec des systèmes qui s’améliorent au contact des humains et de leur environnement.
– IA autonome = elle est conçue avec un niveau d’adaptation et de prise d’action autonome sans intervention humaine.
Conclusion
Te voilà maintenant au point sur l’intelligence artificielle et tous les éléments qui l’entourent ! Tu dois néanmoins encore te poser une question : comment est-ce que j’utilise toutes ces notions ? C’est très simple, dans la plupart des cas de management (à l’instar de ce qui se passe actuellement dans les entreprises), l’entreprise à étudier aura souvent envie de se tourner vers le numérique ou alors d’améliorer les dispositifs qu’elle possède déjà. C’est à l’occasion de ce genre de questions que tu pourras illustrer tes propos en caractérisant notamment à quel niveau d’intelligence artificielle elle se trouve et vers quel niveau elle pourrait aller, ou encore comment mettre en place l’infogérance avec un Cloud.
