Longtemps cantonnée au monde de la recherche et à quelques marchés de niche, les technologies d'Intelligence artificielle (IA) font aujourd'hui un retour en force et deviennent une réalité dans les entreprises. Si ces technologies existent depuis une quarantaine d'années, les progrès des algorithmes, conjugués à l'augmentation de la puissance machine et à l'explosion des données, ouvrent en effet de nouvelles perspectives. S'inspirant des géants du Web, notamment les GAFA (Google, Amazon, Facebook, Apple), qui ont utilisé l'IA avec succès pour améliorer le niveau de service de leurs solutions et in fine l'efficacité de leurs ciblages commerciaux, de nombreuses directions fonctionnelles ont compris très tôt qu'elles pouvaient également en tirer parti pour assister ou suppléer leurs équipes dans certaines tâches. En effet, si un algorithme est capable de comprendre et anticiper le comportement d'un internaute, il peut tout autant analyser des données d'activité pour, par exemple, évaluer une performance ou anticiper un besoin.

Schéma 1 (cliquez pour agrandir)

Tous les secteurs d'activité seraient aujourd'hui concernés, selon une étude de PwC (voir schéma 1) présentée par Jacques Baudron lors du colloque. Invitant son auditoire à "découvrir les territoires applicatifs de l'IA", le gérant et responsable formation-prospective au sein de la société de conseil et d'ingénierie Ixtel a malgré tout insisté sur l'avance dans les secteurs du transport (conduite autonome, gestion de circulation, transport de fret, etc.), de la finance (analyse de risques, gestion de portefeuille, etc.), de la défense (simulation, détection de signaux, navigation autonome, etc.) ou encore de la santé (diagnostics médicaux, choix de traitement, etc.). Dans ce dernier secteur, l'utilisation de l'intelligence artificielle en radiologie aurait permis un progrès considérable en réduisant les coûts et en augmentant l'efficacité des examens. "Elle facilite certaines tâches en automatisant par exemple l'identification des contours d'une tumeur ou de la paroi cardiaque, mais aide aussi à prédire une évolution pathologique et à placer le patient dans un groupe thérapeutique, pour optimiser son parcours de soin", a expliqué Stéphane Boyer, directeur général Europe de la start-up Arterys, spécialisée sur le créneau.

L'intelligence artificielle… n'a rien d'intelligent !

Au-delà, Jacques Baudron a aussi insisté sur les potentialités dans tous les domaines pouvant tirer parti des technologies de traitement du langage naturel, à des fins de modélisation comportementale, de traduction ou tout simplement de reconnaissance d'un texte écrit ou parlé. Pour autant, a-t-il tempéré, "l'Intelligence artificielle mise en œuvre aujourd'hui n'a rien d'intelligent". Selon lui, "les algorithmes actuels permettent de prendre une décision uniquement à partir de corrélations et d'extrapolations statistiques sur des données préalablement injectées dans les systèmes. Cette "IA faible" n'est que de la programmation et du traitement de grands volumes d'informations. L'"IA forte", qui permettra à une machine de décider de manière raisonnée, par modélisation de la conscience humaine, n'est pas pour demain".

Au sein des organisations, toutes les directions fonctionnelles misent aussi sur l'IA pour gagner en efficacité. De la direction générale aux achats en passant par le marketing, les ressources humaines, la production, les ventes et la direction administrative et financière, le colloque a permis de mesurer concrètement les potentiels et apports des technologies cognitives. Si l'IA est souvent mise en priorité au service du marketing-ventes (identification de nouveaux marchés, anticipation de besoin, etc.) et des ressources humaines (détection des risques sociaux, aide au recrutement, etc.), riches d'informations sur les clients/prospects et sur les salariés, d'autres directions commencent aussi à y trouver leur compte.

Ainsi, aux achats, plusieurs éditeurs spécialisés travaillent sur des systèmes intelligents pour émettre des alertes en fonction d'évolutions des marchés (modifications de produits, changements de prix, etc.), pour optimiser les coûts d'achats en comparant l'historique des commandes et les prix constatés sur Internet, ou encore pour mener des analyses de risques dans le cadre de la gestion des appels d'offres et des contrats. Autre exemple, présenté par Patrick Chabannes, directeur business développement chez l'éditeur e-achat Jaggaer, et Jean-Marc Pichery, directeur des opérations et de la stratégie chez EasyKost : l'analyse prédictive des dépenses et l'estimation de prix, ou "prédictive costing". L'objectif étant de gagner en précision et en rapidité. "Alors qu'il est nécessaire de traiter des volumes toujours plus importants de données, sous formes structurées ou non, issues de sources multiples, les équipes ne mènent plus les projets pendant des mois. Avec l'IA, quelques heures peuvent suffire", estime Patrick Chabannes. Là encore, "il n'y a pas de conscience, ce n'est qu'une simulation de l'intelligence humaine", a précisé Jean-Marc Pichery. "L'ordinateur apprend seulement par rapport aux données qui lui sont fournies. Il ne fait ensuite que prédire, reconnaître et faire des estimations sur la base de calculs statistiques".

