Une équipe de l'université d'Australie-Méridionale et de l'université de Stuttgart a développé une IA qui peut reconnaître quatre des cinq grands traits de personnalité en se basant uniquement sur le mouvement des yeux
L'année dernière, Futura vous expliquait comment des chercheurs américains étaient parvenus à récupérer le code PIN d’un smartphone en espionnant les mouvements des yeux. Dans un registre différent mais en utilisant le même biais, des chercheurs des universités d'Australie-Méridionale et de Stuttgart (Allemagne) ont créé une intelligence artificielle (IA) qui est capable d'associer quatre des cinq grands traits de personnalité aux mouvements des yeux.
Ces traits de personnalité sont ce que l'on appelle en psychologie les « Big Five » : ouverture, conscience, extraversion, agréabilité et névrosisme. En se servant d'algorithmes d'apprentissage automatique, l'équipe est parvenue à démontrer que les mouvements des yeux pouvaient traduire l'un de ces traits de personnalité. « Les mouvements oculaires sont aussi une fenêtre sur notre esprit et une riche source d'informations sur qui nous sommes, ce que nous ressentons et ce que nous faisons », écrivent les chercheurs en introduction de leur article scientifique.
https://www.futura-sciences.com/tech/actualites/intelligence-artificielle-cette-ia-peut-cerner-votre-personnalite-rien-quen-regardant-vos-yeux-72221/
Affichage des articles dont le libellé est intelligence artificielle. Afficher tous les articles
Affichage des articles dont le libellé est intelligence artificielle. Afficher tous les articles
Google Duplex, Une Intelligence Artificielle Plus Vraie Que Nature
Google Duplex, Une Intelligence Artificielle Plus Vraie Que Nature
Imaginez-vous avoir une conversation intelligente avec un ordinateur. Imaginez que l’ordinateur n’ait pas besoin de répéter ce que vous venez de lui dire, ou qu’il n’est pas besoin de vous demander de confirmer ce que vous venez de demander. Imaginez qu’il réponde avec une voix qui ne ressemble pas à celle d’un robot. Et bien, laissez-moi vous présenter Google Duplex, qui pourrait bien être l’ordinateur le plus humain.
Google I/O, la conférence annuelle des développeurs Google, vient de fermer ses portes, et de nombreux articles nous font part des meilleurs moments de ce rendez-vous. L’un d’eux à attiré mon attention. Il s’agissait d’un rapport sur la manière dont Google Duplex et Google Assistant peuvent gérer des appels. Le plus fascinant, c’est qu’il ne s’agit pas d’un chatbot réactif ou de système vocal interactif. Autrement dit, cette technologie n’a pas été conçue pour un service d’assistance, bien qu’il puisse éventuellement faire l’affaire. Il s’agit en réalité d’un assistant proactif qui peut passer des appels pour, par exemple, réserver une table au restaurant ou prendre un rendez-vous chez le coiffeur. L’assistant interagit avec la personne à l’autre bout du fil comme s’il était humain. Il peut même émettre des sons de confirmation comme « mmm-hmm » et peut identifier les habitudes de voix des humains et s’adapter à la vitesse de la conversation.
https://www.forbes.fr/technologie/google-duplex-une-intelligence-artificielle-plus-vraie-que-nature/
Imaginez-vous avoir une conversation intelligente avec un ordinateur. Imaginez que l’ordinateur n’ait pas besoin de répéter ce que vous venez de lui dire, ou qu’il n’est pas besoin de vous demander de confirmer ce que vous venez de demander. Imaginez qu’il réponde avec une voix qui ne ressemble pas à celle d’un robot. Et bien, laissez-moi vous présenter Google Duplex, qui pourrait bien être l’ordinateur le plus humain.
Google I/O, la conférence annuelle des développeurs Google, vient de fermer ses portes, et de nombreux articles nous font part des meilleurs moments de ce rendez-vous. L’un d’eux à attiré mon attention. Il s’agissait d’un rapport sur la manière dont Google Duplex et Google Assistant peuvent gérer des appels. Le plus fascinant, c’est qu’il ne s’agit pas d’un chatbot réactif ou de système vocal interactif. Autrement dit, cette technologie n’a pas été conçue pour un service d’assistance, bien qu’il puisse éventuellement faire l’affaire. Il s’agit en réalité d’un assistant proactif qui peut passer des appels pour, par exemple, réserver une table au restaurant ou prendre un rendez-vous chez le coiffeur. L’assistant interagit avec la personne à l’autre bout du fil comme s’il était humain. Il peut même émettre des sons de confirmation comme « mmm-hmm » et peut identifier les habitudes de voix des humains et s’adapter à la vitesse de la conversation.
https://www.forbes.fr/technologie/google-duplex-une-intelligence-artificielle-plus-vraie-que-nature/
Keynote :
McDonald’s, Prêt Pour La Quatrième Révolution Industrielle
Certains experts diront que McDonald’s, cette chaîne américaine de restauration rapide que l’on ne présente plus, était jusqu’à maintenant à la traîne par rapport à ces concurrents dans tout ce qui concerne le big data et l’intelligence artificielle. Ces technologies peuvent lui permettre d’améliorer l’exploitation des ses restaurants tout en améliorant son chiffre d’affaires, alors la marque a décidé de prendre les choses en main. Le plan de croissance 2017 de l’entreprise soulignait déjà ses priorités et son engagement technologique en évoquant « l’amélioration des capacités numériques et l’usage des technologies afin d’améliorer considérablement l’expérience client ». L’objectif principal de McDonald’s et de toutes les chaînes de fast-food, c’est de conserver des prix bas et une grande efficacité, et le big data, l’intelligence artificielle et la robotique peuvent les aider.
Il est évident que McDonald’s génère des volumes considérables de données, étant donné que l’entreprise opère dans plus de 188 pays et qu’elle sert à manger à plus de 69 millions de personnes chaque jour. Mais c’est la manière dont elle utilise ces données qui va définir son pouvoir. Voici seulement quelques-unes des méthodes utilisées par McDonald’s pour se préparer à la quatrième révolution industrielle à l’aide de l’intelligence artificielle, du big data et de la robotique.
Une expérience consommateur personnalisée et améliorée
En proposant aux consommateur de commander et de payer leurs repas à l’aide de l’application mobile McDonald’s, l’entreprise fait d’une pierre deux coups, car les utilisateurs peuvent obtenir des offres exclusives, et l’entreprise obtient l’intelligence client concernant les habitudes de consommation (où et quand ils vont au restaurant, à quelle fréquence, s’ils utilisent le drive in ou s’ils mangent dans le restaurant et bien sûr, ce qu’ils achètent). Ces données sont vitales au développement de la stratégie numérique de la marque. Cette dernière peut ainsi conseiller des produits complémentaires et proposer des offres qui lui permettront d’augmenter ses ventes. Au Japon, les consommateurs qui utilisent l’application dépensent en moyenne 35 % de plus, en partie grâce aux recommandations du logiciel. Les produits préférés du consommateur sont sauvegardés, ce qui facilite les commandes et l’incite à utiliser l’application. Les utilisateurs de l’application n’ont pas à faire la queue, ils acceptent donc de partager leurs données contre quelques avantages perçus.
Des affichages de menus numériques qui utilisent des données
McDonald’s continue de déployer des affichages de menus numériques dans ses restaurants. Il s’agit de versions plus modernes des anciens menus, pouvant être modifiées en fonction de l’analyse des données en temps réel. Les menus numériques peuvent changer les propositions de produits de base en fonction du moment de la journée ou de la météo. Par exemple, en cas de températures très basses, des menus adaptés seront mis en avant, alors que pour un après-midi d’été ensoleillé, l’affichage privilégiera des boissons fraîches ou des glaces. Au Canada, cette méthode a permis d’augmenter les ventes de 3 % à 3,5 %.
L’analyse des tendances
Afin de mieux comprendre les performances de ses restaurants au cas par cas et d’identifier les bonnes pratiques de la restauration rapide, McDonald’s doit également se pencher sur les nombreuses données générées par ses établissements. Depuis que McDonalds fonctionne avec des franchises, l’invariabilité de la nourriture et de l’expérience client est primordiale. Du point du vue du consommateur, il est important de retrouver la même nourriture et les mêmes offres, peu importe où se trouve le restaurant et qui en est le propriétaire. L’entreprise se réfère à plusieurs points de données de l’expérience client. Par exemple, lorsqu’elle analyse l’expérience client au drive in, elle n’évalue pas seulement le design du drive in, mais elle analyse les informations qui ont été communiquées au client, et ce que font les clients qui patientent dans la queue. Elle analyse les modèles de comportements afin de prédire les commandes et de modifier la conception, les informations et les pratiques du restaurant si nécessaire.
Les bornes de commande
Pour remédier à la constante augmentation du coût de la main d’œuvre, McDonald’s remplace ses caissiers par des bornes de commande dotées d’un écran tactile. Les coûts sont ainsi réduits, et les erreurs de commande sont moins fréquentes. Ici, en France, McDonald’s teste actuellement des bornes interactives. C’est-à-dire qu’une fois votre commande terminée, la borne émet une carte RFID associée à votre commande. Lorsque la commande est prête, un employé de l’enseigne vous localise grâce à la carte RFID et vous sert votre repas à votre table.
Les McRobots
McDonald’s est la première chaîne du genre à avoir ouvert un restaurant fonctionnant entièrement avec des robots, avec seulement quelques employés humains pour leur porter assistance, à Phoenix en Arizona. Pour faire face aux salaires minimaux en constante augmentation et aux inconvénients inhérents à la main d’œuvre (arrêts maladie, hygiène, etc.), et grâce aux avancées de la robotique et de l’intelligence artificielle, les robots offrent aux restaurants une alternative à la main d’œuvre humaine. Pour le moment, la direction et les investisseurs se disent ravis de la fiabilité et de l’accessibilité de leur main d’œuvre robotisée.
