L'Intelligence Artificielle : qu’est-ce que c’est, que peut-elle réaliser, quelles sont ses limites et comment l’utiliser en entreprise ?

Nous avons rédigé cet article sur l’intelligence artificielle pour Les Cahiers du Digital d'HEC Digital Lab. Ces cahiers sont destinés aux étudiants de HEC Liège dans le but d’enrichir les matières enseignées mais sont également accessibles en version numérique. 

Chaque cahier aborde une thématique et est composé de 3 articles, rédigés par des professionnels ayant une expertise dans la transformation digitale. Nous vous invitons à découvrir les deux autres articles dédiés, eux aussi, à l’intelligence artificielle, via ce lien. 

Nous avons écrit l’article en novembre 2022, au moment où OpenAI a lancé son logiciel de rédaction IA sur le marché, ChatGPT. Depuis, l’outil est partout et a évolué. Impossible de passer à côté de cette intelligence artificielle qui peut répondre aux questions, entamer une conversation, admettre ses erreurs ou encore rejeter des demandes inappropriées. 

Les parties en italiques sont celles proposées par ChatGPT.

Nous entendons fréquemment parler d’Intelligence Artificielle (IA) et ce, dans de nombreux domaines. Mais, savons-nous réellement ce que c’est ? 

L'intelligence artificielle désigne la capacité d'un ordinateur ou d'une machine à effectuer des tâches qui exigent normalement une intelligence de type humain, comme la compréhension du langage, la reconnaissance de modèles, l'apprentissage et la résolution de problèmes.

Les technologies IA incluent le machine learning, le traitement naturel du langage, la vision par ordinateur, la robotique et bien d’autres encore (nous développerons ces techniques dans la section « Les branches de l’IA »).

Les systèmes d'IA peuvent être entraînés à reconnaître des modèles, à faire des prédictions et à automatiser des tâches répétitives, libérant ainsi du temps pour que les humains puissent se concentrer sur des tâches plus complexes et plus créatives. 

L'IA est utilisée de nombreuses façons différentes aujourd'hui et la liste s'allonge constamment à mesure que de nouvelles applications sont développées. 

Voici quelques exemples d'utilisation :

- Les assistants personnels : les assistants virtuels, tels que Siri d'Apple ou Alexa d'Amazon, utilisent le traitement du langage naturel pour comprendre et répondre aux commandes vocales.  

Leur capacité de compréhension paraît proche de celle d’un homme mais ne vous est-il jamais arrivé d’être frustrés parce que vous deviez répéter plusieurs fois votre demande ou changer la formulation de votre phrase car votre assistant virtuel ne la comprend pas ? 

Par exemple, si vous lui demandez de « lancer l’aspirateur », les premières versions de Google Home ne pourra pas répondre à votre requête car le verbe « lancer » n’est pas adéquat. À contrario, même si vous n’utilisez pas le bon verbe, un humain aurait, lui, compris la demande. 

- Le service clientèle : de nombreuses entreprises utilisent des chatbots alimentés par l'IA pour traiter les demandes des clients, leur fournir des informations et les guider tout au long d’un processus, libérant ainsi les agents du service clientèle pour des tâches plus complexes.

Cette application de l’IA est efficace lorsque les clients ont une question relativement simple et fréquemment posée. Si la question est plus complexe, ils auront certainement besoin de communiquer, à un moment, avec une personne. Cela permet aux entreprises de filtrer les demandes mais pas d’y répondre à 100%.

- Détection des fraudes : les institutions financières utilisent des algorithmes d'apprentissage automatique pour analyser les schémas des transactions financières et identifier les activités frauduleuses potentielles.

- Diagnostic médical : les algorithmes d'IA peuvent être entraînés sur de grands ensembles de données de dossiers médicaux et d'images pour aider les médecins à identifier les maladies, établir des diagnostics plus précis et recommander des traitements.

