Artificial Intelligence
Imagine un instant que cet article puisse être écrit automatiquement, en indiquant simplement le sujet principal et les idées qui devraient être reflétées dans l'article. Ensuite, on peut demander à une application d'intelligence artificielle (IA) de créer l'article en quelques secondes. Peut-être que nous ne sommes pas si loin de cette réalité.
Nous assistons à une explosion de technologies d'IA qui passent rapidement du stade de la recherche à celui de technologies de masse. L'une des technologies qui a attiré le plus d'attention l'année dernière se situe dans le domaine des technologies d'IA génératives [5], [6]. Plus précisément, la technologie capable de modifier les images synthétiques, l'art ou le style des images, et qui est disponible dans des applications comme DALL-E [7], Nightcafe [8], Midjourney [9], [10]. Une simple description textuelle de notre image, y compris le style, peut immédiatement créer des images synthétiques très proches d'objets réels ou même d'œuvres d'art (texte vers image => [11], [12]). Non seulement cela, mais il peut aussi modifier le style de nos images réelles et retoucher certaines parties de l'image. Ceci n'est le cas que pour les technologies d'IA génératives. Les applications IA telles que la génération automatique de textes, de musique, d'art, de visages, d'animations, la restauration de vieux films et le vieillissement ou le rajeunissement des visages sont d'autres exemples dans cette catégorie. D'autres types de technologies d'IA comprennent la communication automatique par des chatbots de plus en plus sophistiqués (IA conversationnelle [13]), des systèmes de traduction automatique dans une multitude de paires de langues, écrites et parlées (traduction automatique [14]), des systèmes de recommandation [15], des systèmes de langage naturel pour extraire des phrases clés ou des entités (IA NLP [16]), la reconnaissance automatique d'objets, de contenus et de personnes dans des images ou des vidéos (IA vision par ordinateur [17]) et bien d'autres choses encore. On attend de ces technologies d'IA qu'elles prennent entièrement en charge les tâches liées à la création de contenu et à la génération d'images, de vidéos et d'audio. De telles tâches peuvent concerner l'automatisation des processus, la recherche, la récupération et la synthèse des informations stockées, la reconnaissance des personnes et de l'écriture, la communication homme-machine, mais aussi des activités intellectuelles plus complexes dans le domaine de la création de contenus et de rapports et l'obtention de connaissances de grande valeur pour les entreprises.
Mais ce n'est que le début. Nous serons étonnés de voir ce que ces technologies peuvent faire pour nous dans les années à venir. Le plus important est que ces technologies passent de l'expérimental à l'usage quotidien dans nos vies et nos entreprises en un rien de temps. Ces technologies ne sont pas là pour nous remplacer, mais pour nous aider dans les tâches ennuyeuses et répétitives. Des tâches dans lesquelles l'homme effectue des activités cognitives qui ne représentent pas un effort pour nous, mais qui sont présentes dans notre vie quotidienne et notre entreprise. Tout cela crée une multitude de possibilités pour la numérisation complète des entreprises et peut donc conduire à de grandes économies et à l'optimisation des processus commerciaux [18], [19]. Des études récentes montrent par exemple que les agents d'appel basés sur l'IA remplaceront les humains dans 15% des communications avec les clients au cours des trois prochaines années, ce qui représente une économie estimée à 80 milliards de dollars US [20]. Beaucoup des technologies d'IA mentionnées ci-dessus sont déjà utilisées comme services cognitifs dans le cloud, via l'API REST ou d'une autre manière. Elles deviennent rapidement des objets d'usage courant et peuvent être utilisées par des personnes normales et des entreprises.