Attendez-vous à ce que, dans les années à venir, McDonald’s améliore davantage ses performances grâce à l’intelligence artificielle, au big data et aux robots.
https://www.forbes.fr/technologie/mcdonalds-pret-pour-la-quatrieme-revolution-industrielle/
Il est évident que McDonald’s génère des volumes considérables de données, étant donné que l’entreprise opère dans plus de 188 pays et qu’elle sert à manger à plus de 69 millions de personnes chaque jour. Mais c’est la manière dont elle utilise ces données qui va définir son pouvoir. Voici seulement quelques-unes des méthodes utilisées par McDonald’s pour se préparer à la quatrième révolution industrielle à l’aide de l’intelligence artificielle, du big data et de la robotique.
Une expérience consommateur personnalisée et améliorée
En proposant aux consommateur de commander et de payer leurs repas à l’aide de l’application mobile McDonald’s, l’entreprise fait d’une pierre deux coups, car les utilisateurs peuvent obtenir des offres exclusives, et l’entreprise obtient l’intelligence client concernant les habitudes de consommation (où et quand ils vont au restaurant, à quelle fréquence, s’ils utilisent le drive in ou s’ils mangent dans le restaurant et bien sûr, ce qu’ils achètent). Ces données sont vitales au développement de la stratégie numérique de la marque. Cette dernière peut ainsi conseiller des produits complémentaires et proposer des offres qui lui permettront d’augmenter ses ventes. Au Japon, les consommateurs qui utilisent l’application dépensent en moyenne 35 % de plus, en partie grâce aux recommandations du logiciel. Les produits préférés du consommateur sont sauvegardés, ce qui facilite les commandes et l’incite à utiliser l’application. Les utilisateurs de l’application n’ont pas à faire la queue, ils acceptent donc de partager leurs données contre quelques avantages perçus.
Des affichages de menus numériques qui utilisent des données
McDonald’s continue de déployer des affichages de menus numériques dans ses restaurants. Il s’agit de versions plus modernes des anciens menus, pouvant être modifiées en fonction de l’analyse des données en temps réel. Les menus numériques peuvent changer les propositions de produits de base en fonction du moment de la journée ou de la météo. Par exemple, en cas de températures très basses, des menus adaptés seront mis en avant, alors que pour un après-midi d’été ensoleillé, l’affichage privilégiera des boissons fraîches ou des glaces. Au Canada, cette méthode a permis d’augmenter les ventes de 3 % à 3,5 %.
L’analyse des tendances
Afin de mieux comprendre les performances de ses restaurants au cas par cas et d’identifier les bonnes pratiques de la restauration rapide, McDonald’s doit également se pencher sur les nombreuses données générées par ses établissements. Depuis que McDonalds fonctionne avec des franchises, l’invariabilité de la nourriture et de l’expérience client est primordiale. Du point du vue du consommateur, il est important de retrouver la même nourriture et les mêmes offres, peu importe où se trouve le restaurant et qui en est le propriétaire. L’entreprise se réfère à plusieurs points de données de l’expérience client. Par exemple, lorsqu’elle analyse l’expérience client au drive in, elle n’évalue pas seulement le design du drive in, mais elle analyse les informations qui ont été communiquées au client, et ce que font les clients qui patientent dans la queue. Elle analyse les modèles de comportements afin de prédire les commandes et de modifier la conception, les informations et les pratiques du restaurant si nécessaire.
Les bornes de commande
Pour remédier à la constante augmentation du coût de la main d’œuvre, McDonald’s remplace ses caissiers par des bornes de commande dotées d’un écran tactile. Les coûts sont ainsi réduits, et les erreurs de commande sont moins fréquentes. Ici, en France, McDonald’s teste actuellement des bornes interactives. C’est-à-dire qu’une fois votre commande terminée, la borne émet une carte RFID associée à votre commande. Lorsque la commande est prête, un employé de l’enseigne vous localise grâce à la carte RFID et vous sert votre repas à votre table.
Les McRobots
McDonald’s est la première chaîne du genre à avoir ouvert un restaurant fonctionnant entièrement avec des robots, avec seulement quelques employés humains pour leur porter assistance, à Phoenix en Arizona. Pour faire face aux salaires minimaux en constante augmentation et aux inconvénients inhérents à la main d’œuvre (arrêts maladie, hygiène, etc.), et grâce aux avancées de la robotique et de l’intelligence artificielle, les robots offrent aux restaurants une alternative à la main d’œuvre humaine. Pour le moment, la direction et les investisseurs se disent ravis de la fiabilité et de l’accessibilité de leur main d’œuvre robotisée.
Attendez-vous à ce que, dans les années à venir, McDonald’s améliore davantage ses performances grâce à l’intelligence artificielle, au big data et aux robots.
https://www.forbes.fr/technologie/mcdonalds-pret-pour-la-quatrieme-revolution-industrielle/
L’Intelligence Artificielle s’Associe À La Blockchain En 2018
En 2017, nous avons été témoins de la création de nombreuses technologies mettant à profits l’intelligence artificielle et le machine learning. Le financement en capital pour l’intelligence artificielle a doublé pour atteindre 12 milliards de dollars (9,7 milliards d’euros). Au même moment, la technologie de la blockchain jetait les bases d’un nouvel internet décentralisé. L’an dernier, le montant total de capitaux récoltés par IC a dépassé les 5 milliards de dollars (4,05 milliards d’euros).
Cependant, mélanger l’intelligence artificielle et le machine learning n’importe comment n’a aucun sens. On ne devrait pas non plus se demander si l’intelligence artificielle a besoin de la blockchain ou inversement. Dans cinq à dix ans, le monde entier va opter pour des structures décentralisées. L’intelligence artificielle et le machine learning seront essentiels à la création d’entreprises de tech dans ce nouvel univers.
Mais avant même que ce monde existe, nous devons construire de gros volumes d’infrastructures fondamentales et de couches de protocoles. Nous devons également travailler sur des projets augmentant le nombre de données d’entrainement, améliorant les derniers algorithmes de recherche et fournissant de grandes quantités de ressources informatiques.
Les Données
Le plus gros défi de tous est de regrouper assez de données pour entrainer les modèles d’intelligence artificielle et de machine learning. Traditionnellement, seules les entreprises avec beaucoup d’utilisateurs ont accès à de grandes bases de données. La décentralisation est le meilleur moyen, pour l’intelligence artificielle, d’obtenir davantage de données.
Par exemple, Ocean Protocol est actuellement en train de construire un échange de données décentralisées avec pour objectif d’abriter des données mondiales pour l’entrainement des intelligences artificielles. Si cela fonctionne, ils deviendront alors le protocole de référence pour les fournisseurs et les consommateurs de données. En fonction de votre secteur et de la spécificité de vos données, certains projets peuvent se spécialiser. DX Network, par exemple, fournit des données structurées sur l’actualité d’entreprises, d’investisseurs et du secteur.
Dans le monde réel, la collecte de données est un vrai défi car les entreprises comme Google n’ont aucune raison de vouloir partager les données de leurs voitures autonomes. Ce qui veut dire que les appareils d’internet des objets (IoT) joueront un grand rôle dans la collecte des données dans le monde réel en matière d’entrainement des intelligences artificielles. L’intimité et la sécurité seront importantes, et IoTeX a l’opportunité de construire une blockchain fonctionnant sur les appareils d’internet des objets pour cette raison. Ce ne serait une surprise pour personne si la communauté de l’intelligence artificielle tiraient profit de leurs plateforme pour collecter des données selon leur volonté.
Google's DeepMind AI Just Taught Itself To Walk
Les algorithmes
Alors que l’entrainement des modèles d’intelligence artificielle à l’aide du machine Learning repose essentiellement sur les données, nous devons développer des algorithmes traitant les données de manière décentralisée et distribuée. Mais il n’est pas simple de prendre des résultats de recherche et de les implémenter pour qu’ils fonctionnent sur la blockchain. SingularityNET enveloppe tous les algorithmes d’intelligence artificielle et leur permet de communiquer entre eux. Deep Brain Chain les enveloppe également pour fonctionner sur du GPU libre.
L’enveloppement des algorithmes d’intelligence artificielle ou de machine learning est une prouesse, mais ce n’est que la première étape. Ces algorithmes doivent fonctionner de manière intelligente. Cortex est un projet qui construit sa propre blockchain infrastructurelle qui permet aux utilisateurs d’écrire des programmes de machine learning. Les utilisateurs proposent leurs propres contrats intelligents et ces derniers peuvent interagir ensemble.
Cortex dispose de sa propre machine virtuelle, la Cortex Virtual Machine et elle fonctionne de la même manière qu’Ethereum. Elle fournit un environnement digne de confiance, sûr et sécurisé pour l’exécution des contrats intelligents. Cortex permet également de faire fonctionner les algorithmes en dehors de la chaîne. L’équipe du projet fait le lien entre les fournisseurs de puissance informatique et les fournisseurs d’algorithmes. Elle permet donc de faciliter la collaboration des différentes entités du monde de l’intelligence artificielle.
What a driverless world could look like | Wanis Kabbaj
How Do Self-Driving Cars Actually Work? (Tesla, Volvo, Google)
Les ressources informatiques
De grandes équipes travaillent déjà sur les données d’entrainement et les derniers algorithmes de recherche. Il ne reste plus qu’à trouver le moyen d’utiliser la puissance informatique disponible pour entrainer les intelligences artificielles de manière intensive.
Cortex veut faire ce lien, donc nous le verront peut-être collaborer sur des projets comme Golem, qui a créé le premier marché mondial pour la puissance informatique.
