• 6 heures
  • Facile

Ce cours est visible gratuitement en ligne.

course.header.alt.is_certifying

J'ai tout compris !

Mis à jour le 29/07/2021

Repérez-vous dans le champ de l'intelligence artificielle

Connectez-vous ou inscrivez-vous gratuitement pour bénéficier de toutes les fonctionnalités de ce cours !

Les disciplines de l’intelligence artificielle permettent aux machines d’accomplir des tâches qu’on pourrait penser réservées aux humains. Pour bien cerner ce que recouvre la révolution de l’IA, il faut avoir en tête quelques concepts qui lui sont liés de près ou de loin ; entre autres : les données, le Big Data ou le Deep Learning.

Pour mieux s’y repérer, nous allons décrypter avec vous ces concepts incontournables qui gravitent autour de l’intelligence artificielle !

Identifiez les données que vous produisez   

Identifiez les données que vous produisez

La (ou les) "data", les "données", la "protection des données", la "magie de la data", le "vol de données", prendre des "décisions basées sur la data"... on entend ce mot partout dans les actualités ! Mais que veut-il dire exactement ?

D’accord, mais qu’est-ce que c’est, en fait, les données ?

Les données, ce sont ces informations qui sont enregistrées pour être utilisées par les programmes informatiques.

Par exemple, un texte enregistré sur votre ordinateur, un mémo vocal enregistré avec votre smartphone ou encore le dernier cliché de votre appareil photo sont des données.

Des exemples de types de données : industrielles, écologiques, statistiques,financières, etc

Que ce soit à travers nos échanges d’emails, nos réseaux sociaux ou en faisant du shopping en ligne, nous produisons ces données.

Découvrez le Big Data 

Découvrez la Data Science, ou la science des données, discipline connexe de l’IA

Toutes ces données, vous n’êtes pas le seul à les produire ! À l’échelle de la société, nous produisons collectivement de très nombreuses données. Pour vous donner une idée, chaque minute :

  • Google est sollicité près de 4 millions de fois ;

  • 4,5 millions de vidéos sont visionnées sur YouTube ;

  • 188 millions d’emails sont échangés.

Le concept de Big Data a été forgé pour désigner ce phénomène d’explosion des données. L’élément-clé dans le Big Data, c’est le volume de données qui est considérable.

Ensuite, il faut garder à l’esprit que les données du Big Data sont variées. Il peut s’agir de nombres, de texte mais aussi de vidéo, d’audio, etc. Ces données ne concernent pas uniquement le monde de l’Internet mais sont également issues de capteurs dans le monde "physique". Dans les transports par exemple, un bus peut enregistrer régulièrement sa position pour assurer un service fluide pour les usagers.

Mais à quoi servent toutes ces données ? Et en quoi sont-elles liées à l’intelligence artificielle ? Faisons le point !

Découvrez la Data Science, ou la science des données, discipline liée à l’IA 

Apprenez-en plus sur deux disciplines de l’IA : le Machine Learning et le Deep LearningToutes ces données sont collectées et utilisées par des organisations. Il s’agit par exemple d’améliorer votre expérience en ligne ou de vous offrir des services personnalisés.

Avant d’envisager d’utiliser l’intelligence artificielle, il s’agit d’explorer les données pour en tirer des tendances. Comment s’y prend-on ? Regardons cela en détail !

Pour analyser toutes les données collectées, ces fameuses données massives, ce fameux Big Data, les organisations vont avoir recours à une discipline transversale : la Data Science, ou science des données. 

Prenons l’exemple d’une chaîne de vêtements qui détient plusieurs boutiques en France. Elle détient des données, notamment l’ensemble des ventes réalisées par ses différents points de vente. Elle vient de recruter une Data Scientist pour l’aider à mieux analyser ses ventes. Elle souhaite aussi identifier les collections qui sont le plus susceptibles de se vendre à l’avenir.

La Data Scientist analyse les données disponibles dans les moindres détails. Son objectif ? Comprendre les chiffres du passé pour expliquer les tendances de ventes en fonction de nombreux critères. Pour cela, elle doit cumuler plusieurs compétences :

  • des connaissances en mathématiques et en statistiques qui lui permettent d’analyser les chiffres ;

  • des compétences en informatique car elle doit être en mesure de traiter des quantités importantes d’informations ;

  • des compétences dans le secteur dans lequel elle intervient. Dans le cas de la mode, il faudra par exemple savoir analyser les mouvements de stock, la saisonnalité des ventes, etc.

La Data Scientist a terminé son analyse des ventes. On lui demande par la suite de mettre en place des outils pour anticiper automatiquement les produits qui seront les plus vendus dans les prochains mois. Pour cela, elle doit s’appuyer sur des disciplines de l’intelligence artificielle : étudions-les en détail !

