IA pour les PME - Image


Auteur : Tiphaine Ruppert | 24-06-2019 | Tags: Conseil en nouvelles technologies à Marrakech intelligence artificielle IA machine learning deep learning comment utiliser l’intelligence artificielle petites entreprises PME robot l’IA dans mon entreprises

TPE/PME : l’intelligence artificielle une réelle opportunité ?

En tant que chef d’une entreprise, petite ou moyenne, aspirant au développement de son activité, vous ne pourriez plus, à l’heure actuelle et à l’avenir, vous passer d’intelligence artificielle (IA)… Intéressant, oui mais comment s’approprier cette technologie tout droit sortie d’un roman d’anticipation ?

Premièrement, vous représentez-vous bien ce qu’est l’IA ? Si ce n’est pas le cas, pas d’inquiétude, on récapitulé pour vous. Rendez-vous dans l’encadré en bas de page !

Si oui, continuons…

Un marché énorme et global

Pour toutes les entreprises, petites ou grandes, l’IA  représente un ensemble d’opportunités gigantesque. Les multinationales, les grosses structures l’ont déjà pris à bras-le-corps.

Les petites, voire très petites sociétés, sont, elles, parfois en retrait. Selon un sondage de Forrester, en 2016, les principaux freins d’investissement dans l’IA étaient le manque d’analyses de rentabilisation définies (42%), une difficulté à comprendre l’utilité (39%), le manque de compétences (33%).

Pour Aissam Outchakoucht, chercheur en intelligence artificielle, les gains pour les petites entreprises, ne sont pourtant pas négligeables. « Elles peuvent tirer profit de ces technologies dans leur propre domaine, par exemple en optimisant leur chaîne de production, leur consommation énergétique ou encore différents process, dans le but de gagner de nouveaux marchés et de rentabiliser davantage leur activité. L’IA excelle là où l’homme ne peut tirer les paramètres les plus pertinents. »

L’automatisation permet aussi de déléguer les tâches à faible valeur ajoutée, souvent répétitives, à la machine, et de libérer le potentiel humain pour des missions demandant une réelle compétence ou de la créativité. « Toute tâche répétitive peut être fait par l’IA et en mieux ! », estime le  spécialiste.

D’ailleurs, selon une étude de 2017 du Mc Kinsey Global Institute, la moitié des emplois du monde entier seraient automatisables (51 % au Maroc, 43 % en France), avec une prédominance de secteurs professionnels tels que l’agriculture, l’exploitation minière, les transports, l’industrie manufacturière ou encore la construction. 

 

Quels outils ?

Les algorithmes de l’IA interviennent dans de nombreux domaines.

Ils sont très répandus dans la relation-client, avec les chatbots ou agents conversationnels. Ils sont accessibles à tous, assez simples à mettre en œuvre et peu onéreux, même si cela dépend toujours du degré de perfectionnement souhaité.

Les entreprises qui proposent le paiement en ligne s’équipent de plus en plus de blockchain, dont le rôle est de fluidifier et sécuriser les transactions financières.

L’IA permet aussi de bénéficier d’assistants virtuels pour simplifier son travail. Cet assistant s’appuie principalement sur les données de votre ordinateur et de votre smartphone.

L’analyse prédictive est, quant à elle, l’apanage du machine learning, et permet un pilotage affiné.

Les entreprises de services ne sont pas les seules à être impactées. Dans l’industrie, le contrôle qualité peut désormais être réalisé grâce à l’IA. Certaines solutions associent deep learning (qui fonctionne, entre autres, par reconnaissance d’image) et la vision industrielle. Le flux d’image est transformé en données exploitables structurées.

Idem en agriculture, où l’IA a été testée pour le classement de vins ou encore pour fournir des analyses prédictives sur la production au regard des photos de fruits enregistrées.

Quel coût ?

Dans certains cas, il existe des solutions clé-en-main. Néanmoins, prévient Aissam Outchakoucht, « passer à l’intelligence artificielle implique le plus souvent un investissement. L’IA est basée sur une capacité de calcul importante, ainsi que sur un grand nombre de données qu’il faut stocker… Cela signifie donc un serveur, voire plusieurs. Cela a un coût. L’investissement est proportionnel à ce que l’on attend de ces nouvelles applications. Dans tous les cas, ce n’est pas une perte mais une optimisation des ressources ». Selon lui, les PME doivent saisir cette opportunité au risque de péricliter d’ici quelques années.

Quelles limites à l’IA ?

Dans le cas de l’analyse prédictive, la disponibilité et la fiabilité des données sont les premières limites au déploiement de l’IA dans une petite entreprise. Leur collecte régulière et dans de bonnes conditions sont un préalable. Même si des recherches sont menées pour trouver des alternatives, actuellement, plus il y a de données, plus la machine peut apprendre et répondre efficacement au besoin. Cela dit, il est toujours temps de commencer : la mise en place de petites applications comme les chatbots et autres assistants virtuels peut concourir à constituer cette base.

Concrètement, c’est quoi l’IA ?

Selon une définition de Yann LeCun, chercheur et pionnier dans le domaine de l’IA, « l’IA est un ensemble de techniques permettant à des machines d’accomplir des tâches et de résoudre des problèmes normalement réservés aux humains et à certains animaux ».

Depuis plusieurs années, l’IA est intimement liée à la capacité d’apprentissage. « C’est une manière automatisée d’apprendre à partir de l’exploitation d’une somme de données », précise Aissam  Outchakoucht. C’est le machine learning. Cette technologie existe depuis longtemps, mais notre capacité à générer un nombre exponentiel de données numériques, a renforcé son intérêt.

Le machine learning est une collection d’algorithmes d’apprentissage automatique (basé sur des exemples) à des fins d’analyses et de prédictions.

Le deep learning (apprentissage profond) va plus loin. Son application est une révolution dans le monde l’IA, depuis une dizaine d’années.

Il mime, en quelque sorte, le fonctionnement du système neuronal humain. Il possède une capacité de calcul décuplé et le réseau de « neurones » d’apprentissage est bien plus étoffé. Le deep learning se passe de modèle, il apprend à faire lui-même, et reconnaît des images.

Au quotidien, ces deux méthodes nous entourent : outil de reconnaissance vocale « Siri », reconnaissance faciale de Facebook, certaines fonctionnalités de Google Maps …