Alors que l’intelligence artificielle devient une pierre angulaire de l’activité des entreprises, beaucoup d’entre elles peinent encore à savoir par où commencer.
Celles qui observent ce que font des entreprises axées sur l’IA comme Amazon, Microsoft et Google Cloud peuvent craindre de ne pas disposer des moyens financiers ni des collaborateurs les mieux formés pour imiter ces leaders.
La bonne nouvelle, c’est que, grâce aux progrès du matériel et des logiciels, pratiquement toute entreprise peut se lancer dans un projet d’IA. Et elle serait en bonne compagnie : le marché mondial de l’IA devrait passer de 93,5 milliards de dollars en 2021 à 641,3 milliards de dollars en 2028.
Pour les entreprises qui cherchent à développer leur activité, les premières étapes idéales consistent à mettre en œuvre trois des applications les plus courantes : les chatbots, la classification d’images et la prévision des prix.
À lire aussi : Les meilleurs logiciels d’IA
1) Tout le monde parle des chatbots : les conversations avec l’IA gagnent du terrain
Les chatbots sont des agents de service client propulsés par l’IA. Posez une question à un chatbot et il consultera plusieurs systèmes pour fournir une réponse au client.
Alors qu’ils peinaient auparavant à gagner la faveur des consommateurs, les chatbots contribuent aujourd’hui à améliorer le service et la satisfaction client, tout en permettant aux entreprises de réaliser des économies considérables. Juniper Research estime que les chatbots permettent aux entreprises d’économiser jusqu’à 8 milliards de dollars par an.
Ping An, un important prestataire de services financiers basé en Chine, a été l’un des premiers à utiliser les chatbots. En s’appuyant sur l’IA pour développer et entraîner des chatbots conversationnels offrant des niveaux supérieurs de compréhension et de précision, l’entreprise peut traiter des millions de demandes de clients par jour, réalisant non seulement des économies substantielles, mais améliorant tout aussi importantement le service client grâce à la réduction des temps d’attente dans les centres d’appels.
Principaux domaines d’application de l’IA conversationnelle
- La reconnaissance automatique de la parole, ou RAP, est à l’œuvre lorsque nous parlons à des assistants virtuels à la maison ou à nos téléphones, afin qu’ils puissent convertir la parole en texte.
- Le traitement automatique du langage naturel, ou TAL, va plus loin que la RAP et sert à créer des applications permettant des interactions fluides entre les humains et la technologie.
- La conversion texte-parole avec synthèse vocale permet à un chatbot de répondre à la question d’un client.
Le déploiement réussi d’un chatbot exige de la rapidité, de la précision, une parole et un langage personnalisables ; il doit aussi être évolutif afin de pouvoir traiter des centaines ou des milliers de demandes de clients si nécessaire.
Cela semble simple, alors où est le problème ? Ce n’est pas un processus que l’on réalise une fois pour toutes. Le développement de logiciels précis et rapides nécessite des ajustements constants, ce qui peut peser lourdement sur les équipes de data science lorsqu’elles doivent tout faire manuellement. Heureusement, le nombre d’outils logiciels capables de réduire le temps nécessaire au développement d’un chatbot puissant ne cesse d’augmenter : ce qui prenait autrefois des mois peut désormais être réalisé en quelques jours.
Les équipes peuvent également acquérir les compétences nécessaires pour créer un chatbot avant de se lancer dans une construction à partir de zéro, grâce à des modèles préentraînés qui leur fournissent une longueur d’avance.
À lire aussi : Les meilleurs outils d’analyse de données
2) Voir l’ensemble du tableau grâce à la classification d’images
La vision par ordinateur, également appelée classification d’images, consiste à regrouper et à trier des images à l’aide de l’IA afin d’accroître la précision, d’améliorer la sécurité et d’accélérer les nouveaux projets. Il peut s’agir, par exemple, de planifier des trajets ou de déterminer le moment où changer les feux de circulation : dans tous ces cas, il faut disposer d’une connaissance de la situation et de solutions en temps réel, fondées sur des points de données en constante évolution. La vision par ordinateur fait le lien entre le monde physique et le monde virtuel.
Le déploiement de la classification d’images nécessite un modèle d’IA entraîné, prêt à exécuter des charges d’inférence en production pour effectuer des prédictions.
Ces trois étapes — segmentation, classification et détection — se combinent lors de l’exécution de l’inférence, en quelques millisecondes seulement.