L’intelligence artificielle est une technologie qui s’est rapidement répandue. Et l’univers des cryptomonnaie de peut pas l’ignorer. Si l’environnement de l’intelligence artificielle était transféré sur des blockchains, toutes les entreprises pourraient devenir aussi puissantes que Facebook, Amazon ou Google, grâce à une vraie décentralisation.
Cependant, mélanger l’intelligence artificielle et le machine learning n’importe comment n’a aucun sens. On ne devrait pas non plus se demander si l’intelligence artificielle a besoin de la blockchain ou inversement. Dans cinq à dix ans, le monde entier va opter pour des structures décentralisées. L’intelligence artificielle et le machine learning seront essentiels à la création d’entreprises de tech dans ce nouvel univers.
Mais avant même que ce monde existe, nous devons construire de gros volumes d’infrastructures fondamentales et de couches de protocoles. Nous devons également travailler sur des projets augmentant le nombre de données d’entrainement, améliorant les derniers algorithmes de recherche et fournissant de grandes quantités de ressources informatiques.
Les Données
Le plus gros défi de tous est de regrouper assez de données pour entrainer les modèles d’intelligence artificielle et de machine learning. Traditionnellement, seules les entreprises avec beaucoup d’utilisateurs ont accès à de grandes bases de données. La décentralisation est le meilleur moyen, pour l’intelligence artificielle, d’obtenir davantage de données.
Par exemple, Ocean Protocol est actuellement en train de construire un échange de données décentralisées avec pour objectif d’abriter des données mondiales pour l’entrainement des intelligences artificielles. Si cela fonctionne, ils deviendront alors le protocole de référence pour les fournisseurs et les consommateurs de données. En fonction de votre secteur et de la spécificité de vos données, certains projets peuvent se spécialiser. DX Network, par exemple, fournit des données structurées sur l’actualité d’entreprises, d’investisseurs et du secteur.
Dans le monde réel, la collecte de données est un vrai défi car les entreprises comme Google n’ont aucune raison de vouloir partager les données de leurs voitures autonomes. Ce qui veut dire que les appareils d’internet des objets (IoT) joueront un grand rôle dans la collecte des données dans le monde réel en matière d’entrainement des intelligences artificielles. L’intimité et la sécurité seront importantes, et IoTeX a l’opportunité de construire une blockchain fonctionnant sur les appareils d’internet des objets pour cette raison. Ce ne serait une surprise pour personne si la communauté de l’intelligence artificielle tiraient profit de leurs plateforme pour collecter des données selon leur volonté.
Google's DeepMind AI Just Taught Itself To Walk
Les algorithmes
Alors que l’entrainement des modèles d’intelligence artificielle à l’aide du machine Learning repose essentiellement sur les données, nous devons développer des algorithmes traitant les données de manière décentralisée et distribuée. Mais il n’est pas simple de prendre des résultats de recherche et de les implémenter pour qu’ils fonctionnent sur la blockchain. SingularityNET enveloppe tous les algorithmes d’intelligence artificielle et leur permet de communiquer entre eux. Deep Brain Chain les enveloppe également pour fonctionner sur du GPU libre.
L’enveloppement des algorithmes d’intelligence artificielle ou de machine learning est une prouesse, mais ce n’est que la première étape. Ces algorithmes doivent fonctionner de manière intelligente. Cortex est un projet qui construit sa propre blockchain infrastructurelle qui permet aux utilisateurs d’écrire des programmes de machine learning. Les utilisateurs proposent leurs propres contrats intelligents et ces derniers peuvent interagir ensemble.
Cortex dispose de sa propre machine virtuelle, la Cortex Virtual Machine et elle fonctionne de la même manière qu’Ethereum. Elle fournit un environnement digne de confiance, sûr et sécurisé pour l’exécution des contrats intelligents. Cortex permet également de faire fonctionner les algorithmes en dehors de la chaîne. L’équipe du projet fait le lien entre les fournisseurs de puissance informatique et les fournisseurs d’algorithmes. Elle permet donc de faciliter la collaboration des différentes entités du monde de l’intelligence artificielle.
What a driverless world could look like | Wanis Kabbaj
How Do Self-Driving Cars Actually Work? (Tesla, Volvo, Google)
Les ressources informatiques
De grandes équipes travaillent déjà sur les données d’entrainement et les derniers algorithmes de recherche. Il ne reste plus qu’à trouver le moyen d’utiliser la puissance informatique disponible pour entrainer les intelligences artificielles de manière intensive.
Cortex veut faire ce lien, donc nous le verront peut-être collaborer sur des projets comme Golem, qui a créé le premier marché mondial pour la puissance informatique.
L’intelligence artificielle est une technologie qui s’est rapidement répandue. Et l’univers des cryptomonnaie de peut pas l’ignorer. Si l’environnement de l’intelligence artificielle était transféré sur des blockchains, toutes les entreprises pourraient devenir aussi puissantes que Facebook, Amazon ou Google, grâce à une vraie décentralisation.
Intelligence Artificielle : 51 Prévisions Pour 2018
On ne prend pas trop de risques en prédisant que l’intelligence artificielle sera toujours autant médiatisée en 2018. Mais on peut également prévoir qu’elle deviendra plus concrète et utile grâce à l’automatisation de certains emplois, à l’amélioration de beaucoup d’autres, la combinaison du machine learning et du big data pour obtenir des informations innovantes et à l’apparition de chatbots (agents conversationnels) dans les entreprises.
1. Alors que l’industrie automobile connaît d’importantes perturbations, les équipementiers et les Tier 1 (noyaux durs des capitaux propres d’institutions financières) en question se rendent comptent qu’ils doivent immédiatement utiliser l’IA pour analyser l’environnement extérieur des véhicules ainsi que ce qu’il s’y passe à l’intérieur. Les voitures autonomes et semi-autonomes devront avoir recours à un logiciel de visualisation basé sur l’IA assurant une conduite sûre, un passage de relais au conducteur sans à-coups, ainsi qu’une expérience agréable pour les passagers en se focalisant sur leur ressenti et leur bien-être – Rana El Kaliouby, PDG et cofondateur d’Affectiva.
2. En 2018, nous devrions assister à de nombreuses innovations, comme par exemple, un système d’IA pouvant s’exprimer directement (première personne) et non au travers d’une tierce personne, l’érosion de la neutralité du net à cause d’une diffusion de contenu de plus en plus personnalisée et optimisée à l’aide de l’IA ou encore l’éclatement de la bulle de l’apprentissage profond ou deep learning. Les startup dédiées à l’IA ne l’ayant appliquée qu’à un seul domaine seront moins surestimées. Les autres feront des avancées fondamentales quant aux capacités de l’IA. Nous assisterons également à au moins un nouvel accident impliquant un véhicule autonome avant de réaliser que la conduite autonome nécessite encore beaucoup de recherches et d’essais, contrairement à ce que l’on pense actuellement – Monty Barlow, directeur du département machine learning chez Cambridge Consultants.
3. L’IA commencera à répondre à la question « pourquoi ? ». Ces deux dernières années, nous avons appris deux choses en observant des personnes intéragir avec des systèmes d’IA : 1) les humains n’aiment pas ne pas savoir ce que fait une IA, et 2), une IA ne sait pas comment expliquer à un humain ce qu’elle fait. À la question « pourquoi ? », les IA répondent généralement : « parce que c’est comme ça ». En 2018, les créateurs ne pourront plus se défiler en disant que si l’IA ne sait pas répondre, c’est parce qu’elle traite des milliers de variables par seconde. Afin de prouver aux utilisateurs que les IA agissent dans un but commun, les développeurs devront mettre en place une série de réponses quant à la responsabilité, au suivi et au système mis en place. Cela réduira ainsi la frustration des utilisateurs – Or Shani, PDG d’Albert.
4. Une définition de prix personnalisée. Nous prévoyons un changement de politique de prix des sites d’e-commerce (surtout en matière de prêt-à-porter, d’électronique, d’alimentation et de produits pharmaceutiques) vers une personnalisation des prix en temps réel. Par exemple, le prix du ciment pourra être défini en fonction du comportement de l’acheteur, de l’offre, de la demande et des prix de la concurrence, contrairement à la politique actuelle qui ne définit pas les prix en fonction du client. Les prix changeront régulièrement afin de refléter les offres personnalisées. Ce système sera également mis en place dans les magasins grâce à l’étiquetage électronique. Seront présentées sur les étiquettes, le prix de l’article ainsi que « votre prix » – Dan Baruchi, PDG de Personali.
5. Dans un futur proche, nous assisterons à un combat d’IA. Les guerres ne se feront plus par l’intermédiaire de politiciens, de hackers ou de tout autre individu, mais par IA interposées. Les IA seront programmées pour attaquer les Etats à une vitesse telle qu’il sera impossible de se défendre. Il est donc impératif de discuter des IA développées dans un but particulier et des réglementations qui pourraient être appliquées dans ce domaine – Chad Steelberg, PDG de Veritone.
6. Si vous êtes éditeurs de logiciel et que vous n’avez pas prévu d’intégrer un système d’IA à vos produits ou services, vous serez à la traîne par rapport à vos concurrents. On peut comparer l’IA à l’eau ou à l’air qui nous entoure, elle est partout et elle sera impliquée dans la plupart des logiciels que nous utilisons, même sans que nous le sachions – Ed Sim, fondateur de Boldstart Ventures.
7. En 2018, l’IA sera conditionnée et accessible par tout un chacun, même sans grandes compétences informatiques. Le but n’est pas de créer de singularité, mais de faire évoluer les opinions, d’observer les modèles, et d’en tirer profit, de tester des hypothèses et d’en tirer des conclusions. C’est un processus très brutal mais si rapide que l’on ne s’en rend même pas compte et qui se base sur une quantité de données très impressionnante. Mais cela n’aurait aucune utilité si ça n’était pas transmis à d’autres logiciels et utilisateurs, dans un format exploitable et à partir du quel on peut obtenir des résultats. On voit finalement des API et des applications émerger prouvant que nous avons atteint une étape importante – Mike Fitzmaurice, vice président technologie de Nintex.