Mais comment puis-je intégrer ces technologies d'IA dans mon entreprise? Comment tous ces services cognitifs et l'IA peuvent-ils m'aider dans mon entreprise, dans les nouveaux besoins des clients et dans l'optimisation des processus? La réponse est que de nombreuses entreprises disposent déjà des données et de l'accès aux technologies nécessaires pour utiliser ces services cognitifs d'IA afin de soutenir leurs activités. De nombreuses entreprises ont commencé il y a longtemps à collecter des données et à utiliser des technologies de big data. Beaucoup de ces données restent stockées dans des data lakes ou des mémoires numériques similaires, sans être explorées ou utilisées. Ces sources recèlent un grand potentiel si l'on utilise les technologies d'analyse de données Big Data et de services cognitifs AI. Une seule source ou une combinaison de plusieurs sources suffit pour réaliser de nombreux cas d'utilisation et optimiser les processus. Par exemple, la même vidéo en streaming provenant de caméras sur place pourrait servir à différentes fins. Elle peut être réutilisée pour la détection automatique d'intrus, la sécurité des personnes dans des environnements dangereux, le rapport automatique des activités industrielles et des stocks, le tri de la production et la détection des erreurs. Dans ces cas, les services cognitifs de la vision artificielle se chargeraient de la plupart des tâches. Comme autre exemple, une source unique de documents, de textes ou de messages écrits peut être utilisée pour la classification automatique de documents, le classement de documents, le résumé et l'extraction d'idées ou de mots clés importants. Il peut également être utilisé comme source d'informations lors de recherches intelligentes. Dans tous ces cas, les services d'IA cognitive pour la parole seront d'une grande aide pour le développement de solutions.
Et dans quelle mesure les entreprises sont-elles aujourd'hui à l'aise avec les technologies d'IA et les services cognitifs? Les entreprises utilisent-elles toutes ces technologies pour améliorer réellement leur activité et leurs relations avec les clients? La réalité est que de nombreuses entreprises manquent d'une vision et d'une stratégie cohérentes en ce qui concerne l'utilisation de l'analyse des données volumineuses, de l'IA et des services cognitifs. De nombreuses entreprises ont tout simplement échoué ou luttent maintenant pour maintenir l'utilisation de ces technologies dans leur activité [21], [22], [23]. Les raisons pour lesquelles de nombreuses entreprises ne réussissent pas à utiliser les technologies d'IA et de Big Data sont multiples. L'une des explications est que de nombreuses entreprises se concentrent sur la résolution de cas isolés ou, tout au plus, de plusieurs cas similaires. Les entreprises développent des pipelines de données et des modèles d'IA à partir de zéro et, dans la plupart des cas, en utilisant des technologies open source. Par conséquent, l'effort pour adapter leur cadre aux nouvelles technologies d'IA ou aux nouvelles données, pour mettre à jour les modèles d'IA et pour entretenir l'infrastructure est si important qu'il n'est pas viable à long terme. D'autres causes sont liées au fait que, dans de nombreux cas, ni les données ni le prétraitement des données n'étaient adaptés au business case. Des études récentes montrent également que plus de la moitié des entreprises (58%) se concentrent sur la résolution des cas dits "need-to-do" et que seulement 46% des entreprises exécutent les "must-dos", qui apportent de grands avantages avec peu de complexité [24].
Il y a aussi le problème d'essayer de construire des cas d'utilisation autour de données d'origine analogique, plutôt que de transformer les systèmes pour utiliser des données purement numériques. Par exemple, des textes manuscrits, des documents scannés ou des formulaires remplis à la main. Il est également important de tenir compte du fait que toutes ces technologies d'IA se développent très rapidement, ce qui nécessite des experts hautement spécialisés, des connaissances techniques actuelles et une mise à jour continue des cadres d'IA. Cela représente à son tour un effort très important pour les entreprises par rapport aux bénéfices. C'est pourquoi certaines entreprises ont abandonné des projets dans le domaine de l'IA dont les avantages ne justifiaient pas l'énorme investissement. En bref, de nombreuses entreprises ont embauché un grand nombre d'ingénieurs et dépensé des sommes énormes en ressources, et ont développé leurs propres systèmes à partir de zéro, sans disposer d'une stratégie big data solide ou de prévisions de retour sur investissement.