L'importance des jeux de données pour l'apprentissage

Si les atouts de l'IA sont évidents (vigilance permanente, productivité, etc.), plusieurs aspects méritent toutefois surveillance. La fiabilité des algorithmes d'abord et les problèmes de traçabilité : les réseaux neuronaux agissent notamment comme une boîte noire et certains systèmes ne peuvent expliquer leurs décisions. L'autre principal enjeu concerne les données, en termes de qualité, de véracité et de volume. Grégory Chatel, directeur scientifique au sein de la société de développement Disaitek, est ainsi venu expliquer "l'importance des jeux de données pour l'apprentissage", en particulier pour la reconnaissance de formes et du langage. "L'explosion des volumes et l'accès à des bases de données labellisées ont permis des progrès considérables", a-t-il expliqué. De même que la combinaison de plusieurs méthodes d'apprentissage : par transfert, en appliquant un cas d'apprentissage général "réussi" à un cas particulier, puis semi-supervisé, pour éliminer l'"effet bruit", et enfin multi-tâches, pour trouver des corrélations que l'humain n'aurait pas vues.

Autre question cruciale, abordée lors du colloque : "comment connecter l'IA aux applications métier". La plupart du temps, par acquisition de technologie ou mise en place d'un partenariat, les éditeurs intègrent directement des solutions IA tierces dans leur progiciel. D'autres solutions peuvent se connecter facilement, via des interfaces applicatives (API), ou être utilisées en parallèle après transfert des données à exploiter. Sur ce modèle, Nuxeo propose une plate-forme intelligente de gestion de contenus documentaires non structurés, notamment des photos. À partir de logiciels tels Google Vision ou Amazon Rekognition, sa solution Nuxeo Vision permet d'extraire des métadonnées (tags, noms, droits d'utilisation, etc.) et suggère des liens vers des pages Web ou des images approchantes. La version Nuxeo AI va plus loin en ajoutant des éléments de contexte (sentiment, traduction, etc.) et en proposant une aide à la décision : réalisation automatique de tâches, suggestion d'actions, etc. "Techniquement, nous pouvons nous connecter à n'importe quelle applications métier, mais évitons les multiples allers-retours une fois les données récupérées". Dans ce cas, la DSI est souvent mise à contribution, dans le cadre d'une équipe pluri disciplinaire. "Au moins pour gérer les aspects sécurité, conformité, hébergement", a détaillé Saoussane Roussin, expert IA chez SQLI Consulting.

Agents conversationnels et automatisation des processus

En attendant l'arrivée de fonctionnalités "augmentées" dans les applications métiers, c'est sur un créneau bien particulier que se concentrent encore les éditeurs : les chatbots. Il faut dire que l'intérêt des entreprises pour ces "agents conversationnels", qui répondent à des questions décryptées à travers des mécanismes de traitement du langage naturel, puis analysées et traitées en fonction de l'historique des demandes, s'est renforcé depuis quelques années en raison de leur intégration aux smartphones. Sans doute aussi parce que les GAFA se sont rapidement positionnés sur le terrain avec leur propre solution. La dynamique est telle que le cabinet d'études Gartner prédisait l'an dernier que, "d'ici 2019, 40 % des entreprises utiliseront activement les chatbots pour faciliter les processus métier en proposant des interactions en langage naturel". L'intérêt des éditeurs de progiciels de gestion d'entreprise va effectivement dans le sens de cette prévision. Après le Néerlandais Unit4 et son agent Wanda lancé en 2016, de nombreux autres acteurs ont suivi, en commençant par ceux adressant les directions fonctionnelles en fréquentes interactions avec leurs interlocuteurs : ressources humaines, ventes, achats, etc.

Les domaines d'application de l'IA ne s'arrêtent pas là. Ainsi, la Robotic Process Automation (RPA), étape préalable au déploiement de l'intelligence artificielle, d'abord apparue avec la mise en place de robots dans l'industrie, permet d'automatiser rapidement et efficacement des tâches récurrentes et fastidieuses. Elle apporte une réponse au goulot d'étranglement qui peut se créer sur les opérations de validation et de contrôle des données, voire de saisie. Ainsi, la RPA permet aux équipes de se concentrer sur les dossiers complexes ou sur les exceptions, et de passer davantage de temps dans la collaboration avec leurs interlocuteurs.

Au final, une chose est sûre : le mouvement est enclenché et le champ applicatif de l'IA paraît très large. Bien sûr, l'objectif n'est pas de remplacer l'homme par la machine. Il s'agit avant tout d'amplifier le niveau de service apporté par les ordinateurs aux équipes opérationnelles, afin que celles-ci puissent se consacrer à des tâches à plus forte valeur ajoutée. De même, il ne faut pas considérer les dispositifs comme de simples systèmes informatiques, mais plutôt comme des entités ayant un comportement assimilable à celui des humains : erreurs, apprentissage progressif, etc. Ni viser la perfection. C'est dans le respect de ces prérequis que les avancées de l'IA devraient profondément transformer les applications et les métiers dans les mois et les années à venir.

Thierry Parisot