Intelligence Artificielle : 10 termes à connaître pour parler de l’IA à vos collègues

Crédit Photo : DR

Y a-t-il une définition claire et précise de l’intelligence artificielle? Pourquoi les experts en IA ne s’entendent pas sur une définition absolue? Est-ce normal que ce soit encore aussi nébuleux? Voyons le vocabulaire nécessaire à connaître pour bien parler de l’IA.

Voici 10 termes à savoir pour être en mesure d’expliquer ce qu’est l’intelligence artificielle, de bien parler de l’IA et de ses composants.

Pour parler de l’IA à vos collègues, il faut connaître ces termes :

1. Machine Learning (Apprentissage automatique)

Une des principales disciplines de l’IA est le Machine Learning, aussi nommé l’apprentissage automatique. Il s’agit d’exploiter des données brutes, de les transformer en connaissances et ce, de manière automatique afin de prendre de meilleures décisions d’affaires.

L’apprentissage automatique permet ainsi d’utiliser un modèle d’algorithmes pour piloter des stratégies d’affaires (data-driven strategy). Pour en savoir plus : L’apprentissage automatique (Machine Learning), comment ça marche ?

2.Deep Learning (Apprentissage profond)

Le Deep Learning est une technique d’apprentissage automatique, une sous-catégorie de l’intelligence artificielle, qui permet de créer un réseau de neurones pour permettre à la machine d’apprendre par elle-même.

Par exemple, pour qu’une machine reconnaisse le texte ou le visage d’une personne sur une image, la machine décompose l’image et va reconnaître des caractéristiques telles que la bouche, le visage, les cheveux, etc.

«Avec les méthodes traditionnelles, la machine se contente de comparer les pixels. Le deep learning permet un apprentissage sur des caractéristiques plus abstraites que des valeurs de pixels, qu’elle va elle-même construire», précise Yann Ollivier, chercheur en IA au CNRS.

3.Réseau de neurones

L’apprentissage profond se sert de neurones artificiels interconnectés et organisés, qui grâce à des algorithmes d’apprentissage, permettent des applications concrètes telles que la reconnaissance des formes, la traduction d’un document ou la description d’une image.

«Les réseaux de neurones n’essaient pas de copier ou de simuler le cerveau. Simplement, ça nous donne des idées pour construire des machines, des ordinateurs qui s’inspirent de ces principes.» – Yoshua Bengio, directeur de l’Institut des algorithmes d’apprentissage (MILA), Université de Montréal. La révolution de l’intelligence artificielle

4.Big Data

L’apprentissage profond a été rendu possible grâce à la puissance de calcul des ordinateurs et la quantité massive de données.

Ce volume impressionnant de données produites, collectées, rassemblées et structurées ou non, en temps réel ou non, ce sont les mégadonnées.

5.Data Mining (forage de données)

L’exploration des données, aussi nommée data mining, est une phase de segmentation de données, d’identification des patterns et de tendances, puis d’extraction de connaissances à partir des informations stockées dans le big data. C’est le terrain de jeu des algorithmes et des calculs statistiques ou mathématiques.

6.Algorithme

Un algorithme est une méthode pour résoudre des problèmes, autrement dit une manipulation mathématique dans un langage de programmation qui permet de convertir une donnée entrante en une donnée sortante avec une valeur ajoutée et ce, selon un objectif bien précis.

7.Python

Il s’agit d’un langage de programmation puissant, disponible en «opensource» et principalement orienté «objet», qui permet une grande flexibilité de manipulation et d’analyse.

8.Analytique avancée

L’analytique avancée est un outil de prédiction et un levier de valorisation des données. Suite au traitement et à l’analyse de données brutes, le data est transformé en données intelligentes qui permettent d’anticiper les performances et les comportements notamment de l’équipement, des clients, de la compétition etc.

Par exemple, Pratt & Whitney Canada se sert de l’analytique avancée pour prédire les délais ou les annulations des vols, mais aussi pour optimiser leurs processus d’affaires internes. Voyez un autre exemple: L’analytique d’affaires, un vecteur stratégique de la réussite

9.Internet des objets (iot)

Le big data et l’analytique avancée ont permis de transformer les objets connectés en objets intelligents. Une machine industrielle peut ainsi envoyer des données sur l’état des composants internes et sur les besoins de maintenance à venir.

10.Cybernétique

Le data mining et l’analytique avancée sont des concepts utilisés dans différents secteurs de recherche dont la cybernétique, qui est une approche scientifique qui étudie le flux d’information, les phénomènes d’interaction systémique, les mécanismes de transmission de l’information, les théories mathématiques de l’information, etc.

Faisant partie prenante des sciences cognitives et des réseaux de neurones, la cybernétique est un concept relié à l’intelligence artificielle. Elle a été aussi récemment revalorisée grâce aux avancements robotiques.