Ne pas cesser de penser par soi-même malgré l'IA

La numérisation a changé la manière dont nous travaillons ensemble et a révolutionné les processus et les modèles commerciaux. La numérisation est devenue une réalité quotidienne. Et l'intelligence artificielle (IA) est la nouvelle mode. Le mot magique est : données. Depuis le 25 mai 2018 au plus tard (petit conseil : introduction du RGPD), nous avons tous compris à quel point les données sont précieuses.

Ils permettent d'analyser chaque jour notre comportement de consommateur : Je surfe à peine sur Internet à la recherche du sac que ma femme désire tant - et voilà que des publicités pour de nouveaux sacs pour femmes apparaissent sur tous mes canaux en ligne. Ce n'est qu'un exemple parmi tant d'autres de l'exploitation des données que nous connaissons bien.

L'IA va beaucoup plus loin : de puissants algorithmes se cachent derrière des logiciels de pointe et établissent des corrélations entre les forêts tropicales en feu au Brésil et une attaque terroriste potentielle en Afghanistan. Les algorithmes d'IA reconnaissent des modèles et en tirent des conclusions, par exemple sous la forme d'actions concrètes ou de recommandations.

En d'autres termes, ce qui caractérise l'une des principales sous-disciplines de l'IA - l'apprentissage automatique (ML) - n'est pas seulement la reconnaissance de modèles, mais leur capacité à s'auto-apprendre des comportements. Son fonctionnement va bien au-delà des opérateurs booléens traditionnels : le ML est un véritable apprentissage basé sur des ensembles de données.

Les conditions n'ont jamais été aussi idéales qu'aujourd'hui. Trois circonstances en sont responsables, à commencer par le Big Data. Si nous considérons les trois dernières années, plus de données ont été générées que dans toute l'histoire d'Internet. Pour l'année 2020, on estime à 44 zettaoctets de données - soit 1021 = 10 000 000 000 000 000 octets.

Cela nécessite bien sûr une grande puissance de calcul. Avec la loi de Moore en tête, nous savons que la puissance de calcul a augmenté de manière fulgurante depuis le début de la thématique de l'IA en 1956. Ma calculatrice actuelle a plus de puissance de calcul que mon premier C64.

Le dernier thème concerne les algorithmes. Des environnements de développement comme Jupyter-Notebook, combinés à des bibliothèques open source, sont facilement accessibles à tous et ne constituent plus un obstacle insurmontable.

Il existe aujourd'hui plusieurs approches pour différents aspects de la gestion des données et du cycle de vie de l'IA. Toutefois, les rassembler et les adapter à ses propres besoins peut constituer une expérience stimulante.

C'est pourquoi nous avons créé le Digital Innovation Lab, qui nous offre toutes les conditions nécessaires pour identifier, tester et exploiter les tendances. Nous y mettons en lumière, remettons en question et testons jusqu'à l'extrême les technologies de tendance.

Il s'agit en effet de remettre en question le statu quo grâce aux nouvelles possibilités et de déterminer comment nous et nos clients pouvons travailler de manière ciblée et standardisée. Nous sommes des consultants SAP et nous le resterons. C'est pourquoi nous avons déjà testé tous les scénarios dans SAP Data Intelligence 3, qui n'est disponible pour le grand public que depuis mars 2020.

Nous avons besoin des bonnes données, de la bonne quantité et de la bonne qualité de données pour obtenir les bons résultats, quels qu'ils soient. Nous ne les connaissons pas à l'avance - nos clients sont souvent surpris par leurs propres résultats de données. Nous avons défini le cas d'utilisation et la vision à l'avance et gardons un état d'esprit ouvert pour ce qui va arriver.

Au final, je peux affirmer que l'ensemble du processus d'exploration des données et d'ingénierie des fonctionnalités nécessite beaucoup de cerveau. Bien que l'on prétende souvent le contraire en ce qui concerne l'intelligence artificielle, l'utilisateur est ici vraiment obligé de penser par lui-même et de ne pas se fier uniquement à l'IA.

Cela signifie que, même si les algorithmes sont prédéfinis, les utilisateurs professionnels doivent réfléchir aux insights qui en résultent et en déduire des actions. L'intelligence artificielle ne supprime pas la pensée, elle l'élève à un nouveau niveau.