Par Isabelle ROUHAN, Colibri Talent.

Le salon AI Paris a réuni les 11 et 12 Juin dernier plus d’une centaine d’exposants qui innovent dans le domaine. En effet, l’intelligence artificielle est LE  buzz word du moment. Elle est partout, dans la relation client grâce aux chatbots, dans la fixation des prix qui s’ajustent en temps réel selon l’offre et la demande, dans la prévention de la fraude, et même dans les revêtements pour le sol…

Ce qui est intéressant, c’est la multiplication des cas d’usage et des modes d’apprentissage, qui est un des défis les plus importants que l’Intelligence Artificielle doit relever en ce moment. Car oui, un algorithme apprend, et il combine même plusieurs manières d’apprendre.

Apprentissage supervisé ou non, quelles différences ?

La pédagogie pour les robots est désormais une réalité, car il faut leur apprendre à apprendre. Dans l’apprentissage supervisé, le data scientist est là pour “éduquer” l’algorithme en lui fournissant un grand nombre d’exemples pertinents et classés. L’intelligence artificielle apprend alors de chaque exemple, avec pour objectif, de généraliser ses conclusions sur de nouvelles situations. C’est par exemple le cas chez BNPP Personal Finance, qui emploie 300 data scientists, afin que la banque garde le contrôle de bout en bout de l’approche décisionnelle basée sur l’IA. C’est d’autant plus important que le régulateur demande aujourd’hui à ce que les algorithmes ne soient plus des boites noires, et à ce que les décisions prises sur cette base soient justifiées et reproductibles (encore un effet de bord de RGPD !).

Dans le cas de l’apprentissage non supervisé, l’apprentissage à la machine se fait de façon totalement autonome. Des données sont alors communiquées à la machine sans lui fournir les exemples de résultats attendus en sortie. L’avantage de cette seconde approche est de pouvoir adapter en temps réel les outils d’aide à la décision, ou encore de contextualiser les réponses  apportées par les avatars, ce qui les rend plus performants. C’est le cas des « centres d’appels augmentés » que met en place le service public (AIFE, l’agence pour l’informatique financière de l’état) : depuis début 2018, c’est désormais une intelligence artificielle prénommée ClaudIA qui règle directement les problématiques posées auparavant au service client, et résout des problèmes ainsi à grande échelle.

En effet, en deux mois, ClaudIA a traité plus de 10 000 conversations, avec une moyenne de 3,5 interactions par conversation. Sur l’aspect purement technique, ces mêmes conversations ont généré 80 000 requêtes à la solution d’IA et ClaudIA est disponible 7 jours sur 7, 24h/24.

Mais alors, on va tous être remplacés par des robots ?

« On ne fera pas la révolution de l’IA sans les hommes. » comme le déclare Nicolas MERIC, fondateur de Dreamquark. Il ne faut donc pas être alarmiste. Ainsi, McKinsey & Company, dans son étude « 10 enjeux cruciaux pour la France à horizon 2022 », publiée en Avril 2017, estime ainsi qu’en France, la moitié des heures travaillées actuelles sont consacrées à des activités automatisables. Pourtant, les analyses démontrent que seuls 5% des postes seraient susceptibles d’être intégralement remplacés par des machines ou des robots. En revanche, le besoin d’adaptation du monde du travail sera massif puisque près de 60 % des emplois pourraient être partiellement automatisés. Nous allons donc être nombreux à gagner du temps en éliminant certaines tâches répétitives grâce à l’intelligence artificielle. Reste à savoir ce que nous allons faire de ce temps disponible…

Pour conclure, il y a désormais trois facteurs clefs de succès pour réussir le déploiement de l’IA à grande échelle :

• La connaissance métier
• La maitrise de la technologie
• La capacité d’intégration dans le quotidien des solutions basées sur l’AI

Mais au-delà de ces conditions à réunir pour réussir, le vrai défi est de permettre au plus grand nombre de personnes d’acquérir de nouvelles compétences, qui permettront à chaque collaborateur d’utiliser l’AI pour aller plus loin dans son métier.

.