Olivier Ezratty se fait régulièrement l’apôtre des enjeux liés à l’Intelligence Artificielle pour inviter les dirigeants à se pencher sur ses vrais bénéfices. Il réaffirme ici son pouvoir de transformation, et souligne que les solutions pour l’aborder sont de plus en plus nombreuses – qu’elles soient proposées par de très grands acteurs (IBM, Google, etc.), ou par un écosystème de startups en constant développement.

 

Quels sont les gisements de valeur qui pourraient être révélés par l’Intelligence Artificielle ?

 On peut penser à l’impact qu’aura une Intelligence Artificielle dans les services publics, par exemple. De nombreuses initiatives sont déjà lancées autour de la fiscalité, partout où il faut contrôler et recouper des données. L’IA permettra d’aller beaucoup plus loin, beaucoup plus facilement. Dans le domaine du logement, elle permettra la mise en place d’une offre de services de proximité mieux ciblée et plus pratique pour les citoyens. Dans les transports, pour articuler les déplacements en multi-modalité, l’IA sera indispensable. Mais on peut aussi penser à des applications plus pratiques : j’ai été très convaincu récemment par une start-up qui fait de l’analyse d’images des rails, dans le ferroviaire, pour anticiper les ruptures ou les incidents. Dans la Smart City, en général, l’Intelligence Artificielle apportera des bénéfices énormes. L’investissement et l’affectation des ressources pourront être faits aux meilleurs endroits dans l’intérêt de tous.

Pour les entreprises, ce sont évidemment les secteurs les plus concurrentiels qui vont en tirer le plus d’avantage : l’industrie, les nouvelles technologies et les médias notamment. On voit par exemple apparaître des solutions qui permettent de rédiger automatiquement de courts articles ou des résumés. Cela permet aux médias de dégager des ressources sur de l’information sans mise en perspective, pour les concentrer sur des articles plus approfondis.

Un domaine déjà révolutionné par l’IA est la santé. Un très grand nombre de start-ups s’est développé autour de l’exploitation des données issues de la génomique par exemple, pour faire de la médecine prédictive. On étudie des corrélations entre des gènes et les pathologies et on en tire des probabilités de survenue de telle ou telle maladie. On simule le comportement de molécules pour identifier celles qui seraient les meilleures candidates pour être exploitées sous forme de médicaments. Le domaine du diagnostic est lui aussi considérablement aidé par l’IA : le Deep Learning permet l’interprétation d’imagerie médicale de façon courante (en cancérologie, cardiologie, ophtalmologie…), et aide les médecins généralistes à orienter les patients vers les spécialistes à bon escient.

Ce qui va permettre toute cette création de valeur, tous ces nouveaux services pour les individus et pour l’intérêt général, c’est évidemment le développement des technologies d’IA à proprement parler : le Machine Learning, les réseaux de neurones et le Deep Learning. Mais c’est aussi un exceptionnel alignement de planètes, car plusieurs des leviers nécessaires au développement de l’IA sont en train d’arriver à maturité. La 5G va se déployer à partir de 2020 et multiplier nos capacités à échanger des données. Les capteurs sont en train d’être généralisés, avec des performances accrues et des coûts de plus en plus abordables. Les capacités de calcul sont en progression constante, permettant l’usage de méthodes d’analyse statistique ou de Deep Learning poussées – aujourd’hui dans le cloud et donc à la portée de toutes les entreprises. C’est l’ensemble de ces évolutions qui va permettre la transformation de notre société par l’Intelligence Artificielle.

                                        

Quels conseils auriez-vous pour les dirigeants qui se disent qu’il est temps d’étudier les opportunités de l’IA ?

Dans un premier temps, il est important que les dirigeants se renseignent pour bien comprendre quel est le potentiel de l’Intelligence Artificielle, quelles sont les technologies impliquées et qui sont les partenaires qui peuvent les accompagner. Les formations sur l’IA sont nombreuses, et pour bien évaluer les possibles bénéfices, il faut que les dirigeants aient accès à des retours d’expérience et à une information objective sur la question.

Deuxièmement, se lancer dans l’IA pour une entreprise suppose d’être ouvert à la notion d’expérimentation. Comme dans tout projet d’innovation, il y a une part d’incertitude. On va viser un objectif en mettant en jeu des données, mais on ne sait pas dans quelle mesure on va pouvoir l’atteindre. La qualité des données et les technologies utilisées vont parfois rendre nécessaire d’exploiter plusieurs voies avant d’aboutir.

Enfin, je recommande aux dirigeants de s’appuyer sur les nombreux projets Big Data qui ont déjà été lancés dans leurs entreprises ces dernières années. On a observé beaucoup d’initiatives qui consistaient à recueillir un maximum de données, à les centraliser et les décloisonner.  C’est une mine inestimable pour une démarche d’IA, car le Machine Learning peut désormais donner du sens et de la valeur à toutes ces données. Pour produire rapidement des résultats tangibles, il est astucieux d’utiliser l’IA pour tirer les fruits des efforts passés.

Il ne faut pas non plus négliger de nouvelles pistes d’exploration, auxquelles on n’avait parfois pas pensé. Des solutions sont capables de fouiller dans des volumes de données non structurées, en appliquant successivement plusieurs méthodes. On fera ainsi ressortir d’une base de données CRM par exemple les quelques critères les plus déterminants pour l’achat de tel ou tel produit.