8. La Silicon Valley ne sera pas le théâtre de toues les innovations dans ce domaine. De nombreux pays parient sur l’intelligence artificielle. Il s’agit réellement du champ de bataille du futur. Si une entreprise prévoit d’impliquer l’IA dans sa stratégie, elle doit s’attendre à une transition longue et peut avoir à faire face à quelques phases d’interruption et de remise en question. L’évolution de l’IA ne sera pas linéaire – Todd Thibodeaux, PDG de CompTIA.
9. L’IA ne risque pas d’arrêter de faire parler d’elle. Les nouvelles avancées dans le domaine des solutions d’analyse continueront d’impliquer IA à l’aide du machine learning et du deep learning. En 2018, attendez-vous à ce que les entreprises investissent davantage dans la recherche et le développement des voitures autonomes. Elles implanteront également des systèmes d’IA pour assister à la conduite de leurs nouveaux modèles. Par exemple, la vision par ordinateur permet au véhicule de prendre la main si le conducteur montre des signes de fatigue. Nous pensons que les entreprises utilisant habituellement les modèles statistiques pour leurs solutions d’analyse avancée, par exemple pour améliorer les prévisions, investiront dans des solutions basées sur le machine learning et l’extraction de données de sources internes ou externes pour améliorer leurs modèles – Naresh Koka, Vice-président de SPR.
10. Il est maintenant possible de combiner l’IA et les flux de données en temps réel circulant sur une même plateforme et cela ouvre le champ des possibles. Par exemple, l’IA peut aider les entreprises à capitaliser sur les opportunités éphémères lorsque les flux de données circulent sur une seule plateforme, comme l’optimisation du prix unitaire lors de l’achat d’une large gamme de marchandises telles que l’énergie. Sur une plateforme où figurent des informations sur le prix unitaire de l’énergie éolienne, solaire ou du réseau, l’IA peut permettre à une entreprise d’ajuster son activité en temps réel lorsque le prix fluctue, en tirant profit des changements de prix pour minimiser les dépenses en matière d’énergie. Et c’est seulement un cas, l’IA et les transactions en temps réel peuvent permettre aux entreprise de bénéficier de nombreuses opportunités à court terme – Bob Renner, PDG de Liaison Technologies.
https://www.forbes.fr/technologie/intelligence-artificielle-51-previsions-pour-2018/
What AI is -- and isn't :
1. Alors que l’industrie automobile connaît d’importantes perturbations, les équipementiers et les Tier 1 (noyaux durs des capitaux propres d’institutions financières) en question se rendent comptent qu’ils doivent immédiatement utiliser l’IA pour analyser l’environnement extérieur des véhicules ainsi que ce qu’il s’y passe à l’intérieur. Les voitures autonomes et semi-autonomes devront avoir recours à un logiciel de visualisation basé sur l’IA assurant une conduite sûre, un passage de relais au conducteur sans à-coups, ainsi qu’une expérience agréable pour les passagers en se focalisant sur leur ressenti et leur bien-être – Rana El Kaliouby, PDG et cofondateur d’Affectiva.
2. En 2018, nous devrions assister à de nombreuses innovations, comme par exemple, un système d’IA pouvant s’exprimer directement (première personne) et non au travers d’une tierce personne, l’érosion de la neutralité du net à cause d’une diffusion de contenu de plus en plus personnalisée et optimisée à l’aide de l’IA ou encore l’éclatement de la bulle de l’apprentissage profond ou deep learning. Les startup dédiées à l’IA ne l’ayant appliquée qu’à un seul domaine seront moins surestimées. Les autres feront des avancées fondamentales quant aux capacités de l’IA. Nous assisterons également à au moins un nouvel accident impliquant un véhicule autonome avant de réaliser que la conduite autonome nécessite encore beaucoup de recherches et d’essais, contrairement à ce que l’on pense actuellement – Monty Barlow, directeur du département machine learning chez Cambridge Consultants.
3. L’IA commencera à répondre à la question « pourquoi ? ». Ces deux dernières années, nous avons appris deux choses en observant des personnes intéragir avec des systèmes d’IA : 1) les humains n’aiment pas ne pas savoir ce que fait une IA, et 2), une IA ne sait pas comment expliquer à un humain ce qu’elle fait. À la question « pourquoi ? », les IA répondent généralement : « parce que c’est comme ça ». En 2018, les créateurs ne pourront plus se défiler en disant que si l’IA ne sait pas répondre, c’est parce qu’elle traite des milliers de variables par seconde. Afin de prouver aux utilisateurs que les IA agissent dans un but commun, les développeurs devront mettre en place une série de réponses quant à la responsabilité, au suivi et au système mis en place. Cela réduira ainsi la frustration des utilisateurs – Or Shani, PDG d’Albert.
4. Une définition de prix personnalisée. Nous prévoyons un changement de politique de prix des sites d’e-commerce (surtout en matière de prêt-à-porter, d’électronique, d’alimentation et de produits pharmaceutiques) vers une personnalisation des prix en temps réel. Par exemple, le prix du ciment pourra être défini en fonction du comportement de l’acheteur, de l’offre, de la demande et des prix de la concurrence, contrairement à la politique actuelle qui ne définit pas les prix en fonction du client. Les prix changeront régulièrement afin de refléter les offres personnalisées. Ce système sera également mis en place dans les magasins grâce à l’étiquetage électronique. Seront présentées sur les étiquettes, le prix de l’article ainsi que « votre prix » – Dan Baruchi, PDG de Personali.
5. Dans un futur proche, nous assisterons à un combat d’IA. Les guerres ne se feront plus par l’intermédiaire de politiciens, de hackers ou de tout autre individu, mais par IA interposées. Les IA seront programmées pour attaquer les Etats à une vitesse telle qu’il sera impossible de se défendre. Il est donc impératif de discuter des IA développées dans un but particulier et des réglementations qui pourraient être appliquées dans ce domaine – Chad Steelberg, PDG de Veritone.
6. Si vous êtes éditeurs de logiciel et que vous n’avez pas prévu d’intégrer un système d’IA à vos produits ou services, vous serez à la traîne par rapport à vos concurrents. On peut comparer l’IA à l’eau ou à l’air qui nous entoure, elle est partout et elle sera impliquée dans la plupart des logiciels que nous utilisons, même sans que nous le sachions – Ed Sim, fondateur de Boldstart Ventures.
7. En 2018, l’IA sera conditionnée et accessible par tout un chacun, même sans grandes compétences informatiques. Le but n’est pas de créer de singularité, mais de faire évoluer les opinions, d’observer les modèles, et d’en tirer profit, de tester des hypothèses et d’en tirer des conclusions. C’est un processus très brutal mais si rapide que l’on ne s’en rend même pas compte et qui se base sur une quantité de données très impressionnante. Mais cela n’aurait aucune utilité si ça n’était pas transmis à d’autres logiciels et utilisateurs, dans un format exploitable et à partir du quel on peut obtenir des résultats. On voit finalement des API et des applications émerger prouvant que nous avons atteint une étape importante – Mike Fitzmaurice, vice président technologie de Nintex.
8. La Silicon Valley ne sera pas le théâtre de toues les innovations dans ce domaine. De nombreux pays parient sur l’intelligence artificielle. Il s’agit réellement du champ de bataille du futur. Si une entreprise prévoit d’impliquer l’IA dans sa stratégie, elle doit s’attendre à une transition longue et peut avoir à faire face à quelques phases d’interruption et de remise en question. L’évolution de l’IA ne sera pas linéaire – Todd Thibodeaux, PDG de CompTIA.
9. L’IA ne risque pas d’arrêter de faire parler d’elle. Les nouvelles avancées dans le domaine des solutions d’analyse continueront d’impliquer IA à l’aide du machine learning et du deep learning. En 2018, attendez-vous à ce que les entreprises investissent davantage dans la recherche et le développement des voitures autonomes. Elles implanteront également des systèmes d’IA pour assister à la conduite de leurs nouveaux modèles. Par exemple, la vision par ordinateur permet au véhicule de prendre la main si le conducteur montre des signes de fatigue. Nous pensons que les entreprises utilisant habituellement les modèles statistiques pour leurs solutions d’analyse avancée, par exemple pour améliorer les prévisions, investiront dans des solutions basées sur le machine learning et l’extraction de données de sources internes ou externes pour améliorer leurs modèles – Naresh Koka, Vice-président de SPR.
10. Il est maintenant possible de combiner l’IA et les flux de données en temps réel circulant sur une même plateforme et cela ouvre le champ des possibles. Par exemple, l’IA peut aider les entreprises à capitaliser sur les opportunités éphémères lorsque les flux de données circulent sur une seule plateforme, comme l’optimisation du prix unitaire lors de l’achat d’une large gamme de marchandises telles que l’énergie. Sur une plateforme où figurent des informations sur le prix unitaire de l’énergie éolienne, solaire ou du réseau, l’IA peut permettre à une entreprise d’ajuster son activité en temps réel lorsque le prix fluctue, en tirant profit des changements de prix pour minimiser les dépenses en matière d’énergie. Et c’est seulement un cas, l’IA et les transactions en temps réel peuvent permettre aux entreprise de bénéficier de nombreuses opportunités à court terme – Bob Renner, PDG de Liaison Technologies.
https://www.forbes.fr/technologie/intelligence-artificielle-51-previsions-pour-2018/
What AI is -- and isn't :
Les Batailles Industrielles De L’Intelligence Artificielle
Les Batailles Industrielles De L’Intelligence Artificielle
Il est de bon ton de vouloir comparer les grandes puissances telles que la Chine et les USA au regard de leur dominance dans ce vaste champ technologique qu’est l’intelligence artificielle et de se demander comment la France et l’Europe pourraient devenir des « leaders » de ce marché. Comme si l’IA était un marché monolithique où un pays pouvait gagner une telle bataille d’un seul bloc. L’image est plus nuancée que cela. L’IA est une nouvelle vague de l’histoire de l’informatique comme l’ont été l’Internet ou la mobilité, avec une myriade d’acteurs globaux et locaux. Elle traverse tous les secteurs d’activité.
