Quelques définitions
L’intelligence artificielle (IA) dont nous allons parler ici fait référence à un domaine spécifique de l’IA: le Deep Learning (Apprentissage Profond), qui lui-même appartient au domaine de l’Apprentissage Machine (Machine Learning).
Pourquoi ? Car c’est dans ce domaine spécifique que les progrès d’IA les plus significatifs ont vu le jour ces dernières années,. C’est aussi dans cette branche que la technologie est la plus mature et donc accessible aux entreprises.
Parle-t-on vraiment d'intelligence?
Dans notre vision des choses, il est très probable que le Machine Learning et le Deep Learning ne soient plus considérés comme de l’IA dans quelques années (et cela commence déjà en réalité). L’intelligence artificielle est en effet un concept, visant à terme à imiter, voire dépasser, l’intelligence de l’homme. Ce concept fera donc probablement toujours référence aux dernières prouesses technologiques s’en rapprochant le plus, requalifiant et renommant différemment les précédentes avancées. Le Machine Learning ou le Deep Learning ne sont pas encore assez connus par le grand public et les entreprises pour être nommés ainsi, c’est pourquoi nous utilisons pour le moment ce terme générique d’intelligence artificielle.
L’IA n’a pas de définition précise ni unanime et suscite grandement l’imaginaire et les passions. Nous laissons ces débats et ces réflexions à d’autres et nous concentrons sur l’aspect pratique des choses. Digne d’une intelligente humaine ou pas, cette technologie permet dès aujourd’hui de régler des problèmes nouveaux, d’automatiser de nouvelles activités, et c’est ce qui nous intéresse.
Faut-il de grandes quantités de données?
Les données sont un élément important quand on parle d’IA. Il ne faut cependant pas penser que seules des entreprises possédant beaucoup de données peuvent accéder à cette technologie. Les outils de reconnaissance d’images ou de traitement du langage naturel, par exemple, peuvent se baser sur des modèles déjà « entraînés », qui eux sont disponibles soit en open source, soit mis à disposition par des entreprises comme Google et Amazon. Ils peuvent ensuite, à l’aide d’une quantité de données beaucoup plus restreinte, être adaptés à des besoins différents. Des entreprises spécialisées ayant accumulées beaucoup de données dans un domaine ou dans un but applicatif bien particulier peuvent également fournir des services adaptés à vos besoins même si peu de données sont disponibles dans votre entreprise. Il n’est donc pas systématiquement nécessaire d’avoir un accès à de grandes quantités de données pour tirer partie du Deep Learning.