En référence à leur fréquence d’utilisation actuelle, les termes «intelligence artificielle» (AI) et «apprentissage automatique» (AA) ont depuis longtemps atteint le statut de «mots à la mode». De même que l’utilisation de ces termes est fréquente, de même les interprétations sont diversifiées. Il convient par conséquent dans la suite de ce chapitre d’établir d’abord une compréhension commune dans les cas suivants:

  • Intelligence Artificielle (IA): L’Intelligence Artificielle est une intelligence qui ne vient pas d’objets vivants, c’est-à-dire vient de machines, qui sont équipées d’une puissance analytique complète. Cette puissance se traduit par diverses compétences –typiquement humaines- telles que la perception, la capacité d’apprentissage, le raisonnement, la planification et la déduction des décisions. Selon que ces capacités ne fonctionnent que dans un contexte précis ou peuvent s’adapter à un nouveau contexte, on distingue les systèmes d‘IA faibles et forts.
  • Apprentissage Automatique (AA): Dans le cadre de l’AA on rend l’ordinateur capable d’apprendre sans être explicitement programmés sur des détails spécifiques. Dans ce processus, un ordinateur reconnaît automatiquement les modèles et les lois dans les données fournies. Après l’achèvement de la phase d’apprentissage, l’expérience acquise est généralisée, c’est-à-dire transformée en connaissance, qui peut ensuite être appliquée comme un transfert à de nouveaux ensembles de données. Par conséquent, l’AA est importante pour la réalisation de l’intelligence artificielle, parce que dans son essence, l’intelligence n’est rien d’autre que l’apprentissage. Tout comme les hommes apprennent à communiquer, à reconnaître certains modèles (par exemple, sous forme de grammaire) ou à prendre en compte les règles lors de la conduite, les machines peuvent être formées, afin de pouvoir assumer indépendamment les tâches liées à celles évoquées. Puisque les systèmes d’IA sont donc généralement basés sur l’AA, les deux termes sont souvent employés comme synonymes. Ici, nous comprenons surtout l’apprentissage automatique comme une condition nécessaire pour l’intelligence artificielle.

Le principe de l’IA n’est pas nouveau et les premiers concepts théoriques sont déjà vieux de plusieurs décennies. Cependant, ce n’est que maintenant, avec une performance matérielle suffisante, qu’il y a des conditions techniques nécessaires à l’utilisation de l’IA dans une portée industrielle et donc, surtout, par l’automatisation pour atteindre l’amélioration des performances. Comme le montre la figure 1, les solutions d’intelligence artificielle sont souvent une combinaison de données de grande taille, d’algorithmes basés sur l’intelligence artificielle et du matériel de haute performance requis pour ce faire.

Intelligence artificielle

Illustration 1: Solutions d’Intelligence Artificielle comme combinaison de trois composantes centrales

La possibilité de transférer des principes d’IA à des contextes extrêmement différents aboutit à une variété quasi infinie d’options d’application. Déjà aujourd’hui, les systèmes d’IA bien formés ne sont pas seulement capables d’accomplir certaines tâches au niveau humain, mais aussi de les exécuter plus rapidement et plus systématiquement. Dans des domaines d’application spécifiques, la performance des ordinateurs dans le traitement des données complexes aboutit même à un dépassement des performances humaines. Un exemple ici, la meilleure détection du cancer de la peau est faite par ordinateur.

Les attentes élevées dans l’environnement industriel en ce qui concerne le potentiel sont en grande partie basées sur le fait que la prolifération croissante des objets interconnectés par l’internet des objets (IoT) donne lieu à des préalables idéals pour les applications d’IA. Les volumes de données élevés générés dans le cadre de l’IoT peuvent être combinés pour créer des applications à valeur ajoutée concrètes telles que la maintenance prédictive à l’aide de l’IA.

L’impressionnante performance de ces applications d’IA – notamment grâce à la contribution de nombreux films hollywoodiens – stimule l’imagination des opportunités et des risques y associés. Cependant, le scénario dans lequel les robots intelligents rendent les humains complètement obsolètes restera probablement encore une fiction pour une durée indéterminée. Entsprechend ändern sich die Prozesse und die Rollen der Menschen, nicht aber ihre grundsätzliche Relevanz. En termes de coopération entre l’homme et la machine, l’IA sert de pionnier pour l’amélioration durable des performances. Les processus et les rôles des hommes changent par conséquent, mais pas leur importance fondamentale. L’illustration suivante montre trois exemples d’applications d’IA qui assistent les hommes dans la vie quotidienne :

Intelligence artificielle

Illustration 2: Exemples d’applications d’Intelligence Artificielle

 

Malgré le potentiel associé à ce sujet, l’IA n’est certainement pas une panacée pour tout défi commercial. Notre expérience montre que les avantages concrets d’utilisation devraient être systématiquement dérivés. Comme le montre la figure 3, la procédure suivante est appropriée:

AI modèle

Illustration 3: Cadre de procédures pour l’identification et l’intégration des solutions Intelligence Artificielle

Dans la procédure illustrée à la figure 3, les étapes 1 et 5 sont particulièrement importantes pour la réussite des solutions d’intelligence artificielle. L’approximation de l’IA doit être faite sur des défis et des problèmes concrets. La question « pour quoi pouvons-nous utiliser l’IA? » est trop générale et ne peut conduire à aucun but.

L’intégration de la solution d’IA dans l’organisation existante est tout aussi centrale. Si la collaboration homme-machine n’est pas acceptée par les employés impliqués, et les processus et les rôles pas adaptés en conséquence, les solutions les plus intelligentes sont tout simplement vouées à l’échec dès le début. La construction de la confiance est indispensable et compte parmi les conditions essentielles d’une coopération réussie entre hommes et machines. L’introduction de solutions d’IA en particulier peut mener à des défis culturels, parce que le processus entre l’entrée et la sortie de la solution d’IA peut être tout à fait incompréhensible pour des employés. Dans ce contexte, l’accent ne doit pas être mis sur les algorithmes définis une fois pour toutes, mais sur les données utilisées pour «former» la machine intelligente. Selon l’expérience, les hommes ont, pour cela, besoin d’un certain laps de temps qui devrait être planifié en conséquence avant la pleine performance est attendue. Sachant cela, il est souhaitable non seulement d’approcher très tôt l’IA d’une perspective de performances, mais aussi d’un point de vue organisationnel/culturel, de sorte que le potentiel d’IA entier puisse se répandre dans l’entreprise.

Avec nos experts nous vous soutenons volontiers dans la structuration et l’évaluation du potentiel des solutions d’intelligence artificielle pour votre entreprise.

Contactez un de nos experts

Markus Fost, MBA, est un expert en E-commerce, modèles d'affaires et transformation numérique avec notamment une vaste expérience dans les domaines de la stratégie, l'organisation, la finance d'entreprise et la restructuration opérationnelle.

En savoir plus

Markus Fost

Managing Partner
Markus Fost, MBA, est un expert en E-commerce, modèles d'affaires et transformation numérique avec notamment une vaste expérience dans les domaines de la stratégie, l'organisation, la finance d'entreprise et la restructuration opérationnelle.

FOSTEC & Company est connu de

Lire plus

FOSTEC & Company GmbH

Marienstraße 17, D-70178 Stuttgart

info@fostec.com

+49 (0) 711 995857-0

+49 (0) 711 995857-99

Contactez nous