L'IA et ses services cognitifs ne sont que des outils dans une boîte à outils commerciale. Des outils qui permettent d'extraire des connaissances, de trouver des modèles complexes ou d'optimiser des processus. Nous ne pouvons pas prétendre résoudre tous les cas uniquement avec ces technologies, sans connaître les données et l'activité. N'essaie pas de résoudre des problèmes isolés qui font partie d'une entité numérique beaucoup plus grande, ni d'utiliser des informations analogiques dans un monde numérique. Le potentiel de ces high-techs est loin d'être épuisé. Les entreprises résistent encore à l'utilisation massive et systématique des technologies d'IA, là où elles peuvent jouer un rôle éminent dans l'optimisation des processus, l'acquisition de connaissances et la recherche continue de modèles (AI Augmented Analytics [25]). La nouvelle révolution numérique viendra de ces technologies IA lorsqu'elles seront massivement utilisées dans notre vie quotidienne.
Mais comment accélérer l'innovation et la transformation numérique dans les entreprises sans rencontrer les problèmes mentionnés ci-dessus ? La réponse se trouve dans l'utilisation des services cognitifs d'IA dans le cloud [26], qui sont en développement constant, sont prêts à l'emploi en tant qu'outils, ne nécessitent qu'un effort minimal pour leur mise en service et peuvent être réutilisés sans problème dans des cas similaires. Les services cognitifs d'IA dans le cloud permettent de mettre la technologie d'IA la plus avancée au service de la numérisation et de l'optimisation des entreprises. Ils permettent d'industrialiser ce type d'IA pour toute l'entreprise et permettent une transformation numérique profonde à tous les niveaux. Elle élimine les résistances et les mauvais processus. Ils automatisent et simplifient les processus et le traitement des données. Mais la plupart du temps, elles exécutent des tâches cognitives humaines répétitives et ennuyeuses. L'utilisation généralisée de ces technologies dans tous les domaines rendra les entreprises plus efficaces et réduira ainsi leurs dépenses. S'il existe un processus qui peut être optimisé ou automatisé, les entreprises n'auront pas d'autre choix que d'utiliser ces technologies si elles veulent réaliser une transformation numérique complète et être une entreprise pilotée par les données.
(Azure: https://azure.microsoft.com/en-us/products/cognitive-services/(ouvre une nouvelle fenêtre))
Dans le cas d'Azure Cognitive Services [27], nous pouvons actuellement distinguer cinq catégories principales de services. Ceux qui sont liés à la parole, au langage et à la vision et à la prise de décisions intelligentes, ainsi qu'une catégorie supplémentaire, actuellement en cours de prévisualisation, qui permet aux entreprises d'utiliser la dernière génération de modèles d'IA à grande échelle. Ces services utilisent des modèles d'IA pré-entraînés par le Big Data, qui peuvent à leur tour être adaptés à notre utilisation spécifique en ajoutant nos propres données avec un minimum d'effort. De plus, les services cognitifs d'IA peuvent être combinés entre eux ou avec d'autres services cloud pour créer des solutions qui s'adaptent entièrement à nos besoins. Et surtout, ils permettent de réutiliser les systèmes dans d'autres processus similaires et d'entraîner la même source de données pour d'autres cas d'utilisation.
Les services d'intelligence artificielle cognitive actuellement disponibles dans Azure par catégorie sont les suivants:
Comme mentionné précédemment, ces services sont en constante évolution et extension. (Pour plus d'informations actualisées, consulte la documentation officielle: [28])
L'un de nos cas les plus récents d'utilisation de services d'intelligence artificielle cognitive, qui a été une sacrée réussite, concerne le signalement automatique de l'utilisation d'engins de construction dans le secteur ferroviaire. Le client a stocké des enregistrements vidéo de toutes ses caméras de surveillance de plus de 200 sites différents. Le matériel vidéo a été utilisé uniquement pour la surveillance et la sécurité de l'infrastructure.
Grâce aux technologies de stockage et aux services cognitifs d'IA pour la vision automatique dans le cloud Azure, nous avons pu mettre en œuvre un système automatisé qui non seulement reconnaît le type de machine et les heures de fonctionnement, mais qui peut même signaler le modèle de la machine avec une précision de plus de 95%.
Le système évite de signaler manuellement l'utilisation des machines de construction, ce qui le rend plus efficace et plus précis par rapport à l'homme.