- Véhicules autonomes : les voitures et les drones à conduite autonome utilisent l'IA pour naviguer et prendre des décisions en temps réel. L'IA peut être utilisée pour détecter les piétons ou les voitures qui ne sont pas à leur place sur la route. La voiture freinera alors automatiquement ou s'éloignera d'eux.

- Gestion de la chaîne d'approvisionnement : L'IA peut être utilisée pour optimiser le flux de marchandises et de matériaux dans une chaîne d'approvisionnement, aidant ainsi les entreprises à être plus efficaces et à réduire leurs coûts. 

La mise en place d’une IA au sein d’une entreprise peut représenter un coût très important qu’il faut prendre en compte pour déterminer si l’IA est nécessaire et si elle réduira effectivement vos coûts à long terme.

- Modération des médias sociaux : les algorithmes d'IA peuvent être utilisés pour aider à identifier et à supprimer le contenu inapproprié des plateformes de médias sociaux.

À noter qu’une IA, nommée Tay et développée par Microsoft en 2016, a tenu des propos inappropriés sur Twitter. En effet, certains utilisateurs ont voulu tester les limites de ce chatbot qui était censé échanger avec des adolescents américains afin d’étudier la compréhension du langage. Ils ont réussi à lui faire répéter des phrases racistes, mais l’IA a également répondu par elle-même à des questions et a, entre autres, nié l’holocauste. Tay devait, au fur et à mesure des échanges, apprendre et s’améliorer mais avec les nombreux dérapages, Microsoft l’a désactivée après seulement 8h d'existence. 

L’IA apprend avec les données qu’elle a à sa disposition mais n’est pas en mesure de les vérifier. Dans l’exemple de Tay, les informations fournies étaient racistes, c’est donc pour cette raison qu’elle a tenu de tels propos.

Ce ne sont là que quelques exemples, mais l'IA est également appliquée dans de nombreux autres domaines, aussi bien dans la sphère professionnelle que privée.

Malgré les avancées de ces dernières années, il faut prendre des précautions avec le terme « Intelligence » car une machine dotée d’IA, même si elle est capable de réaliser des tâches incroyables, n’est pas intelligente au sens où nous l’entendons. En effet, c’est un très bon outil, elle peut être plus performante que l’homme pour réaliser certaines tâches spécifiques mais elle ne le supplante pas. 

Elle peut également commettre des erreurs qu’un homme ne ferait pas car elle ne possède pas l’ensemble des capacités humaines. Google a, notamment, déjà confondu des images de muffins et de Chihuahua ou bien plus grave, a identifié deux Afro-américains comme étant des gorilles. 

Le but de cet article est de vous expliquer ce qu’est l’intelligence artificielle, de décortiquer ce concept pour comprendre ce qu’elle permet de faire et comment, via des exemples, elle peut vous aider dans votre entreprise. Mais, nous souhaitons également démystifier quelque peu l’IA car elle est loin d’avoir les mêmes capacités que les Hommes et n’est pas prête à les dépasser contrairement à ce que l’on pourrait, parfois, croire.

Le monde s’est familiarisé à l’IA dès la première moitié du XXe siècle grâce à la science-fiction avec, notamment le robot humanoïde dans le film "Metropolis" de Fritz Lang sorti en 1927. Puis, ce sont les scientifiques et les mathématiciens qui se sont emparés du concept. 

En 1950, Alan Turing, l’inventeur de l’ordinateur, rédige un article intitulé « Computing machinery and intelligence » dans lequel il explique comment construire des machines intelligentes. Il part du principe que les humains utilisent la raison ainsi que les informations disponibles pour prendre des décisions et résoudre des problèmes et suggère que les machines pourraient en faire de même. Il explique également comment les tester pour savoir si elles se rapprochent de l’intelligence humaine grâce à ce que l’on appelle le « Test de Turing ». Ce test consiste, pour un programme, à avoir une conversation écrite avec un interrogateur humain pendant 5 minutes. L’interrogateur doit, ensuite, dire s’il a discuté avec une machine ou un humain. Si la machine trompe l’interrogateur 30% du temps, alors, elle a réussi le test. 

