Comment le deep learning a stimulé l’IA
L’apprentissage profond (deep learning) a révolutionné notre capacité à aborder des problématiques complexes. La reconnaissance d’images, de visages, de sons et le traitement du langage sont maintenant des tâches automatisables avec d’excellents taux de conformité alors que ce n’était qu’un rêve il y a seulement quelques années. Mieux encore, les outils permettant de réaliser ces actions sont devenus extrêmement simples à utiliser et se démocratisent.
Les réseaux de neurones ont permis cette révolution grâce des ordinateurs plus puissants qui permettent enfin de répondre à leur appétit dévorant en terme de calculs. Les frameworks modernes comme Keras permettent de les exploiter de manière simple et rapide.
Un exemple ? Imaginez que vous souhaitiez laisser entrer dans votre maison uniquement les personnes souriantes devant votre interphone. Avec Keras, en utilisant les réseaux de convolution, vous pouvez le programmer en moins de 50 lignes de code. Votre porte ne s’ouvrira qu’aux personnes souriantes.
Quelque soit le business, l’analyse des images permet d’apporter une connaissance plus fine des process ou des clients et de créer de nouveaux usages. L’imagerie médicale a naturellement fait des progrès et les diagnostics sont de plus en plus précis. Les véhicules voient leur environnement et deviennent autonomes. En retail l’expérience client est renouvelée : il est maintenant possible de visualiser un nouveau canapé ou une nouvelle décoration dans son salon en réalité augmentée ou de rechercher une paire de chaussures sur un site e-commerce à partir d’une photographie.
Les réseaux récurrents ont grandement amélioré notre capacité à traiter le langage et les séquences. Un programme peut apprendre Shakespeare pour générer des poèmes « à la façon de » , les applications sont nombreuses, comme avec la musique par exemple. Les chatbots ou agents conversationnels peuvent interagir pour apporter une réponse à un client ou servir un employé. Vous souhaitez catégoriser automatiquement une réclamation client, c’est possible. Traduire une langue à l’oral ? Possible aussi. Résumer un document ? Possible également.
La gestion des projets d’apprentissage profond demande des spécificités et l’entrainement des réseaux neuronaux réclame une attention particulière. Il faut veiller à bien couvrir fonctionnellement la problématique à traiter en tenant compte des biais éthiques qui se manifestent. La communication entre les équipes de data scientists et des experts du métier concernés est primordiale pour la réussite des projets.
Les prototypes de projets d’IA sont relativement rapides à mettre en place lorsque la problématique est bien cernée et la data nécessaire bien identifiée.
Mathieu Deleu
