Le temps est venu pour l'intelligence artificielle - l'êtes-vous aussi ?

L'intelligence artificielle (IA) est passée du statut de simple sujet de recherche à celui de technologie d'application et est devenue un élément central de l'innovation numérique dans chaque secteur.

Les cabinets d'analyse s'accordent sur le grand avenir de cette technologie - même si leurs estimations diffèrent quelque peu en chiffres absolus. Le cabinet d'études de marché Tractica prévoit par exemple que le chiffre d'affaires des logiciels d'IA atteindra environ 60 milliards de dollars US d'ici 2025.

Les attentes élevées à l'égard de l'IA ne sont pas nouvelles : selon le cabinet d'analyse Gartner, qui mesure les technologies en fonction de leur perception sur le marché et du temps nécessaire à leur percée, l'IA traverse déjà son troisième cycle dit de "hype".

Le coup d'envoi a été donné dans les années 50, lorsque des scientifiques du Dartmouth College ont développé des programmes de stratégies d'échecs. Les projets de cette phase initiale étaient toutefois encore loin des cas d'application dans l'économie.

Au début des années 80, l'IA a donné naissance aux systèmes experts (XPS). Ces programmes aidaient à résoudre des problèmes complexes et étaient par exemple utilisés comme Computer Trader dans le secteur financier.

Les deux cycles d'engouement ont été suivis de déceptions, car l'IA n'a pas pu répondre aux attentes fixées. Les analystes sont convaincus que, pour la première fois, l'enthousiasme actuel ne sera pas suivi d'un "hiver de l'IA" et que la grande percée est imminente.

La raison du regain d'intérêt pour l'IA depuis la fin des années 90 repose sur le succès avéré des algorithmes et des modèles d'apprentissage automatique, qui constituent la base de "l'intelligence" dans l'IA.

Ils aident les machines à apprendre des tâches puis à les exécuter de manière autonome - en d'autres termes, ils permettent aux machines de se comporter de manière adaptative ou autonome.

Il est vrai que certaines choses que les humains font naturellement représentent un grand défi pour les systèmes d'IA - par exemple, résoudre des problèmes en faisant preuve de créativité et de bon sens. Mais il existe une multitude de processus difficiles à apprendre pour les humains, mais relativement faciles à maîtriser par l'IA.

Rien que dans l'industrie, il existe de nombreux domaines d'application et un grand potentiel d'augmentation de la productivité. Jusqu'à présent, des robots relativement simples, mais programmés avec précision, géraient de manière fiable une grande partie des manipulations sur les chaînes de production allemandes.

L'apprentissage automatique nous ouvre la voie vers des scénarios dans lesquels les robots effectuent des tâches beaucoup plus complexes - et ce sans intervention humaine et sans processus prédéfinis avec précision.

Les machines peuvent apprendre des relations complexes à l'aide de données historiques, par exemple pour prédire avec précision, à partir de données de capteurs, si, quand et quels problèmes pourraient survenir sur une machine. Un autre exemple est le contrôle de la qualité qui, par le passé, faisait toujours appel au jugement d'un être humain.

Les entreprises ont aujourd'hui le choix entre des plateformes informatiques spécialisées qui offrent une puissance de calcul suffisante pour traiter les algorithmes d'IA. Celles-ci utilisent les données nécessaires de manière beaucoup plus rentable qu'auparavant.

Les plateformes de cloud computing et les outils de stockage et de traitement des données, ainsi que les processeurs puissants, sont aujourd'hui largement répandus et constituent une base capable de répondre aux exigences techniques de l'IA - dans tous les sens du terme.

Grâce à l'engouement récent pour le "big data" et aux investissements qui en découlent dans les data lakes et les solutions analytiques, les entreprises ont accès à de nombreuses informations sur tous les aspects des processus d'entreprise.

Pour la première fois depuis le début de la recherche sur l'IA, toutes les conditions sont réunies pour une large mise en œuvre de cas d'application dans la pratique.

Les entreprises doivent désormais investir et transformer les technologies et applications intelligentes en valeur ajoutée économique afin de s'assurer un avantage concurrentiel décisif et de rester viables.