C’est en 1956 que le terme « Intelligence Artificielle » a été utilisé pour la première fois. Il a été inventé pour une conférence organisée au Dartmouth College par les scientifiques John McCarthy et Marvin Minsky durant laquelle Allen Newell, Cliff Shaw et Herbert Simon ont présenté leur programme « The Logic Theorist » conçu pour imiter les capacités de résolution de problèmes d’un humain. Il est considéré comme le premier programme d’IA.

À partir de cette année-là, l’IA a prospéré durant un certain temps grâce, notamment à l’évolution de l’informatique et différents financements. Par exemple, en 1965, Joseph Weizenbaum a créé le programme ELIZA, le premier à réussir le test de Turing, du moins, pendant quelques minutes. C’est un programme qui remplace le psychothérapeute pendant des entretiens.

Les attentes étaient très grandes mais la technologie ne pouvait pas encore y répondre totalement. Le stockage de données ainsi que leur traitement posaient encore problème. Hans Moravec, doctorant de McCarthy à l'époque, avait d’ailleurs déclaré que « les ordinateurs étaient encore des millions de fois trop faibles pour faire preuve d'intelligence ». Les financements ont alors chuté et les recherches se sont arrêtées durant une décennie. Cette crise est appelée l’hiver de l’IA.

Les finances et les recherches liées à l’IA repartent à la hausse dans les années 1980. C’est à cette période, notamment, que John Hopfield et David Rumelhart ont popularisé les techniques de Deep Learning (apprentissage profond) qui permettent aux ordinateurs d’apprendre grâce à l’expérience et également qu’Edward Feigenbaum a développé les systèmes experts qui permettent à une machine de prendre des décisions comme un expert humain. Le programme demandait à un expert comment réagir face à des situations données dans un domaine précis et lorsque les réponses étaient assimilées, les non-experts pouvaient alors être conseillés par ce programme. Les systèmes étaient très utilisés dans les industries ou dans la finance, ils servaient, par exemple, à détecter des fraudes de cartes de crédit.

Plus tard, en 1997, la machine bat l’homme pour la première fois : Deep Blue, un programme informatique de jeu d’échecs, bat le champion du monde en titre, Gary Kasparov. Une date importante qui marque une avancée considérable vers un programme de prise de décision intelligent. Il faut reconnaître que Deep Blue a un avantage considérable, il possède dans sa mémoire des milliers de parties des meilleurs joueurs du monde. Son processeur lui permet, à chaque coup, de trouver la meilleure stratégie à adopter. La même année, un autre grand pas a été franchi, cette fois, dans l’interprétation du langage parlé : le logiciel de reconnaissance vocale, développé par Dragon Systems, est installé sur Windows.

Depuis, le capacité de stockage et l’accumulation des données ainsi que la puissance des calculs des ordinateurs n’ont cessé d’augmenter. Toutes ces améliorations techniques permettent de développer et d’augmenter les performances des algorithmes. C’est comme ça qu’en 2015, l’IA AlphaGo de Google, bat Fan Hui, le champion européen du jeu de Go et qu’en 2017, le programme parvient même à battre le champion du monde, Ke Jie. Les avantages psychologiques sont à souligner, la machine ne risque pas de se déconcentrer, ni de subir de pression contrairement à l’homme.

Aujourd’hui, L’IA ne cesse de se perfectionner et est utilisée partout, que ce soit dans la santé, les transports, l’industrie, les banques, le marketing, les loisirs, etc. 

Dans le futur, l’évolution permettra peut-être d’atteindre l’intelligence générale, les machines auront alors les mêmes capacités cognitives que les humains, voire plus, elles nous dépasseront. Mais, nous sommes encore très loin de ça. De nombreuses questions éthiques, entre autres, se poseront avant d’arriver à une telle étape, considérée comme dangereuse pour de nombreux scientifiques comme Stephen Hawking.

