Essec Business School

L’intelligence artificielle est un concept assez difficile à définir, parce que tout le monde n’est pas d’accord sur ce que le terme est censé englober.

Ce qui est certain, c’est que quand on parle des progrès récents en intelligence artificielle, on parle principalement des avancées extraordinaires réalisées dans un des domaines de l’intelligence artificielle, à savoir ce qu’on appelle l’apprentissage supervisé.

Modèles mathématiques et prédictions : quel lien, quelles possibilités ?

Imaginons que vous soyez un cardiologue, et que vous deviez prédire le risque de récidive d’un patient qui vient d’avoir un infarctus du myocarde. Vous allez regarder son sexe, son âge, son surpoids éventuel, sa tension artérielle, son mode de vie, ses antécédents familiaux, etc., puis vous allez faire une prédiction.

Cette prédiction, vous pourriez la confier à un modèle mathématique. Dans le secteur des banques ou des assurances, en marketing, ou en finance, on fait cela depuis des décennies. Si vous disposez d’une base de données avec l’historique de centaines ou de milliers de patients, certains ayant fait des récidives, et d’autres pas, vous pourriez créer un gros modèle mathématique très compliqué qui mettrait en équation les facteurs de risque d’un côté, et les récidives observées de l’autre.

Le problème, c’est que lorsque vous avez non pas une dizaine d’informations à prendre en compte, mais des milliers, ou des dizaines de milliers, spécifier un modèle mathématique de manière structurée est quasiment impossible.

Les réseaux de neurones artificiels : à quoi ça sert ?

C’est là que les réseaux de neurones artificiels entre en jeu. L’idée d’un réseau de neurones est que, plutôt que de construire un gros modèle mathématique très compliqué, on va utiliser des toutes petites équations mathématiques extrêmement simples, mais on va en utiliser plein, en même temps, en parallèle, et on va les faire communiquer entre elles. Un neurone artificiel, en fait, c’est juste un petit modèle mathématique, qui va prendre des données en entrée, les transformer, et envoyer le résultat aux neurones suivants, qui vont les retransformer, et ainsi de suite. Et ce réseau, constitué de petites unités très simples, va être capable d’apprendre des relations très complexes à partir des données qu’on va lui fournir.

Une révolution

Mais à partir de 2012 se produit une véritable révolution. Grâce aux progrès scientifiques dans le domaine, aux capacités de calcul toujours plus rapides, et à des données d’apprentissage de plus en plus massives (c’est le fameux « big data »), on va réussir à faire fonctionner ce qu’on appelle des réseaux de neurones « profonds » (c’est le deep learning en anglais), c’est-à-dire où des dizaines, voire des centaines de couches de neurones vont réussir à communiquer entre elles de manière efficace.

Et ça, c’est une révolution, parce qu’à partir du moment où on est capable de faire fonctionner des réseaux de neurones très complexes, on est du coup capable de résoudre des problèmes très complexes également. Par exemple, on peut aujourd’hui identifier sur une image la présence d’un panneau de signalisation, d’un véhicule, ou d’un piéton… c’est la technologie utilisée notamment par les véhicules autonomes. On peut prendre une radiographie et identifier automatiquement la présence d’un cancer, ou analyser la photographie d’un grain de beauté, et diagnostiquer le risque d’un mélanome. L’intelligence artificielle a énormément d’applications en imagerie médicale. On peut prendre la photo de quelqu’un qui marche en rue, en prédire si c’est un homme ou une femme, s’il est jeune ou vieux, content ou faché. Voire, on est capables de prédire si c’est vous sur la photo.

On peut prendre une séquence de mots, et anticiper le prochain que vous allez taper. Ou en prédisant la prochaine note de musique, puis la suivante, puis encore la suivante, un réseau de neurones peut écrire une nouvelle partition originale à la manière de Bach.

Lorsque vous posez une question à votre smartphone, un réseau de neurones va prendre le son de votre voix et prédire les mots qui y sont associés, puis un autre réseau de neurones va prendre ces mots, pour prédire le sens de votre question. Ou bien il va traduire votre texte dans une autre langue, automatiquement.

En marketing, en cybersécurité, en médecine, en détection des fraudes, en prédiction des risques, en business en général, les réseaux de neurones profonds ont des retombées énormes, et des milliers de nouvelles applications ont vu le jour sur ces seuls derniers mois.

Ceci dit, quand on parle d’intelligence artificielle, on ne parle pas que de réseaux de neurones. Le domaine de l’intelligence artificielle est beaucoup plus vaste que cela. Mais c’est avec les réseaux de neurones qu’on a rencontré les succès les plus fulgurants ces dernières années, et quand on parle d’intelligence artificielle aujourd’hui, c’est souvent à eux que l’on fait implicitement référence.

Mais attention, les réseaux de neurones profonds ne sont ni magiques, ni infaillibles, et il serait dangereux de penser qu’il suffit de pousser sur un bouton pour qu’ils fonctionnent sans faille. Mais ça, c’est le sujet de notre prochaine vidéo.