L’ Intelligence Artificielle, ce n’est pas, comme Hollywood aimerait nous le faire croire, que des robots dont l’occupation préférée consiste à exterminer l’humanité. Loin de ces images de science-fiction, l’IA existe bel et bien aujourd’hui, sous diverses formes, qui contribuent déjà à la réussite des projets de transformation numérique des entreprises.

Les conditions sont réunies pour une véritable éclosion de l’IA

Depuis les années 50 et la mise au point du test de Turing pour déterminer l’intelligence d’une machine, les recherches sur l’intelligence artificielle ont régulièrement émergé avec des avancées intéressantes (comme Eliza, premier chatbot, qui imitait un psychothérapeuthe), pour aussitôt retomber dans l’oubli – l’hiver de l’IA.

Dans ces conditions, le buzz énorme autour de l’IA cette année pourrait n’être aussi bien qu’une bulle, un printemps éphémère avant un nouvel hiver. Notre conviction, pourtant, est que cette fois, l’IA est là pour durer. Trois conditions essentielles sont réunies pour son avènement :

  • L’abondance de la donnée. Nous regorgeons aujourd’hui de jeux de données, que ce soit le big data dans les entreprises avec l’ensemble des données clients, données de production, données d’exploitation, etc. ou tout simplement l’ensemble des données laissées par tout un chacun dans les réseaux sociaux : textes, images, vidéos… Cette abondance de données est indispensable pour tester et perfectionner les IA.
  • Le deep learning, ou l’algorithmie adaptée aux réseaux de neurones. En informatique traditionnelle, on écrit des programmes qui suivent des règles de gestion. La discipline du machine learning apporte une notion d’apprentissage : le programme affine son comportement avec l’usage (typiquement, un filtre anti-spam améliorera sa pertinence au fur et à mesure). Avec le deep learning, l’algorithme est construit au travers de l’apprentissage, en utilisant une architecture de type réseaux de neurones : on montre à la machine le résultat qu’on veut obtenir et on lui fournit un jeu de données qui lui permettra de s’entraîner.
  • La puissance de calcul. L’apprentissage des algorithmes nécessite une très importante puissance de calcul pour parvenir à un résultat dans un délai acceptable. C’est encore plus vrai pour les IA en production dans les applications, qui doivent fournir un résultat en temps réel – dans le cas d’une voiture autonome, par exemple – ou presque, pour des chatbots ou autres assistants comme Siri (sur iPhone), Cortana (dans le monde Windows) ou Google Assistant. Heureusement, le Cloud donne accès à cette puissance de calcul et les processeurs eux-mêmes se spécialisent et se miniaturisent ; on devrait bientôt pouvoir embarquer des IA capables de fonctionner en mode déconnecté dans de petits objets, de type smartphones ou drones.

L’efficacité d’un outil numérique au service de la stratégie d’entreprise

Cette éclosion de l’ Intelligence Artificielle arrive à point nommé pour répondre aux nouveaux challenges posés par la transformation numérique. Avec des clients très exigeants, très bien informés et susceptibles de passer à la concurrence d’une simple pression du doigt sur leur smartphone, il s’agit de proposer la meilleure expérience client possible.

Cela peut passer par plusieurs voies, dont l’automatisation (pour répondre plus rapidement, par exemple, à des sollicitations par email), la conversation (pour éviter les formulaires rébarbatifs) et la personnalisation (pour prévoir les goûts et les comportements non pas en fonction de persona, mais bien de chaque individu). Dans tous les cas, cela nécessite de traiter une immense masse de données en un temps record. Beaucoup plus efficace que l’humain pour ce type de tâche, l’IA s’avère ainsi un parfait allié : à elle le tri, le calcul, la corrélation en temps réel, aux hommes l’intuition, la perception psychologique et le relationnel.

En tant que levier de la transformation numérique, l’IA devrait être traitée comme telle pour l’implémentation. Plutôt qu’un projet informatique classique, avec un cahier des charges listant une myriade de fonctionnalités et une date d’aboutissement dans un futur éloigné, mieux vaut privilégier une approche agile et itérative, dans le cadre d’une stratégie de transformation numérique. Celle-ci implique une réflexion et une volonté au plus haut niveau de l’entreprise ; il faudra probablement en effet changer certains processus internes, et il faudra de tout façon impliquer l’ensemble des collaborateurs, qu’ils soient acteurs de ce changement et accompagnent l’évolution.

La réflexion sur l’optimisation du service à apporter aux clients nécessite une phase de ‘service design’, avant même de penser aux technologies. Ce n’est qu’une fois les besoins bien établis et les solutions envisagées qu’on pourra aborder le levier de l’IA et déterminer à quelles données de l’entreprise il faudra impérativement avoir accès. C’est à ce moment que débutera l’apprentissage de l’IA, pendant que sera codée une première version de l’application délivrant le service imaginé – ou du moins une partie du service : s’astreindre à sortir rapidement un MVP (‘minimum viable product’) qu’on enrichira régulièrement par la suite est une bonne pratique qui permet de rester proche des attentes et d’accroître tout aussi régulièrement la satisfaction des utilisateurs, qu’ils soient internes ou externes à l’entreprise. Avec une IA qui ne fait que s’améliorer avec le temps, grâce aux méthodes d’apprentissage, on obtient là un doublé gagnant.