Intelligence artificielle
Présentation et intérêt
L'intelligence artificielle (IA) permet à des machines d'apprendre par l'expérience, de s'adapter à de nouvelles données et de réaliser des tâches humaines. La plupart des exemples d'IA qui font les gros titres de nos jours (des ordinateurs jouant aux échecs aux voitures autonomes) reposent fortement sur le deep learning et le traitement du langage naturel. Grâce à ces technologies, il est possible de former des ordinateurs à effectuer certaines tâches en traitant de vastes quantités de données et en en dégageant des tendances.
Histoire de l'intelligence artificielle
Le terme « intelligence artificielle » a été inventé en 1956, mais l’IA est aujourd’hui plus populaire que jamais grâce à l’augmentation des volumes de données, aux Algorithms avancés et aux améliorations en matière de puissance de calcul et de stockage.
Les premières recherches menées dans les années 1950 ont exploré des sujets tels que la résolution de problèmes et les méthodes symboliques. Dans les années 1960, le ministère américain de la Défense s’est intéressé à ce type de travaux et a commencé à former des ordinateurs à imiter le raisonnement humain de base. Par exemple, l’Agence pour les projets de recherche avancée de défense (DARPA) a mené à bien des projets de mapping routière dans les années 1970. Et la DARPA a produit des assistants personnels intelligents en 2003, bien avant que Siri, Alexa ou Cortana ne deviennent des noms familiers du foyer.
Ces premiers travaux ont ouvert la voie à l’Automatisation et au raisonnement formel que nous observons aujourd’hui dans les ordinateurs, notamment les systèmes d’aide à la décision et les systèmes de recherche intelligente qui peuvent être conçus pour compléter et augmenter les capacités humaines.
Alors que les films hollywoodiens et les romans de science-fiction dépeignent l’IA comme des robots humanoïdes qui envahissent le monde, l’évolution actuelle de cette technologie n’est pas si effrayante, ni aussi intelligente. Au contraire, l’IA a évolué pour offrir de nombreux avantages spécifiques dans tous les secteurs. Poursuivez votre lecture pour découvrir des exemples dans les domaines de la santé, de la vente au détail et bien d’autres encore.
Les technologies d\'IA générative actuelles ont permis à un nombre croissant de professionnels de prendre conscience des avantages de l\'IA. Les assistants alimentés par LLM font leur apparition dans de nombreux logiciels existants, des outils de prévision aux piles marketing. L'adoption rapide de l'IA générative a également soulevé des questions et des préoccupations concernant l'anxiété liée à l'IA, les hallucinations de l'IA et l'Éthique de l'IA. Par conséquent, les discussions sur l’IA fiable et l’IA responsable deviennent cruciales dans tous les secteurs.
1950–1970
Les premiers travaux sur les réseaux neuronaux suscitent l'engouement pour les « machines pensantes ».
Aujourd'hui
L'IA Générative, une technologie révolutionnaire, voit sa popularité exploser.
Qu'est-ce que l'IA générative ?
"Avec l'IA générative, nous entrons dans une nouvelle ère d'interaction entre l'humain et la machine," déclare Marinela Profi, une responsable du marketing IA chez SAS.
L'IA générative apprend à partir de milliards de points de données et génère du contenu nouveau sur la base de prompts humains. Écoutez Profi discuter d'exemples concrets d'IA générative dans différents secteurs d'activité, y compris des cas d'usage utilisant les grands modèles de langage (LLM), la génération de données synthétiques et les jumeaux numériques.
Découvrez les risques et les bénéfices de cette nouvelle frontière de l'IA.
Pourquoi l'intelligence artificielle a-t-elle tant d'intérêt ?
Automatise l'apprentissage et la découverte répétitifs grâce aux données. Au lieu d'automatiser les tâches manuelles, l'intelligence artificielle effectue des tâches informatisées fréquentes et volumineuses. Et il le fait de manière fiable et sans fatigue. Bien sûr, les humains restent indispensables pour mettre en place le système et poser les bonnes questions.
Ajoute de l'intelligence aux produits existants. De nombreux produits que vous utilisez déjà seront améliorés grâce à l'intelligence artificielle, tout comme Siri a été ajouté comme fonctionnalité à la nouvelle génération de produits Apple. L’Automatisation, les plateformes conversationnelles, les robots et les machines intelligentes peuvent être combinés à de grandes quantités de données pour améliorer de nombreuses technologies. Les mises à niveau à domicile et sur le lieu de travail vont de la Lutter contre la fraude et des caméras intelligentes à l'Analyse d'investissement.
S’adapte grâce à des Algorithms d’apprentissage progressif pour laisser les données faire la programmation. L’intelligence artificielle trouve des structures et des régularités dans les données afin que les algorithmes puissent acquérir des compétences. Tout comme un algorithme peut apprendre à jouer aux échecs, il peut apprendre à recommander le produit suivant à vendre en ligne. Et les modèles s'adaptent lorsqu'on leur fournit de nouvelles données.