- Un système classique de classification d’images comprend une étape de segmentation des images.
- Les différentes parties d’une image sont classées dans des catégories.
- Toute anomalie détectée est signalée aux opérateurs.
L’imagerie médicale, les véhicules autonomes et les systèmes de contrôle de la circulation sont trois domaines dans lesquels la classification d’images aide les secteurs concernés à améliorer la sécurité, la sûreté et la précision. Pour atteindre ces objectifs, l’inférence d’IA doit s’exécuter rapidement, produire des résultats précis et être régulièrement réentraînée.
Les entreprises peuvent acquérir les compétences nécessaires pour créer un système de classification d’images dans des laboratoires hébergés, qui permettent d’explorer la création d’un flux de travail de data science de bout en bout et le déploiement du modèle en production au moment d’exécuter l’inférence.
À lire aussi : Qu’est-ce que la visualisation des données ?
3) Comprendre pourquoi la prévision des prix est essentielle
Dans pratiquement tous les secteurs, il est devenu de plus en plus difficile de prévoir le prix des matières premières en raison d’événements imprévus liés à la pandémie, à la politique et aux phénomènes météorologiques extrêmes.
À mesure que ces variables continuent d’évoluer, la prévision des prix alimentée par l’IA peut aider les entreprises à relever ces défis, à stabiliser leurs opérations et à maximiser leur rentabilité.
Les modèles de prévision des prix par l’IA évaluent un certain nombre de points de données qui varient selon l’application :
- Un modèle de prévision des prix pour un service de transport à la demande peut prendre en compte l’heure de la journée, la météo et la zone géographique des trajets.
- Un modèle destiné à prévoir les futurs prix du blé peut intégrer des données sur la demande saisonnière, la météo et les activités politiques.
L’entraînement d’un modèle d’IA destiné à prévoir les prix implique un travail fondamental de data science, notamment la préparation des données en vue de leur traitement. Dans l’exemple du transport à la demande, la création d’un modèle de prévision des prix nécessiterait d’évaluer des jeux de données comprenant notamment les points de prise en charge, les points de dépose, le montant de la course, le nombre de passagers, la demande de trajets et, éventuellement, même les conditions météorologiques.
Là encore, les modèles de prévision des prix doivent accéder à de vastes jeux de données qui doivent être traités rapidement avant que les informations ne deviennent obsolètes. La précision et l’efficacité nécessitent un calcul accéléré pour garantir que la prédiction tombe juste. Si la data science accélérée constitue une nouvelle charge de travail pour votre entreprise, les laboratoires peuvent aider les équipes à perfectionner rapidement leurs compétences.
À lire aussi : Prévisions technologiques pour 2022 : cloud, données, cybersécurité, IA et plus encore
Lancer votre premier projet d’IA
Alors, par où une entreprise peut-elle commencer son parcours dans l’IA ? Développer les compétences nécessaires pour exécuter ces charges de travail essentielles de l’IA et d’autres n’a pas besoin d’être coûteux ni d’exiger un retour sur les bancs de l’université.
Les entreprises désireuses de développer leurs propres capacités en matière d’IA peuvent investir dans les compétences de leurs équipes existantes ou perfectionner celles-ci grâce à une variété d’environnements de test virtuels et de « laboratoires d’apprentissage » proposés par les entreprises ou des tiers partout dans le monde.
Une bonne expérience pratique en laboratoire permettra aux utilisateurs de voir, de comprendre et de tester les types d’applications d’IA qui pourraient être les plus bénéfiques pour leur secteur d’activité. L’IA peut avoir un impact considérable sur pratiquement tous les secteurs ou toutes les organisations. Cela vaut aussi bien pour le développement d’un nouveau chatbot permettant de gagner du temps dans un système de réservation aérienne que pour une application de classification d’images accélérant les opérations d’un entrepôt ou des modèles de prévision des prix permettant au secteur de la grande distribution alimentaire d’économiser des milliards de dollars.
Même si la valeur de l’IA pour les entreprises est élevée, tester quelques idées d’applications d’IA peut être gratuit. Prenez donc dès maintenant le temps d’évaluer par où vous souhaitez commencer et profitez de l’un des nombreux laboratoires virtuels gratuits disponibles dans le monde entier pour entamer votre parcours.
À propos de l’auteur :
Justin Boitano est vice-président de l’Enterprise and Edge Computing chez NVIDIA.