Les batailles industrielles de l’intelligence artificielle (IA) concernent la recherche avancée, les processeurs, les ressources du cloud, les assistants vocaux, la collecte et l’exploitation de données personnelles ou industrielles, la médecine prédictive et les véhicules autonomes pour n’en prendre que quelques exemples. Ces batailles se démultiplient également dans tous les marchés horizontaux et verticaux. A chaque fois peuvent y émerger de nouveaux acteurs ou se consolider la position d’acteurs existants. Le marché de l’intelligence artificielle présente la particularité d’associer des architectures matérielles de nouvelle génération utilisant des processeurs dits neuromorphiques, des algorithmes mettant en œuvre des mathématiques avancées et des données qui servent à alimenter des modèles prédictifs.
L’histoire de l’informatique et du logiciel est pleine d’enseignements. Certains événements du passé pourraient se reproduire, comme l’émergence de plateformes dominantes, la démocratisation des outils et la prolifération d’activités de services. La valeur générée par l’IA sera tout aussi diffuse et distribuée sur un grand nombre d’acteurs industriels, des acteurs mondiaux avec de fortes économies d’échelle et des acteurs locaux, portés sur le service et l’intégration. Est-ce que le statu quo actuel qui voit la dominance des USA côté logiciels et Internet et celle de l’Asie côté matériel perdurera ? L’Europe voudrait bien récupérer sa part du gâteau mais il semble qu’elle ne sera pas plus importante que celle qu’elle récupère dans les industries numériques d’aujourd’hui. Elle risque même d’être réduite à la portion congrue, car le Vieux Continent est pris en sandwich entre les USA et la Chine, cette dernière ayant des velléités de ne pas jouer un rôle de figuration dans la fabrication de matériel. Nous allons ici explorer quelques-uns de ces enjeux des batailles industrielles de l’IA, ceux de la recherche, du matériel, des données et des véhicules autonomes et identifier quelques-uns des acteurs français qui y jouent un rôle de premier plan.
Une recherche ouverte
L’excellence des chercheurs français est souvent mise en avant pour justifier le rôle de la France dans le marché de l’IA. Ils sont en effet les troisièmes plus grands contributeurs en publications scientifiques après les Américains et les Chinois. Mais cela ne suffit évidemment pas pour transformer cette performance intellectuelle en atout économique. On pourrait même voir se reproduire un scénario que l’on a connu ces quinze dernières années avec l’open source. Les chercheurs français en étaient à la fois des champions et de grands contributeurs mais force est de constater que cela n’a pas eu d’impact économique majeur et compétitif pour l’industrie française du logiciel. L’impact a été au mieux plutôt indirect.
Aux USA, ceux qui ont tiré leur épingle du jeu étaient des acteurs dont le modèle économique était périphérique à celui du logiciel comme le service pour IBM ou la publicité pour Google et Facebook. Les plus grands éditeurs « pure player » du logiciel libre sont aussi américains, Red Hat en tête. L’open source a bien été utilisé dans l’industrie, dans le web et le commerce en ligne et dans le cloud en général, mais cela n’a pas permis pour autant de créer des acteurs de référence mondiaux du secteur à part quelques rares exceptions telles que l’éditeur de logiciel open source français Talend, spécialisé dans le traitement de données. Ce phénomène pourrait très bien se reproduire avec l’IA. Il pourrait même être accentué par le poids économique des données qui est tout aussi important que celui des algorithmes et des logiciels d’IA.
Les solutions de l’IA bénéficient en effet de nouveaux travaux de recherche publiés régulièrement partout dans le monde. Ils sont généralement accompagnés d’exemples de code permettant de se les approprier rapidement. La propriété intellectuelle associée à ces travaux est variable mais requiert de la vigilance pour ceux qui la réutilisent. La société d’études américaine CBInsights remarquait ainsi en mai 2017 que seulement 11% des start-up de l’IA identifiées dans leur base avait déposé au moins un brevet. Cela signifie que la partie algorithmique des applications de l’IA est déjà une commodité sans forcément avoir de valeur marchande.
On peut par exemple le constater avec les nombreuses start-up qui font de la reconnaissance de pathologies diverses dans l’imagerie médicale ou celle d’individus dans les systèmes de surveillance vidéo. Les start-up du secteur utilisent toutes les mêmes méthodes de réseaux convolutifs inventées il y a une vingtaine d’années par Yann LeCun. Ces méthodes évoluent dans le temps pour être plus performantes et reconnaître des images de plus en plus complexes, mais elles restent communes à la plupart des sociétés qui les emploient. Rares sont les start-up qui ont un véritable avantage compétitif de ce point de vue-là.
Les chercheurs ne restent bien évidemment pas les bras croisés. Le champ de l’IA est éminemment vaste. Les travaux les plus avancés concernent les systèmes d’aide à la décision, allant dans le sens de la création d’intelligences artificielles généralistes, ces mythiques AGI (Artificial General Intelligence) capables de raisonnement généraliste à même de résoudre les problèmes les plus complexes. D’autres travaux portent sur le traitement du langage qui reste encore balbutiant malgré les prouesses des agents conversationnels et vocaux.
Dans l’entrepreneuriat, le temps est une matière première encore plus rare que les financements. La question qui se pose aux décideurs français n’est donc pas de simplement mieux organiser la recherche, de mieux rémunérer les chercheurs pour qu’ils ne partent pas à l’étranger et les faire travailler ensemble et avec les entreprises. La bataille est plutôt celle de la fluidité des idées et des cerveaux, pour que ceux-ci œuvrent le plus rapidement possible à créer des applications concrètes de leurs travaux de recherche.
L’IA dans le matériel
Dans l’IA, le matériel joue un rôle clé et complémentaire aux algorithmes et aux données. Il l’est d’autant plus que nombre d’applications stratégiques de l’IA sont très gourmandes en ressources machines, notamment dès qu’elles s’appuient sur des réseaux de neurones complexes dans ce que l’on appelle communément l’apprentissage profond, ou deep learning. Ces réseaux profonds servent en particulier aux applications de reconnaissance d’images, du langage et à l’analyse de données complexes.
L’industrie des semi-conducteurs est actuellement mobilisée pour créer des composants spécialisés dans l’entraînement et l’exécution de réseaux de neurones pour les applications d’intelligence artificielle. Ils sont déployés dans les serveurs où l’entraînement de réseaux de neurones s’appuie sur de grandes bases de données ainsi que dans les objets connectés de toutes sortes et dans les smartphones.
Ce marché est pour l’instant dominé par l’Américain Nvidia, dont les GPU intégrant des unités de calcul neuromorphiques équipent aussi bien les serveurs de data-centers que des caméras de surveillance ou des cartes électroniques pour véhicules à conduite assistée ou autonome. Nvidia est une société étonnante créée en 1993 qui s’est d’abord installée comme le leader des processeurs graphiques pour PC, les GPU, puis s’est diversifiée avec succès dans les serveurs, les data-centers, l’équipement automobile et plus récemment, dans l’intelligence artificielle. La société fait un chiffre d’affaires de plus de $8B, soit à peu près la taille du franco-italien STMicroelectronics.
Nvidia est talonné par Intel qui a diversifié son approche dans l’IA avec ses processeurs pour serveurs Xeon Phi, ses processeurs neuromorphiques Nervana issus d’une acquisition datant de 2016, des processeurs pour les objets connectés avec Movidius, également une acquisition de 2016 et enfin, l’annonce de processeurs spécialisés Loihi. Le tout est très brouillon, au minimum d’un point de vue marketing.
Lors du CES de Las Vegas, en janvier 2018, étaient annoncés des processeurs mobiles intégrant des unités de traitement neuromorphiques capables d’exécuter des réseaux de neurones entraînés pour la reconnaissance d’image ou de la parole, notamment chez Mediatek et Via. Cela s’inscrivait dans la lignée du processeur Kirin 970 que Huawei avait annoncé en septembre 2017 et qui équipe les derniers smartphones Huawei Mate 10 et Honor View 10. Pour la petite histoire, Huawei s’est appuyé sur la start-up chinoise Cambricon Technologies pour concevoir cette unité de traitement neuromorphique. Cette start-up a été financée par un fonds du gouvernement chinois à hauteur de $100M.
Au CES 2018, STMicroelectronics présentait aussi un microcontrôleur neuromorphique très efficace en rapport puissance/consommation, et dédié aux objets connectés, là où la consommation énergétique doit être la plus basse possible.
Au juste, quelle intelligence est intégrée dans ces processeurs et unités de traitement neuromorphiques ? Il s’agit principalement de simples multiplicateurs de matrices de nombres entiers ou flottants de petite taille (3×3 ou 4×4). Ces multiplicateurs correspondent aux principes mathématiques de base du fonctionnement des réseaux de neurones artificiels du deep learning. Ils doivent accéder à une mémoire rapide et consommer le moins d’énergie possible.
Les techniques de fabrication de ces processeurs neuromorphiques sont les mêmes que celles les processeurs traditionnels. Elles sont surtout maîtrisées par les Américains Intel et Global Foundries et par les fabs asiatiques chez Samsung et TSMC.