Les différents systèmes d’IA sont classés selon leurs fonctionnalités, il y a 4 types.

1) Les machines réactives :

Dans cette catégorie d’IA, nous retrouvons les machines qui fonctionnent selon la situation présente, avec les données actuelles qu’elles reçoivent. Elles interagissent avec leur environnement et ne peuvent réaliser qu’un nombre restreint de tâches prédéfinies. Elles ne sont pas capables de faire des déductions sur base de leurs données ou d’expériences passées afin de déterminer leurs actions futures. 

Parmi les IA réactives, il y a le programme d’échecs Deep Blue qui a battu, en 1997, Garry Kasparov, le champion du monde en titre ou encore les bras robotiques dans une usine que l’on programme pour qu’ils agissent à la présence d’un objet précis devant eux sur un tapis roulant et par exemple, pour qu’ils déplacent cet objet à un endroit désigné.

2) La mémoire limitée :

Cette IA est capable de prendre des décisions sur base des données enregistrées dans sa mémoire qui est éphémère, d’où son nom. En stockant des expériences passées, elle est en mesure d’évaluer des actions futures.

Le parfait exemple est la voiture autonome. Elle utilise les informations recueillies dans le passé pour agir immédiatement. Grâce à des capteurs, elle peut identifier des piétons qui traversent la route mais aussi les feux de circulation, des travaux, des trous dans la chaussée, le trafic, etc. Toutes ces données sont utilisées pour prendre des décisions et ajuster sa vitesse et sa trajectoire si nécessaire. 

3) La « théorie de l’esprit » :

Comme son nom l’indique, cette IA s’intéresse à l’intelligence émotionnelle pour comprendre les pensées humaines. Ce type d’IA est plus avancé que les deux précédentes, elle n’est d’ailleurs pas encore totalement développée mais des recherches sont menées pour y parvenir. Cette IA pourra jouer un rôle important en psychologie. Si nous parvenons à développer des machines avec cette IA, elles seront différentes des machines créées jusqu’à présent. Elles seront capables de réaliser les mêmes tâches que les deux premiers types d’IA mais elles sauront, en plus, comprendre les émotions humaines et adapter leur comportement en conséquence.

4) L’auto-conscience :

Ce type d’IA correspond à la Super Intelligence Artificielle où les machines auront leur propre conscience. Ce serait le stade ultime que nous pourrions un jour atteindre. Ce serait une extension de la « théorie de l’esprit », les machines pourraient comprendre les émotions humaines mais elles seraient également capables de les ressentir et de prédire celles de ceux qui l’entourent. Encore une fois, nous ne sommes pas prêts d’atteindre ce niveau.

Afin d’illustrer nos propos, nous vous proposons de découvrir quelques-unes de nos réalisations pour nos clients, pour lesquels nous avons implémenté une intelligence artificielle.

Une entreprise de services : 

En tant qu'entreprise de services, notre client se trouvait souvent face à un défi crucial : la difficulté à déterminer le nombre d’appels qualitatifs de prospects. Leur principal problème était de définir le nombre d'appels débouchant sur un rendez-vous ainsi que ceux qui n’aboutissent à rien. Notre client souhaitait alors trouver une solution pour résoudre ce problème et ainsi obtenir une vision claire du nombre de prospects convertis chaque mois.

Concrètement, lorsqu’un prospect téléphone chez eux, celui-ci est enregistré, puis, une intelligence artificielle de type “Deep Learning” retranscrit intégralement la conversation et rédige un résumé de celle-ci dans un logiciel accessible aux membres de l'entreprise (Speech to Text). L’IA va également trier les appels selon des catégories prédéfinies par l’utilisateur, de telle sorte que notre client peut voir le nombre d’appels qualitatifs et ceux qui n’entrent dans aucun critère. 