Analyse des données plus nombreuses et plus approfondies à l'aide de réseaux de neurones comportant de nombreuses couches cachées. Construire un système de détection des fraudes avec cinq couches cachées était autrefois impossible. Tout cela a changé grâce à la puissance incroyable des ordinateurs et au big data. Vous avez besoin de beaucoup de données pour l’Apprentissage des modèles de Deep Learning, car ils apprennent directement à partir des données.
Atteint une précision incroyable grâce à des réseaux de neurones. Par exemple, vos interactions avec Alexa et Google sont toutes basées sur le Deep Learning. Et ces produits deviennent de plus en plus précis à mesure que vous les utilisez. Dans le domaine médical, les techniques d'IA issues du Deep Learning et de la reconnaissance d’objets peuvent désormais être utilisées pour localiser le cancer sur des images médicales avec une précision accrue.
Tirez le meilleur parti des données. Lorsque les Algorithms sont auto-apprenants, les données elles-mêmes constituent une ressource. Les réponses se trouvent dans les données – il suffit d'utiliser l'intelligence artificielle pour les trouver. Grâce à cette relation étroite entre les données et l’IA, vos données deviennent plus importantes que jamais. Si vous disposez des meilleures données dans un secteur concurrentiel, même si tout le monde utilise des techniques similaires, ce sont les meilleures données qui l'emporteront. Mais pour utiliser ces données afin d’innover de manière responsable, il faut pouvoir compter sur l’IA. Cela signifie que vos systèmes d'IA doivent être éthiques, équitables et durables.
Utilisations de l'intelligence artificielle
Tous les secteurs ont une forte demande en matière de fonctionnalités IA, notamment pour les systèmes pouvant être utilisés pour l’Automatisation, l’apprentissage, l’assistance juridique, la notification des risques et la recherche. Les utilisations spécifiques dans les différents secteurs sont les suivantes :
Banque
L'Intelligence Artificielle augmente la vitesse, la précision et l'efficacité des efforts humains. Dans les institutions financières, les techniques de l'IA peuvent être utilisées pour identifier les transactions les plus susceptibles d'être frauduleuses et adopter un credit scoring précis et rapide, ainsi qu'automatiser les tâches de gestion de données nécessitant habituellement beaucoup de travail manuel.
Elle fait partie intégrante des logiciels SAS depuis des années. Aujourd'hui, nous aidons nos clients dans tous les domaines à tirer parti des avancées de l'IA et nous continuerons à incorporer des technologies d'IA, comme le machine learning et le deep learning, dans toute la gamme des solutions SAS.Jim Goodnight CEO SAS
WildTrack et SAS : protéger des espèces menacées, grâce à leurs empreintes.
Des espèces emblématiques comme le guépard sont en voie de disparition. Et avec elles, la biodiversité indispensable à notre survie à tous. WildTrack étudie l'utilité de l'intelligence artificielle en matière de conservation – pour analyser les empreintes à la manière des pisteurs indigènes et protéger les espèces menacées d'extinction.
Comment fonctionne l'intelligence artificielle
L’IA fonctionne en combinant de grandes quantités de données avec un traitement rapide et itératif et des Algorithms intelligents, ce qui permet au logiciel d'apprendre automatiquement à partir de patterns ou de caractéristiques présents dans les données. Ce vaste domaine d'étude comprend de nombreuses théories, méthodes et technologies, ainsi que les principaux sous-domaines suivants :
Machine Learning
Le machine learning automatise la création de modèles analytiques. Sans être explicitement programmé pour savoir où et quoi chercher, il utilise des méthodes issues des réseaux neuronaux, des statistiques, de la recherche opérationnelle et de la physique pour trouver des informations enfouies dans les données.
Réseaux de neurones
Un réseau de neurones est un type de machine learning composé d'unités interconnectées (comme des neurones) qui traite les informations en répondant à des entrées externes et en les transmettant d'une unité à l'autre. Le processus exige d'effectuer plusieurs itérations pour trouver des connexions et interpréter des données indéterminées.
Deep learning
Le deep learning utilise d'énormes réseaux de neurones comportant plusieurs couches d'unités de traitement et tire parti des progrès réalisés en matière de puissance de calcul et de techniques d'apprentissage pour identifier des schémas complexes au sein de gros volumes de données. La reconnaissance de l'image et de la parole figurent parmi les applications courantes.
De plus, plusieurs technologies intègrent et prennent en charge l'IA :
La Computer vision repose sur la reconnaissance de schémas et sur le deep learning pour identifier le contenu d'une image ou d'une vidéo. Quand les machines sont capables de traiter, d'analyser et de comprendre des images, elles peuvent alors capturer des images ou des vidéos en temps réel, et interpréter leur environnement.