Et les industriels français ? Ils sont présents sur ce marché avec les microcontrôleurs de STMicroelectronics, les solutions embarquées dans les objets connectés de Scortex, les capteurs vidéo neuromorphiques de Chronocam, et Kalray qui vise le marché automobile avec ses processeurs multicore. La technologie FD-SOI de STMicroelectronics est un atout pour la fabrication de chipsets neuromorphiques car elle assure un fonctionnement optimal et une basse consommation d’énergie. Dans la pratique, cette technologie s’appuie sur l’utilisation de galettes de silicium dopées avec un isolant à base d’oxyde de silicium et fabriquées par le Français SOITEC à côté de Grenoble. Elle est complétée par des brevets détenus par le laboratoire de recherche public CEA-LETI et par STMicroelectronics. La technologie est utilisée sous licence par Samsung et Global Foundries.
La bataille est rude autour de ces processeurs mais ce qui qui compte n’est pas situé que dans leur conception et dans leur fabrication. Elle est plutôt située dans les briques logicielles associées. La dominance de Nvidia provient ainsi non pas simplement de ses processeurs mais de son architecture CUDA qui est très largement supportée par les créateurs de bibliothèques logicielles pour la 3D et pour l’IA, et notamment la bibliothèque TensorFlow de Google qui domine actuellement le champ du machine learning et du deep learning.
Une autre bataille encore plus rude se profile à l’horizon : celle des ordinateurs quantiques. La recherche bouillonne dans le domaine, avec encore de grands acteurs américains tels que IBM, Intel, Microsoft et Google, souvent associés à des laboratoires de recherche européens comme l’Université de Delft aux Pays-Bas pour Intel. Le CEA et ATOS sont investis sur le sujet mais le font-ils avec des visées mondiales ou des ambitions limitées ? Or, il se trouve que les ordinateurs quantiques progressent rapidement. On en est à une cinquantaine de qubits pour l’instant, ces unités de traitement élémentaires capables de gérer plusieurs états simultanément grâce à la superposition quantique des états de photons ou d’électrons. Quand cette limite sera franchie, les possibilités du quantique seront extraordinaires dans de nombreux domaines comme pour la cryptographie, l’entraînement de réseaux de neurones complexes et surtout la création d’outils de simulation dans la physique des matériaux et dans le vivant.
La commande vocale
La commande vocale donne lieu à une bataille homérique qui met en jeu les GAFAM : Google et son Assistant, Amazon avec Alexa, Apple avec Siri et Microsoft avec Cortana. Facebook est un peu en retrait mais sa plateforme Messenger est le réceptacle d’une grande majorité des chatbots textuels actuellement développés.
Le CES 2018 marquait la fin de l’hégémonie d’Amazon avec la montée en puissance de l’écosystème de Google et de son Assistant. Google avait investi très gros sur ce CES pour rattraper son retard face à Alexa avec un stand en extérieur sur Central Plaza, des visuels sur le monorail de la ville de Las Vegas passant devant le salon et sur presque tous les billboards à LED géants de la ville. Ils avaient acheté leur visibilité comme ils ne l’avaient jamais fait dans cet événement, leur dernière présence remontant à 2006, à l’occasion d’une intervention en keynote de leur cofondateur Larry Page. Leur stand de l’époque était modeste.
Un décompte objectif montrait qu’Amazon Alexa avait encore le dessus sur Google Assistant en nombre de produits le supportant. On est donc face à un duopole d’agents conversationnels. Les autres comme Apple Siri, Microsoft Cortana, Samsung Bixby ou le récent Baidu DuerOS, ciblant d’abord le marché chinois, semblent marginalisés dans l’écosystème. Bien entendu, les Chinois du secteur se feront fort d’essayer de conquérir les marchés occidentaux dès que possible. Jusqu’à présent cependant, les leaders américains semblent avoir encore le dessus.
Il existe d’autres solutions de traitement de la parole indépendantes des GAFAM et faites pour être intégrées en marque blanche dans des produits tiers, comme celles des Français Snips et XBrain et des Américains Nuance et SapientX, qui sont surtout utilisées dans l’automobile.
La bataille des assistants vocaux prend la forme d’une bataille de plateformes techniques et d’intermédiation comme on en a déjà connue avec celle des systèmes d’exploitation pour PC et mobiles. Ici, la commande vocale est un intermédiaire entre les services et l’utilisateur. La plateforme assure les fonctions de compréhension du langage et le lien avec les fonctions des services associés, notamment pour piloter des objets connectés. Suivant la fameuse loi de Metcalfe, plus les assistants vocaux sont supportés par un nombre croissant d’objets et fonctions, plus grande est leur valeur. On ne va en effet pas passer d’un assistant vocal à l’autre pour commander la myriade d’objets connectés de sa maison. Cela explique d’ailleurs un partenariat entre Amazon et Microsoft pour rendre interopérables Alexa et Cortana.
Ce passage du produit à l’usage est séduisant pour l’utilisateur mais il génère un nouveau casse-tête marketing pour les fournisseurs. Ils risquent de perdre leur marque et leur identité. Ils devront réinventer une communication vocale préservant leur identité et leur marque sous peine d’être nivelés par les plateformes vocales les accueillant.
L’intelligence artificielle au service des objets connectés
L’IA ne se résume cependant pas à la commande vocale ! Elle sert à la reconnaissance d’images dans la vidéo-surveillance ou la santé et représente, par exemple, une opportunité de plus de régler un problème lancinant des objets, notamment dans la maison connectée : la complexité de leur coordination.
Des sociétés comme IFTTT s’y sont essayées avec plus ou moins de bonheur, en permettant de programmer des actions dans une application mobile et sans faire appel à de l’IA. L’air du temps est aux systèmes intelligents qui apprennent par eux-mêmes en observant les tâches lancées manuellement par les utilisateurs afin de les automatiser comme chez la start-up française Ween.ai. L’idée est simple : plutôt que de répéter plusieurs fois des séquences de commandes vocales, pourquoi la maison connectée ne détecterait pas d’elle-même nos habitudes pour déclencher automatiquement les bonnes actions en fonction du contexte ?
C’est aussi ce qu’essaye de faire LG Electronics avec sa ThinQ AI, sa marque ombrelle des produits blancs et bruns qui intègrent de l’IA qui sont interopérables. L’IA chez LG touche jusqu’au système d’air conditionné Dualcool ThinQ Stand Inverter Air Conditioner qui peut maintenant être commandé par la voix, le tout associé au DeepThinQ AI qui envoie l’air vers les personnes détectées dans la pièce.
On voit aussi émerger de plus en plus d’IA émotionnelle. D’abord, avec les capteurs vidéo et audio qui détectent et analysent les émotions des utilisateurs, notamment à la maison. Puis qui en tiennent compte pour adapter l’ambiance comme au niveau de l’éclairage ou des contenus proposés aux utilisateurs. Dans ce domaine, la start-up new-yorkaise Emoshape, créée par le Français Patrick Levy-Rosenthal et soutenue par Orange Silicon Valley, présentait au CES 2018 son composant électronique Emotion Processing Unit (EPU), destiné à capter les émotions des utilisateurs.
La start-up Beyond Verbal qui était présente sur le pavillon israélien est de son côté spécialisée dans la détection des émotions dans la voix. Une chose que fait aussi la start-up parisienne Batvoice qui équipe notamment les centres d’appels.
Quel futur tout ceci préfigure-t-il ? Un futur où nous nous laissons guider en permanence par les machines et où le cerveau n’a plus de temps libre ou, au contraire, où il est laissé en jachère par une bonne partie de la population ? En tout cas, ces IA vont poursuivre la modification en profondeur de notre relation au temps, une relation qui va changer avec ces outils qui nous assistent et nous disent quoi faire à tous les instants.
D’un point de vue industriel, l’IA pourrait aussi se révéler être la technologie clé qui permettra à la maison connectée d’être enfin un marché en forte croissance.
La robotique de services
Les robots étaient très présents dans cette édition 2018 du CES, avec quelques robots de services intéressants comme le pédibus-jambus d’Ubtech ou la nouvelle mouture du chien Aibo de Sony avec ses élégants mouvements et câlines réactions aux utilisateurs.
Notons que le Chinois Ubtech, qui a notamment copié sans vergogne le Nao d’Aldebaran, a levé un total de $520M dont $100M en 2017. C’est donc largement une licorne de la robotique ! Un autre Chinois, Roobo, a levé un total de $152M. Il est à l’origine d’une grande famille de robots comprenant le BeanQ, le PuddingS, le Farnse, le Jelly, le Domgy et un chipset ChipIntelli.
L’offre des robots de services commence à s’élargir. Honda lançait une série de concepts de robots 3E (Empower, Experience, Empathy) qui sont destinés à améliorer la mobilité, notamment des seniors. Il y avait notamment 3E-A18 (compagnon doué d’émotions dans les expressions du visage, comme Sophia de Hanson Robotics), 3E-B18 (chaise roulante d’intérieur et extérieur), 3E-C18 (véhicule électrique) et 3E-D18 (véhicule autonome).
Et les robots de services français ? Il nous en reste quelques-uns après la digestion consommée d’Aldebaran Robotics par le Japonais Softbank. Nous avons par exemple le Lyonnais Hease Robotics, le Rouennais Event Bots et le Francilien Partnering Robotics avec leurs robots de services pour l’espace public, A.I.Mergence et son petit robot de surveillance E4 et Blue Frog Robotics et son Buddy. Mais lesquels de ces robots deviendront de véritables plateformes ?
Qu’est-ce qui manque à tous ces robots ? Cela dépend du besoin. Quand il s’agit de robots dont la première fonction est d’établir une conversation, comme dans pas mal de robots de services, il s’agit d’y intégrer des chatbots capables de comprendre le contexte et le sens d’un champ large de questions et d’y répondre.