Dans un tout autre domaine, je m’intéresse aux recherches menées aujourd’hui autour du bruit. Je veux parler du bruit au sens le plus immédiat du terme : celui d’un moteur automobile par exemple. Certains analysent ce bruit diffus pour y détecter des signaux annonciateurs d’un défaut mécanique. De la même façon, c’est en allant brasser des données parfois jugées peu intéressantes de prime abord, qu’on va sortir des pistes de valeur ajoutée importantes pour l’entreprise.

 

Qui sont les acteurs qui peuvent aider les entreprises dans leur approche de l’IA ?

Ce marché est en train de se développer à vive allure. Les GAFA sont bien positionnés car ils ont des volumes de données importants et de grandes capacités de calcul. La plupart publient leur code en open source, ces modules deviennent des commodités qui peuvent ensuite être intégrées à divers services – autour de la reconnaissance visuelle, de l’analyse sémantique, etc.

IBM et sa solution Watson essaient de toucher des entreprises de tous les secteurs. Ils font face à des grands acteurs comme Capgemini ou Atos. En fait, Watson est une plateforme composée de très nombreuses briques logicielles. Certaines permettent de gérer des agents conversationnels, d’autres de faire de la reconnaissance d’image (dans le secteur médical en particulier), d’autres encore permettent l’interprétation du langage naturel. Watson intègre également des solutions pour entraîner des briques d’intelligence à partir du vocabulaire propre à un secteur donné, ou pour créer des solutions d’analyse de données structurées ou non. Pour supporter ces solutions, IBM propose son infrastructure dans le cloud : Power AI, qui est ouverte aux technologies logicielles tierces-parties comme TensorFlow, la bibliothèque open source de machine learning et deep learning créée par Google.

Pour Google, l’IA est devenue la première priorité de l’entreprise. Au travers de ses diverses activités, l’entreprise a renforcé ses compétences dans le traitement des images et du langage. Google a récemment annoncé la création d’une équipe de conseil dédiée à l’accompagnement de ses clients dans leurs projets. C’est une opportunité pour les entreprises de tous secteurs.

La plupart des autres acteurs de l’informatique d’entreprise se sont mis à l’IA : Microsoft, SalesForce, SAP, Oracle, Adobe, etc.

Il existe aussi un très grand nombre de start-ups qui sont en train de développer des solutions qui fonctionnent très bien. Toutes n’ont pas développé une technologie propre. Beaucoup ont simplement intégré des briques logicielles existantes de façon efficace et intelligente pour les appliquer à un marché donné. Même sans avoir créé de briques spécifiques, le choix, la programmation et l’entrainement d’un modèle de Deep Learning ou Machine Learning pour répondre à un besoin spécifique requiert des compétences encore rares, et a donc de la valeur.

Il reste à modifier les habitudes d’achats des grandes entreprises pour permettre l’émergence des start-ups qui ont des solutions un peu différenciées. Autrement, elles seront acquises par des plus gros acteurs. Aujourd’hui le marché est loin d’être consolidé. Sur une brique de service en Intelligence Artificielle, on trouve une bonne centaine de start-ups qui ont développé des solutions partout dans le monde.

 

Et quels seraient les futurs champions français de l’Intelligence Artificielle ?

Il y a un critère qui ne trompe pas : ce sont ceux qui ont réalisé des levées de fonds importantes récemment. Parmi eux, on peut citer Snips, qui a lancé une solution d’assistant vocal pour les applications et levé 12 millions d’euros (en juin 2017).

Algolia qui développe un moteur dédié aux recherches au sein d’une application, un site internet ou un service dédié d’une entreprise, a levé 53 millions d’euros juin 2017.

Je croise aussi des acteurs qui me semblent très prometteurs. Du côté des chatbots, j’ai remarqué Do You Dream Up. Son algorithme propose un chat automatique multilingue pour les sites web, déployé notamment chez EDF, à la SNCF ou bien chez Orange. Recast.ai permet de créer son propre bot et de l’intégrer au support que l’on souhaite. La solution s’utilise en mode cloud et intègre des briques de traitement du langage développées spécifiquement par l’entreprise.

Si l’on s’intéresse à la Data, Prevision.io propose d’automatiser le Machine Learning, ils récupèrent les données du client et testent diverses méthodes d’apprentissage pour trouver celles qui sont les plus pertinentes par rapport à un objectif à atteindre. Dataiku développe une plateforme pour analyser la donnée et développer des méthodes prédictives et est aussi prometteur dans le secteur.

Il y a aussi deux start-ups dans le domaine de l’imagerie en santé qui ont retenu mon attention. D’abord Cardiologs qui développe une solution en cloud d’analyse d’électrocardiogramme. Ainsi que Therapixel, qui en entraînant son IA à l’aide de centaines de milliers d’images, aide à déceler des pathologies du sein.

Olivier Ezratty a publié Les Usages de l’Intelligence Artificielle en octobre 2017.

Découvrir nos points de vue, les tendances de l’année, et quelques grands acteurs de l’écosystème : téléchargez notre Innovatys Book 2017/2018.