Le traitement automatique du langage naturel (NLP) désigne la capacité des ordinateurs à analyser, à comprendre et à générer le langage humain, notamment sous sa forme orale. Le niveau supérieur du NLP est l'interaction en langage naturel, qui permet aux humains de communiquer avec des ordinateurs en utilisant un langage de tous les jours pour exécuter des tâches.
Les processeurs graphiques fournissent la puissance de calcul nécessaire au traitement itératif. L’entraînement des réseaux de neurones nécessite du big data et une puissance de calcul importante.
L'internet des objets génère des masses considérables de données provenant des appareils connectés, la plupart n'étant pas analysées. L'automatisation des modèles avec l'IA nous permettra de mieux les exploiter.
Des algorithmes avancés sont mis au point et font l'objet de nouvelles combinaisons dans le but d'analyser plus de données, plus vite et à plusieurs niveaux. Ce traitement intelligent est indispensable pour identifier et prévoir des événements rares, comprendre des systèmes complexes et optimiser des scénarios uniques.
Les API, ou interfaces de programmation d'applications, sont des ensembles de code qui permettent d'ajouter des fonctions d'IA à des produits et logiciels existants. Elles peuvent ainsi doter des systèmes de sécurité domestiques de fonctions de reconnaissance d'images et offrir des fonctions de questions/réponses qui décrivent les données, créent des légendes et des titres, ou font ressortir des informations et schémas intéressants dans les données.
L’IA devient-elle autonome ?
À mesure que la technologie progresse, les agent ia sont devenus de plus en plus autonomes, s’intégrant aux LLMs pour améliorer la prise de décision, optimiser les processus et fournir des dossiers d'investigations en temps réel.
Les agents IA fonctionnent selon un spectre d'autonomie allant de cas d'usage nécessitant une supervision humaine à des scénarios où les humains peuvent être exclus du processus. En savoir plus sur les agents IA et leur fonctionnement.
Étapes suivantes
Découvrez comment les solutions d'intelligence artificielle améliorent la créativité et les efforts humains.
Fonctionnalité mise en avant pour l'INTELLIGENCE ARTIFICIELLE
SAS® Visual Machine Learning
L'IA est simplifiée lorsqu'il est possible, avec une seule solution, de préparer les données pour analyser, développer des modèles à l'aide d'algorithmes modernes de machine learning et intégrer l'analyse textuelle. De plus, vous pouvez programmer des projets qui associent SAS à d'autres langages, dont Python, R, Java ou Lua.
Lecture recommandée
-
ARTICLE
L'IA transforme l'assurance : découvrez comment avec ces 8 exemplesL'utilisation de l'IA dans les assurances peut accroître la valeur pour les clients, les compagnies d'assurance et les parties prenantes. Détection renforcée des fraudes, meilleur service client, optimisation des processus de souscription et avantage concurrentiel, voilà quelques exemples des bénéfices procurés par l'IA. Découvrez comment l'IA est en train de transformer le secteur.
-
ARTICLE
Detect and prevent banking application fraudCredit fraud often starts with a falsified application. That’s why it’s important to use analytics starting at the entrance point. Learn how analytics and machine learning can detect fraud at the point of application by recognizing the biggest challenge – synthetic identities.
-
ARTICLE
How to improve your AI marketing skillsMarketing teams can use current AI capabilities to enhance their efforts around campaign automation, dynamic pricing based on forecasting models, and by providing more relevant, real-time customer offers.
Intelligence Artificielle (IA)
Définition et enjeux
L'intelligence artificielle dans le monde d'aujourd'hui
Découvrez l'IA dans tous les secteurs d'activité
Entrez dans un hôpital ou un magasin faisant appel à l'IA, ou essayez un système d'analyse prédictive parlant. Ce rapport de Harvard Business Review s’intéresse à l'univers de l'IA, examine les ressources existantes en la matière et explique pourquoi il ne faut pas dire de gros mots devant Siri.
L'IA et l'Internet des objets
Nous sommes cernés par les données. Si l'Internet des objets (IoT, Internet of Things) et les capteurs permettent de tirer parti de gros volumes de données, l'intelligence artificielle est capable d'en dégager des tendances et de les assimiler pour automatiser des tâches dans divers domaines.
Intégrez l'IA dans votre programme analytique
Pour utiliser l'IA efficacement, il est important de l'incorporer à votre stratégie d'entreprise, en veillant systématiquement à faire converger les facteurs humains, les processus et les technologies.
Faites la différence entre fiction et réalité
« L'IA contribue certes à insuffler davantage d'intelligence dans les machines, mais elle ne cherche pas à dominer le monde », affirme Oliver Schabenberger, vice-président exécutif et directeur technique de SAS.
SAS® Visual Data Mining and Machine Learning
L'IA est simplifiée lorsqu'il est possible, avec une seule solution, de préparer les données pour analyse, de développer des modèles à l'aide d'algorithmes modernes de machine learning et d'intégrer l'analyse textuelle. De plus, vous pouvez programmer des projets qui associent SAS à d'autres langages, dont Python, R, Java ou Lua.