Lorsqu’il s’agit de robots devant interagir mécaniquement avec leur environnement, le défi est lié aux capteurs, à l’interprétation de leurs données et aussi aux actuateurs et autres moteurs qui permettent aux robots de saisir des objets, les porter, les manipuler. L’équivalent de la main humaine avec sa versatilité n’est pas encore vraiment là.
En dernier lieu se pose la question de la source d’énergie, en général sous forme de batteries, et de leur densité énergétique. Un problème commun à celui des smartphones comme des véhicules électriques et qui mobilise bien l’industrie des batteries.
Les plateformes automobiles
L’IA est aussi intégrée dans une bataille industrielle émergente : celle des plateformes destinées aux véhicules autonomes. C’est un enjeu industriel critique pour la prochaine décennie. Il met en jeu des constructeurs, des équipementiers tels que les Français Valeo et Faurecia, des concepteurs de composants comme Nvidia, des éditeurs de logiciels tels que QNX, des plateformes en cloud telles que celles de Google et HERE. Aucun acteur ne semble prêt à maîtriser cette chaîne de valeur complexe de bout en bout. Elle s’horizontalisera sans doutes avec quelques acteurs leaders pour chacune de ces couches techniques. Mais à chaque étage, l’enjeu sera un mélange de capteurs, de processeurs, de données et de logiciels.
La stratégie du moteur de recherche chinois Baidu mérite le détour de ce point de vue là. Il en est à la seconde version de sa plateforme logicielle open source de conduite autonome Apollo 2.0. Elle ajoute des fonctions de sécurisation de la conduite grâce à une meilleure prise en compte des capteurs du véhicule et du planning de la conduite.
Le tout s’appuie sur des services en cloud, une plateforme logicielle embarquée et une plateforme matérielle de référence. Baidu s’enorgueillit d’avoir accumulé 165 000 lignes de code, ce qui n’a pourtant rien d’extraordinaire. Côté matériel, Apollo 2.0 supporte les chipsets de Nvidia, Intel, NXP et Renesas.
Pour accélérer l’adoption de sa plateforme, Baidu travaille avec le gouvernement de Singapour et a créé un fonds d’investissement de $200M pour développer les usages de la conduite autonome dans l’Asie du Sud-Est. Il est aussi partenaire d’Access Services, une agence de transports publics de Los Angeles pour lancer un pilote de trajets de courte durée d’ici fin 2018. En Chine, Baidu est partenaire du constructeur Xiamen King Long United Automotive Industry pour produire des bus autonomes et avec Chery Automobile pour des voitures de niveau 3 en 2020. Ils travaillent aussi avec JAC Motors et BAIC Motor.
Par certains côtés, Baidu semble en avance par rapport à Google et sa filiale Waymo. Dans l’histoire récente, Google s’est plutôt comporté comme un constructeur émergent, intégré verticalement et cherchant à créer ses propres véhicules. On peut imaginer que Google deviendra à terme un fournisseur de plateforme logicielle embarquée et en cloud, celle qui leur assurera les meilleures économies d’échelle. Or dans le cas présent, Baidu semble avoir attaqué ce marché de manière plus directe et, qui plus est, avec nombre de partenariats avec des équipementiers et constructeurs du monde entier, qui sont au minimum appâtés par la perspective d’aborder par ce biais le marché chinois.
On peut aussi être impressionné par le travail de Byton, cette start-up associant des Chinois, des Américains et des Allemands, ces derniers provenant de BMW. En décembre 2017, la start-up annonçait sa berline électrique à conduite assistée puis, à terme, autonome. Les concepteurs de ce véhicule ont réfléchi à de nombreux aspects et scénarios de son usage et le lien entre véhicule et mobile, le partage du véhicule et sa personnalisation. Doté d’un écran géant de 1,25 m de large, il ressemble à un concept car et pourtant son lancement est prévu d’ici 2019. Byton est une marque de la start-up chinoise Future Mobility et qui a levé $200M pour commencer, notamment auprès de Tencent et Foxconn.
Ford est un constructeur qui a adopté un positionnement intéressant. Il se positionne à terme plus comme un opérateur de plateforme de véhicules et un partenaire d’opérateurs de services qu’en simple constructeur, le tout en se souciant de la bonne intégration des véhicules dans la ville intelligente. Comme Byton, Ford entrevoit un monde où les voitures seront de plus en plus mutualisées au niveau de plateformes de services au lieu d’être possédées par les foyers. L’Américain Uber anticipe également cette échéance, ayant déjà commandé des milliers de voitures autonomes à Volvo. Il en va ainsi de Lyft qui expérimentait au CES de Las Vegas des véhicules autonomes BMW réalisés en partenariat avec l’équipementier Aptiv, anciennement Delphi.
Baidu, Byton, Uber, Lyft et Ford sont tous des témoins des bouleversements qui pourront affecter l’ensemble de l’industrie automobile, l’IA étant une des technologies clés déclenchante de tous ces mouvements.
La bataille des données
On résume souvent les batailles industrielles de l’IA aux données, en faisant surtout allusion à la capacité gargantuesque de leur accumulation par les géants de l’Internet. S’il est vrai que les GAFA disposent de tombereaux de données sur les faits et gestes des consommateurs, leur valeur est surtout publicitaire.
Les usages de l’IA couvrent heureusement bien plus de domaines que cela et il faut éviter de considérer que tout est perdu face aux GAFA. Les IA peuvent être alimentées par une grande diversité de données issues de tous les secteurs d’activité : qu’ils soient industriels, environnementaux, liés aux services publics, juridiques, et aussi liés aux données médicales et pas juste sur les capteurs reliés aux smartphones.
Nombre de ces données ont de la valeur pour créer des applications d’IA puissantes, qu’il s’agisse de faire des prévisions, de segmenter ses marchés, d’analyser des textes ou d’aider à prendre de bonnes décisions. La force des données se révèle lorsqu’elles sont combinées, notamment pour découvrir des éléments de corrélation entre données disparates. Les données isolées ont donc moins de valeur que leur assemblage. C’est une cuisine nouvelle qui prend forme et qui ouvre des portes de création de valeur pour tous les acteurs innovants de tous les secteurs d’activité.
Encore faut-il que ces données puissent être captées et exploitées, tout en respectant les réglementations qui protègent la vie privée des citoyens et consommateurs. Elles ont aussi une valeur qui dépend de leur couverture géographique. Comme pour les plateformes, la collecte de données à l’échelle mondiale est seule garante de la création de leaders mondiaux.
La bataille des compétences
Le dernier enjeu est celui des compétences techniques de l’IA. Les ingénieurs et data scientists maîtrisant l’IA sont rares et chers et la pression va s’accentuer avec l’adoption progressive de l’IA par les entreprises. Les développeurs sont déjà des ressources rares dans tous les écosystèmes d’innovation. Avec l’IA, la pression va s’accentuer. D’où l’impératif de la formation, surtout supérieure, des ingénieurs et mathématiciens qui feront notre compétitivité. Le plan France IA avait repéré quelques centaines de cursus formant environ 1200 personnes par an. C’est évidemment insuffisant et l’enseignement supérieur tant public que privé devra se mobiliser pour faire évoluer ses cursus.
Il en va de même d’une autre bataille, politique, qui est celle de l’immigration qualifiée. La chasse aux talents n’est pas que verticale entre classes d’âges. Elle est transnationale. Les USA étaient connus pour vampiriser les talents mondiaux, notamment dans leurs grandes universités telles que Stanford. La période Trump semble ralentir le phénomène et offrir une opportunité aux pays qui sauront saisir la balle au bond. S’il est vrai que la plumée des talents d’autres pays n’est pas forcément de bonne guerre, il a un impact positif certain sur la compétitivité : il favorise l’ouverture des entreprises françaises sur le monde.
Simultanément, un autre enjeu se fera jour. De nombreux éditeurs de logiciels ambitionnent de créer des solutions démocratisant l’accès à l’IA dans les entreprises, notamment pour le machine learning utilisé dans l’exploitation de données structurées. L’outillage qui est réservé aujourd’hui aux spécialistes deviendra probablement plus simple d’emploi et accessible au plus grand nombre, à commencer par les cadres, comme l’ont été les outils bureautiques et de création inventés depuis les années 1980. Là aussi, il y a de nombreuses opportunités d’être innovant et compétitif.
Dans la pratique, l’IA sera surtout intégrée dans des solutions complexes relevant de l’innovation par l’intégration. Elle sera de plus en plus associée aux objets connectés qui captent des données ainsi qu’aux avancées des télécommunications, notamment la 5G. L’IA n’est pas un domaine isolé des autres dans le numérique. Il fait partie d’un ensemble riche de technologies qui, bien utilisées, ouvriront la porte de la croissance aux plus innovants et au plus ambitieux.
https://www.forbes.fr/technologie/les-batailles-industrielles-de-lintelligence-artificielle/
Il est de bon ton de vouloir comparer les grandes puissances telles que la Chine et les USA au regard de leur dominance dans ce vaste champ technologique qu’est l’intelligence artificielle et de se demander comment la France et l’Europe pourraient devenir des « leaders » de ce marché. Comme si l’IA était un marché monolithique où un pays pouvait gagner une telle bataille d’un seul bloc. L’image est plus nuancée que cela. L’IA est une nouvelle vague de l’histoire de l’informatique comme l’ont été l’Internet ou la mobilité, avec une myriade d’acteurs globaux et locaux. Elle traverse tous les secteurs d’activité.