L’implémentation de l’intelligence artificielle LLM permet à notre client de détecter et d’analyser l’intention des prospects. Ils peuvent ainsi identifier précisément lesquels sont devenus clients et lesquels ont contacté l'entreprise pour des services non offerts. En cas de demandes répétées pour un service non disponible, notre client peut alors envisager des ajustements stratégiques pour résoudre ce problème.

Cette solution ne se contente pas de clarifier les intentions des prospects ; elle permet également de libérer du temps précieux pour les vendeurs, qui n'ont plus besoin de consigner manuellement chaque interaction. Ainsi, l'IA non seulement optimise le suivi des prospects mais contribue également à l'efficacité opérationnelle de notre client.

Une entreprise issue du secteur de la construction : 

Notre client, une entreprise opérant dans le secteur de la construction, propose une plateforme de services reliant particuliers et professionnels. Les particuliers peuvent y faire des demandes de services en sélectionnant le métier souhaité, le type de prestation, le type de terrain pour les travaux, ainsi que toute information utile pour que le professionnel puisse établir un devis.

Jusqu'à présent, après la soumission d'une demande, celle-ci était transférée à un professionnel, qui revenait vers le particulier pour confirmer la demande. Ce n'est qu'après ce rendez-vous que le professionnel établissait un devis, qu'il transmettait ensuite au particulier avec un deuxième rendez-vous. Si ce dernier acceptait, les travaux pouvaient commencer. En cas de refus, il fallait soit revoir le devis, soit abandonner la demande. Cette procédure, exigeant de nombreux échanges entre particulier et professionnel, s'avérait chronophage.

Notre client souhaitait alors trouver une solution permettant de réduire ces d'interactions et gagner du temps. Nous avons proposé la solution suivante : une intelligence artificielle de type “Machine Learning” intégrée au système du client. L'IA génère des devis précis et personnalisés à partir des formulaires remplis par les particuliers. Le processus initial reste le même : le particulier remplit le formulaire, lequel est ensuite transmis à notre client. L'IA génère alors le devis et le partage simultanément avec le professionnel et le particulier. Si l'une des parties n'accepte pas le devis pour des raisons budgétaires, la demande est automatiquement annulée sans intervention supplémentaire. Si les deux parties acceptent, le professionnel rencontre le particulier directement avec le devis prêt à être signé.

Cette solution réduit considérablement le temps de préparation des devis et améliore la précision des estimations, augmentant ainsi l'efficacité globale et la satisfaction des clients.

Un éditeur de bandes dessinées digitales :

Notre client, un éditeur de bandes dessinées digitales franco-belges, souhaitait moderniser et rajeunir l'univers de la bande dessinée franco-belge. Conscients du potentiel de l'intelligence artificielle pour optimiser les processus, ils ont envisagé son application dans le domaine de l'art, malgré les réticences traditionnelles des artistes face à l'IA. Il était alors crucial de trouver une solution qui respecte les droits d'auteur des artistes, qui ne les remplace pas, tout en répondant aux besoins de notre client.

Nous avons donc développé un système intégré d’une intelligence artificielle générative et de type “Deep Learning” permettant aux artistes de créer du contenu plus rapidement. Le fonctionnement est simple : chaque artiste rejoignant l'équipe fournit quelques-unes de ses œuvres afin que l'IA puisse s'entraîner à produire des contenus similaires à son style. Lorsqu'un illustrateur dessine un croquis, il peut indiquer à l'IA les caractéristiques spécifiques qu'il souhaite voir apparaître, comme la couleur de peau d'un personnage, ses vêtements, ou encore des objets particuliers. En plus du croquis, ces descriptions aident l'IA à générer le contenu désiré par l’artiste. 

L'objectif de cette intégration n'est pas de remplacer les artistes, mais de leur fournir un outil personnalisé pour accélérer leur travail. Pour maintenir l'aspect humain de la création, l'image générée par l'IA est entièrement modifiable, permettant à l'artiste de l'ajuster pour qu'elle corresponde parfaitement à sa vision. 