La même source de données a été réutilisée plus tard pour avertir de la présence humaine dans des zones dangereuses avec un minimum de développement supplémentaire.
Dans d'autres cas, nous avons utilisé ces technologies cognitives d'IA pour classer automatiquement les documents juridiques. Pour une autre entreprise, nous avons pu réaliser une PoC (proof of concept) qui a montré qu'il était possible d'identifier et de récupérer des champs remplis à la main dans des formulaires CC. Même si les modèles étaient très précis, il a été recommandé d'éviter autant que possible d'utiliser des informations analogues dans nos propositions de solutions.
Swisscom Data & Analytics soutient les clients commerciaux dans le conseil, la conception, l'intégration et la maintenance de systèmes d'information analytiques tels que les lacs de données, les entrepôts de données, les tableaux de bord, les rapports et les solutions ML/AI basées sur des technologies sélectionnées de Microsoft, AWS, SAP, Open Source et plus encore. Plus de 50 experts en données et en analyse dévoués soutiennent chaque jour nos clients dans différents secteurs afin de les transformer en véritables entreprises pilotées par les données.
Sergio Jimenez est Senior Data & Analytics Consultant chez Swisscom, spécialisé dans les analyses avancées. Depuis son arrivée chez Swisscom en 2016, Sergio a travaillé sur de nombreux projets pour plusieurs clients, allant de la Business Intelligence à l'AI/ML. Il a développé avec succès des solutions innovantes en utilisant les dernières technologies.
[1] Big Data Analytics. IBM. Accessed Sep 2022. https://www.ibm.com/analytics/big-data-analytics(ouvre une nouvelle fenêtre)
[2] Artificial Intelligence. IBM. Accessed Sep 2022. https://www.ibm.com/design/ai/basics/ai/(ouvre une nouvelle fenêtre)
[3] Machine learning. IBM. Accessed Sep 2022. https://www.ibm.com/design/ai/basics/ml(ouvre une nouvelle fenêtre)
[4] What is data lake. Microsoft. Accessed Sep 2022. https://azure.microsoft.com/en-us/resources/cloud-computing-dictionary/what-is-a-data-lake/(ouvre une nouvelle fenêtre)
[5] https://hbr.org/2022/11/how-generative-ai-is-changing-creative-work(ouvre une nouvelle fenêtre)
[6] https://research.ibm.com/interactive/generative-models/(ouvre une nouvelle fenêtre)
[7] https://openai.com/dall-e-2/(ouvre une nouvelle fenêtre)
[8] https://creator.nightcafe.studio/(ouvre une nouvelle fenêtre)
[9] https://www.midjourney.com/(ouvre une nouvelle fenêtre)
[10] https://beincrypto.com/learn/ai-image-generators/#h-1-midjourney(ouvre une nouvelle fenêtre)
[11] https://deepai.org/machine-learning-model/text2img(ouvre une nouvelle fenêtre)
[13] https://www.ibm.com/cloud/learn/conversational-ai(ouvre une nouvelle fenêtre)
[14] https://aws.amazon.com/what-is/machine-translation/(ouvre une nouvelle fenêtre)
[15] https://www.sciencedirect.com/science/article/pii/S1110866515000341(ouvre une nouvelle fenêtre)
[16] https://www.ibm.com/cloud/learn/natural-language-processing(ouvre une nouvelle fenêtre)
[17] https://www.ibm.com/topics/computer-vision(ouvre une nouvelle fenêtre)
[20] https://techmonitor.ai/technology/ai-and-automation/call-centre-ai(ouvre une nouvelle fenêtre)
[25] https://powerbi.microsoft.com/en-us/augmented-analytics/(ouvre une nouvelle fenêtre)
[26] https://digital6.tech/artificial-intelligence-ai-cognitive-services(ouvre une nouvelle fenêtre)
[27] https://azure.microsoft.com/en-us/products/cognitive-services/(ouvre une nouvelle fenêtre)
Senior Data & Analytics Consultant
Trouve ton travail ou le monde de la carrière qui te convient. Dans lequel tu veux participer à la création et te développer.
Ce que tu en fais, c'est ce qui nous définit.
