Qu’entend-on par intelligence artificielle? Ce terme accepte de nombreuses définitions. Une des plus pragmatiques est la suivante:

«L’intelligence artificielle est la capacité d’un système informatique à montrer des comportements intelligents semblables à ceux des humains». (Source: www.bitkom.org)

L’un des champs d’application les plus significatifs de l’IA est le machine learning, ou apprentissage automatique, dont on entend si souvent parler. Dans le cadre de la reconnaissance faciale par exemple, nous sommes confrontés à ce mécanisme qui décrit l’acquisition autonome de savoirs sur la base de l’expérience. Un système est ainsi en mesure de reconnaître des lois dans les données et de faire des prédictions en temps réel sur la base de celles-ci. Une fois scannés suffisamment de visages, le système remarque des parallèles et des différences, ce qui lui permet de distinguer une personne d’une autre.

Le deep learning, ou apprentissage profond, une sous-catégorie importante de l’apprentissage automatique, est en cela primordial. Les données sont analysées en différentes layers, ou couches, et combinées en un grand ensemble dans des réseaux neuronaux. Pour revenir à notre exemple de la reconnaissance faciale: le système distingue les personnes en fonction de la forme de leur visage, de l’écart entre leurs yeux, de la longueur de leur nez et de bien d’autres éléments encore. La conjonction de toutes ces couches permet au système de classer le visage.

Où rencontrons-nous l’IA au quotidien?

Chacun d’entre nous est déjà confronté au quotidien à l’intelligence artificielle, mais peu s’en rendent compte. Les fonctions d’un assistant linguistique sur le smartphone ou les recommandations de films taillées sur mesure à vos goûts ne sont rien d’autre que le résultat d’un apprentissage sur la base de données. Dans le cas des recommandations de films, le système analyse les films que vous avez déjà regardés par le passé et peut ainsi dresser une liste de nouvelles recommandations adaptées. Plus on regarde de films, plus le système est à même d’apprendre et de tirer des conclusions.

Autre exemple, le filtre de spams des e-mails. Développé dès les années 1990, il nous préserve des messages indésirables dans notre boîte de réception. Ici aussi, le système reconnaît un modèle et est ainsi en mesure de distinguer avec assez de précision les bons e-mails des mauvais.

Dans le secteur automobile, l’intelligence artificielle intervient surtout dans le cadre de la conduite autonome. Des voitures existent déjà aujourd’hui qui sont en mesure de se déplacer d’un point A à un point B sans intervention du conducteur. Le système intégré apprend à reconnaître lui-même les rues, les obstacles et les dangers. Un tel système se doit bien entendu de passer toute une batterie de tests avant de pouvoir être intégré à un véhicule livré au client final. En effet, pour pouvoir garantir la sécurité sur la route, il faut des algorithmes et des modèles autrement plus au point que pour les autres applications de l’IA. Aussi, le système a déjà pratiquement tout appris lorsqu’il est lancé sur le marché; il ne s’améliore plus que superficiellement au fil du temps.

Chances et risques

Le succès de l’intelligence artificielle dépend pour beaucoup de la capacité d’un système à apprendre et à faire des prédictions fiables sur la base de contenus qu’il a appris. Ce n’est qu’alors que l’ordinateur peut soulager les personnes et assumer leurs tâches. Par exemple, les dialogueurs prennent déjà en charge en de nombreux endroits le premier contact avec le client. Cela convient pour des demandes simples, comme le nom ou le numéro d’identification de véhicule. Mais dès que la sémantique s’en mêle (par exemple lors de la négociation d’un contrat), les robots ont encore du mal à s’en sortir. Le potentiel de développement pour l’industrie est énorme en la matière.

Les cadres règlementaires jouent en outre un rôle important. Dans quelle mesure, par exemple, l’État intervient-il dans la conduite autonome? Des règles éthiques sont-elles définies? Qu’advient-il des données et à quelles fins peuvent-elles être utilisées (mot-clé protection des données et citoyen transparent)?

Et que se passe-t-il chez AMAG?

Outre le fait que le groupe Volkswagen continue de développer la conduite autonome, AMAG travaille également avec l’intelligence artificielle dans son service après-vente. Au Parts Competence Center (PCC) d’AMAG, les concessionnaires peuvent commander par téléphone des pièces de rechange. Un logiciel de reconnaissance vocale est actuellement en phase de test. Les concessionnaires peuvent indiquer au système informatique le numéro d’identification de véhicule (NIV) au début de la conversation téléphonique, l’intelligence artificielle reconnaît ce numéro et transfère directement le client au conseiller à la clientèle compétent. Ce dernier reçoit automatiquement un message indiquant le véhicule dont il s’agit avant même d’avoir pris l’appel. Il peut ainsi directement entamer la discussion sur le véhicule avec le concessionnaire et chercher ainsi que commander très rapidement les pièces requises dans le système AMAG.

Zwei Männer im AMAG Teilelogistikzentrum, die Teile verpacken.

Au centre logistique des pièces détachées d’AMAG, les articles commandés sont emballés et expédiés.

Les domaines d’application de l’IA sont multiples. L’avenir nous dira jusqu’à quel point l’ordinateur sera également en mesure de décharger l’homme de tâches complexes.

Autres articles sur le blog sur le thème de la technologie et de l’innovation:

Recharge de voitures électriques: comment cela fonctionne-t-il?

«Une Smart City est comparable à une ruche»

Systèmes d’assistance à la conduite: sommes-nous en sécurité lorsque nous prenons la route?

Protection et sécurité des données des voitures modernes

Prestations de service supplémentaires disponibles sur l’application: avec autoSense vers la «Connected Car»

Autres articles sur le thème de la technologie et de l’innovation

Il n'y a pas encore de commentaires.