Cette solution se présente donc comme un support précieux pour les artistes - très heureux de travailler avec cet outil - leur permettant de produire du contenu plus rapidement tout en conservant l’aspect humain de l’art et leur style unique. En somme, cette IA offre un équilibre entre innovation technologique et respect de la créativité artistique.

Un service d’urgences vétérinaires :

Nous avons développé pour un service d'urgences vétérinaires un outil innovant destiné à générer des rapports d'intervention, permettant ainsi aux vétérinaires de se concentrer davantage sur les soins aux animaux. Notre solution s'articule sur deux niveaux :

- Premièrement, lors de chaque intervention, le vétérinaire doit rédiger un rapport détaillé, incluant les actions effectuées, les médicaments prescrits et le diagnostic établi. Ces rapports, très techniques, demandent beaucoup de temps pour les vétérinaires, qui doivent l’effectuer après leur journée de travail. Afin de leur épargner un temps précieux, nous avons implémenté une intelligence artificielle Deeplearning qui rédige ces rapports à la place des vétérinaires, leur permettant de se concentrer sur les soins aux animaux.

- Deuxièmement, lorsqu'une personne appelle le service d'urgence, l'appel est dirigé vers une centrale téléphonique sans qu'il soit possible de déterminer immédiatement si l'appel concerne une véritable urgence. L'IA de type LLM intervient en suivant l'appel et en rédigeant automatiquement une retranscription. Cette retranscription est conservée en interne et est également envoyée aux vétérinaires pour les informer avant leur intervention. L’objectif est à nouveau de gagner du temps pour que les vétérinaires puissent se concentrer sur les véritables urgences. 

Les avantages apportés par notre solution sont multiples :

- Elle libère du temps aux vétérinaires en automatisant la rédaction des rapports d’intervention pour qu’ils se concentrent sur les soins

- La retranscription automatique des appels et l'évaluation des urgences optimisent la gestion des interventions. Cette automatisation permet non seulement de mieux gérer le temps et les ressources, mais aussi d'améliorer l'expérience des clients grâce à des retours d'information rapides et personnalisés.

En somme, l’intégration de l’IA au sein de ce service augmente l'efficacité opérationnelle tout en renforçant la satisfaction client.

Un gestionnaire de réseau électrique haute tension : 

Notre client souhaitait optimiser la gestion de la durée de vie de ses équipements. En effet, les câbles, transformateurs et autres équipements ont une durée de vie théorique fournie par le constructeur. Cependant, notre client voulait connaître la durée de vie réelle de ces équipements pour mieux planifier leur remplacement.

Nous avons donc analysé les pannes du système et les exercices de maintenance. Grâce à cette analyse, nous avons développé une intelligence artificielle de type “Machine Learning” capable de définir la durée de vie théorique des équipements (Prediction Analysis). Cette durée n'est pas celle fournie par le constructeur, mais une estimation basée sur des conditions réelles d'utilisation.

Par exemple, un équipement proche de la mer s'usera plus vite en raison de l'air iodé. En revanche, un équipement situé dans les Ardennes, moins exposé, pourra durer plus longtemps. Toutes ces informations de pannes vont nous permettre de déterminer si un équipement est en fin de vie. Après s’être renseigné sur le sujet et en avoir discuté avec notre client, nous avons identifié que les équipements ont généralement beaucoup de pannes en début et en fin de vie.

L'objectif de ce projet était de définir des patterns à partir des données de pannes des techniciens et des systèmes informatiques de notre client. L’intelligence artificielle a été intégrée pour analyser toute une série d’informations qui vont permettre de prédire plus précisément la durée de vie réelle des équipements. Bien que cette prédiction ne soit pas toujours parfaite, elle offre une estimation fiable pour planifier en amont les remplacements d'équipements.

L’intégration de l’IA dans ce projet a permis à notre client de mieux gérer ses ressources et d'optimiser la maintenance de son réseau électrique.