Apprenez-en plus sur deux disciplines de l’IA : le Machine Learning et le Deep Learning

Pour mettre en place un programme d’intelligence artificielle, on fait appel aux disciplines de Machine Learning et à l'une de ses sous-disciplines, le Deep Learning. Vous en avez déjà entendu parler mais vous ne savez pas vraiment ce qui se cache derrière ces deux expressions ? Accrochez vos ceintures, c’est le moment de les décrypter !

 Le Machine Learning ou apprentissage automatique 

L’apprentissage automatique, ou Machine Learning, est un sous-ensemble de l’intelligence artificielle qui permet à un programme informatique d'effectuer une tâche pour laquelle il n'est pas programmé explicitement : il est programmé pour apprendre à la faire. On donne au programme de nombreuses données et il apprend à partir de ces données. 

Cette discipline est notamment utilisée dans votre boîte email pour classer automatiquement un email en spam.

Le Deep Learning ou apprentissage profond

L'apprentissage profond, ou Deep Learning, repose sur la construction de réseaux de neurones artificiels. Ces réseaux, composés de milliers, voire millions de neurones, sont inspirés du cerveau humain. Le Deep Learning s’applique souvent sur des quantités de données beaucoup plus importantes que le Machine Learning. Il apprend de cette masse d’exemples et obtient dans certains cas de bien meilleurs résultats que les disciplines traditionnelles d’intelligence artificielle.

Le Deep Learning est particulièrement performant pour travailler avec des données vocales. Vous pouvez penser par exemple aux questions qui sont récoltées par des assistants virtuels. Ces signaux audio doivent être interprétés et traduits en texte avant de pouvoir trouver une réponse. C’est ce qu’on appelle le traitement automatique du langage naturel.

Au final, on peut représenter les différents champs d’étude comme imbriqués ainsi :

IA > machine learning > deep learning  la data science est à cheval entre d'autres domaines et l'IA
Une représentation de l'organisation des différentes disciplines présentées

Complétez votre définition de l’intelligence artificielle

Complétez votre définition de l’intelligence artificielle

Avec le Machine Learning et sa sous-discipline le Deep Learning, l’intelligence artificielle permet de résoudre des problèmes qu’on aurait cru réservés à l’intelligence humaine, comme par exemple interpréter le langage naturel, ou réaliser des prédictions ou des recommandations complexes. Pour cela, on met en place des algorithmes.

En fin de compte, l’intelligence artificielle vise à doter les programmes informatiques de facultés cognitives qu’on associe habituellement aux êtres humains ou aux animaux : percevoir, raisonner et agir.

Au chapitre précédent, nous avions défini l’intelligence artificielle comme :

On peut maintenant compléter cette définition de l’intelligence artificielle, qui est :

Et les robots, dans tout ça ?

Et les robots, dans tout ça ?

Il y a souvent une confusion entre intelligence artificielle et robotique. Effectivement, ce sont des domaines d’étude qui sont souvent présentés ensemble, car ils sont souvent tous les deux impliqués dans les mêmes projets. 

Alors, qu’est-ce qui les distingue ?

La robotique correspond à la partie mécanique. Grâce à la mécanique, un robot peut se déplacer. Le robot capte des informations de son environnement avec divers capteurs. On peut ainsi le doter de micros pour enregistrer l’audio et de haut-parleurs afin de diffuser des sons. Tout ça rentre dans le domaine de la robotique.

Quand on pense robot, on pense souvent aux robots humanoïdes : ce sont les plus impressionnants ! Mais en réalité, la majeure partie des robots ne ressemblent pas à ça :

Robot humanoïde

Mais plutôt à ça :

Robot industriel

L’intelligence artificielle, quant à elle, va être utilisée pour augmenter le robot afin de lui permettre de compléter de nouvelles tâches. Par exemple, il pourra se déplacer dans des environnements de façon autonome.

En résumé

  • Nous produisons chaque jour de nombreuses données comme les emails, les photos, etc. 

  • Le Big Data, c’est l’ensemble de ces données massives. 

  • L’intelligence artificielle et la Data Science sont deux disciplines qui sont utilisées conjointement, notamment pour mettre en place du Machine Learning ou du Deep Learning. 

  • L’intelligence artificielle et la robotique sont deux disciplines différentes, mais souvent présentes dans les mêmes projets.  

  • Nous définissons l’IA comme "toute technologie informatique algorithmique qui permet de résoudre des problèmes complexes qu'on aurait cru réservés à l'intelligence humaine, en simulant des capacités humaines comme la perception et le raisonnement." 

Vous en savez dorénavant un peu plus sur les concepts clés qui gravitent autour de l’intelligence artificielle. Dans le troisième chapitre, nous vous proposons de décrypter quelques-uns des mythes qui sont souvent le plus présentés quand on parle d’intelligence artificielle. 

 

Exemple de certificat de réussite
Exemple de certificat de réussite