Les batailles industrielles de l’intelligence artificielle (IA) concernent la recherche avancée, les processeurs, les ressources du cloud, les assistants vocaux, la collecte et l’exploitation de données personnelles ou industrielles, la médecine prédictive et les véhicules autonomes pour n’en prendre que quelques exemples. Ces batailles se démultiplient également dans tous les marchés horizontaux et verticaux. A chaque fois peuvent y émerger de nouveaux acteurs ou se consolider la position d’acteurs existants. Le marché de l’intelligence artificielle présente la particularité d’associer des architectures matérielles de nouvelle génération utilisant des processeurs dits neuromorphiques, des algorithmes mettant en œuvre des mathématiques avancées et des données qui servent à alimenter des modèles prédictifs.
L’histoire de l’informatique et du logiciel est pleine d’enseignements. Certains événements du passé pourraient se reproduire, comme l’émergence de plateformes dominantes, la démocratisation des outils et la prolifération d’activités de services. La valeur générée par l’IA sera tout aussi diffuse et distribuée sur un grand nombre d’acteurs industriels, des acteurs mondiaux avec de fortes économies d’échelle et des acteurs locaux, portés sur le service et l’intégration. Est-ce que le statu quo actuel qui voit la dominance des USA côté logiciels et Internet et celle de l’Asie côté matériel perdurera ? L’Europe voudrait bien récupérer sa part du gâteau mais il semble qu’elle ne sera pas plus importante que celle qu’elle récupère dans les industries numériques d’aujourd’hui. Elle risque même d’être réduite à la portion congrue, car le Vieux Continent est pris en sandwich entre les USA et la Chine, cette dernière ayant des velléités de ne pas jouer un rôle de figuration dans la fabrication de matériel. Nous allons ici explorer quelques-uns de ces enjeux des batailles industrielles de l’IA, ceux de la recherche, du matériel, des données et des véhicules autonomes et identifier quelques-uns des acteurs français qui y jouent un rôle de premier plan.
Une recherche ouverte
L’excellence des chercheurs français est souvent mise en avant pour justifier le rôle de la France dans le marché de l’IA. Ils sont en effet les troisièmes plus grands contributeurs en publications scientifiques après les Américains et les Chinois. Mais cela ne suffit évidemment pas pour transformer cette performance intellectuelle en atout économique. On pourrait même voir se reproduire un scénario que l’on a connu ces quinze dernières années avec l’open source. Les chercheurs français en étaient à la fois des champions et de grands contributeurs mais force est de constater que cela n’a pas eu d’impact économique majeur et compétitif pour l’industrie française du logiciel. L’impact a été au mieux plutôt indirect.
Aux USA, ceux qui ont tiré leur épingle du jeu étaient des acteurs dont le modèle économique était périphérique à celui du logiciel comme le service pour IBM ou la publicité pour Google et Facebook. Les plus grands éditeurs « pure player » du logiciel libre sont aussi américains, Red Hat en tête. L’open source a bien été utilisé dans l’industrie, dans le web et le commerce en ligne et dans le cloud en général, mais cela n’a pas permis pour autant de créer des acteurs de référence mondiaux du secteur à part quelques rares exceptions telles que l’éditeur de logiciel open source français Talend, spécialisé dans le traitement de données. Ce phénomène pourrait très bien se reproduire avec l’IA. Il pourrait même être accentué par le poids économique des données qui est tout aussi important que celui des algorithmes et des logiciels d’IA.
Les solutions de l’IA bénéficient en effet de nouveaux travaux de recherche publiés régulièrement partout dans le monde. Ils sont généralement accompagnés d’exemples de code permettant de se les approprier rapidement. La propriété intellectuelle associée à ces travaux est variable mais requiert de la vigilance pour ceux qui la réutilisent. La société d’études américaine CBInsights remarquait ainsi en mai 2017 que seulement 11% des start-up de l’IA identifiées dans leur base avait déposé au moins un brevet. Cela signifie que la partie algorithmique des applications de l’IA est déjà une commodité sans forcément avoir de valeur marchande.
On peut par exemple le constater avec les nombreuses start-up qui font de la reconnaissance de pathologies diverses dans l’imagerie médicale ou celle d’individus dans les systèmes de surveillance vidéo. Les start-up du secteur utilisent toutes les mêmes méthodes de réseaux convolutifs inventées il y a une vingtaine d’années par Yann LeCun. Ces méthodes évoluent dans le temps pour être plus performantes et reconnaître des images de plus en plus complexes, mais elles restent communes à la plupart des sociétés qui les emploient. Rares sont les start-up qui ont un véritable avantage compétitif de ce point de vue-là.
Les chercheurs ne restent bien évidemment pas les bras croisés. Le champ de l’IA est éminemment vaste. Les travaux les plus avancés concernent les systèmes d’aide à la décision, allant dans le sens de la création d’intelligences artificielles généralistes, ces mythiques AGI (Artificial General Intelligence) capables de raisonnement généraliste à même de résoudre les problèmes les plus complexes. D’autres travaux portent sur le traitement du langage qui reste encore balbutiant malgré les prouesses des agents conversationnels et vocaux.
Dans l’entrepreneuriat, le temps est une matière première encore plus rare que les financements. La question qui se pose aux décideurs français n’est donc pas de simplement mieux organiser la recherche, de mieux rémunérer les chercheurs pour qu’ils ne partent pas à l’étranger et les faire travailler ensemble et avec les entreprises. La bataille est plutôt celle de la fluidité des idées et des cerveaux, pour que ceux-ci œuvrent le plus rapidement possible à créer des applications concrètes de leurs travaux de recherche.
L’IA dans le matériel
Dans l’IA, le matériel joue un rôle clé et complémentaire aux algorithmes et aux données. Il l’est d’autant plus que nombre d’applications stratégiques de l’IA sont très gourmandes en ressources machines, notamment dès qu’elles s’appuient sur des réseaux de neurones complexes dans ce que l’on appelle communément l’apprentissage profond, ou deep learning. Ces réseaux profonds servent en particulier aux applications de reconnaissance d’images, du langage et à l’analyse de données complexes.
L’industrie des semi-conducteurs est actuellement mobilisée pour créer des composants spécialisés dans l’entraînement et l’exécution de réseaux de neurones pour les applications d’intelligence artificielle. Ils sont déployés dans les serveurs où l’entraînement de réseaux de neurones s’appuie sur de grandes bases de données ainsi que dans les objets connectés de toutes sortes et dans les smartphones.
Ce marché est pour l’instant dominé par l’Américain Nvidia, dont les GPU intégrant des unités de calcul neuromorphiques équipent aussi bien les serveurs de data-centers que des caméras de surveillance ou des cartes électroniques pour véhicules à conduite assistée ou autonome. Nvidia est une société étonnante créée en 1993 qui s’est d’abord installée comme le leader des processeurs graphiques pour PC, les GPU, puis s’est diversifiée avec succès dans les serveurs, les data-centers, l’équipement automobile et plus récemment, dans l’intelligence artificielle. La société fait un chiffre d’affaires de plus de $8B, soit à peu près la taille du franco-italien STMicroelectronics.
Nvidia est talonné par Intel qui a diversifié son approche dans l’IA avec ses processeurs pour serveurs Xeon Phi, ses processeurs neuromorphiques Nervana issus d’une acquisition datant de 2016, des processeurs pour les objets connectés avec Movidius, également une acquisition de 2016 et enfin, l’annonce de processeurs spécialisés Loihi. Le tout est très brouillon, au minimum d’un point de vue marketing.
Lors du CES de Las Vegas, en janvier 2018, étaient annoncés des processeurs mobiles intégrant des unités de traitement neuromorphiques capables d’exécuter des réseaux de neurones entraînés pour la reconnaissance d’image ou de la parole, notamment chez Mediatek et Via. Cela s’inscrivait dans la lignée du processeur Kirin 970 que Huawei avait annoncé en septembre 2017 et qui équipe les derniers smartphones Huawei Mate 10 et Honor View 10. Pour la petite histoire, Huawei s’est appuyé sur la start-up chinoise Cambricon Technologies pour concevoir cette unité de traitement neuromorphique. Cette start-up a été financée par un fonds du gouvernement chinois à hauteur de $100M.
Au CES 2018, STMicroelectronics présentait aussi un microcontrôleur neuromorphique très efficace en rapport puissance/consommation, et dédié aux objets connectés, là où la consommation énergétique doit être la plus basse possible.
Au juste, quelle intelligence est intégrée dans ces processeurs et unités de traitement neuromorphiques ? Il s’agit principalement de simples multiplicateurs de matrices de nombres entiers ou flottants de petite taille (3×3 ou 4×4). Ces multiplicateurs correspondent aux principes mathématiques de base du fonctionnement des réseaux de neurones artificiels du deep learning. Ils doivent accéder à une mémoire rapide et consommer le moins d’énergie possible.
Les techniques de fabrication de ces processeurs neuromorphiques sont les mêmes que celles les processeurs traditionnels. Elles sont surtout maîtrisées par les Américains Intel et Global Foundries et par les fabs asiatiques chez Samsung et TSMC.
Et les industriels français ? Ils sont présents sur ce marché avec les microcontrôleurs de STMicroelectronics, les solutions embarquées dans les objets connectés de Scortex, les capteurs vidéo neuromorphiques de Chronocam, et Kalray qui vise le marché automobile avec ses processeurs multicore. La technologie FD-SOI de STMicroelectronics est un atout pour la fabrication de chipsets neuromorphiques car elle assure un fonctionnement optimal et une basse consommation d’énergie. Dans la pratique, cette technologie s’appuie sur l’utilisation de galettes de silicium dopées avec un isolant à base d’oxyde de silicium et fabriquées par le Français SOITEC à côté de Grenoble. Elle est complétée par des brevets détenus par le laboratoire de recherche public CEA-LETI et par STMicroelectronics. La technologie est utilisée sous licence par Samsung et Global Foundries.
La bataille est rude autour de ces processeurs mais ce qui qui compte n’est pas situé que dans leur conception et dans leur fabrication. Elle est plutôt située dans les briques logicielles associées. La dominance de Nvidia provient ainsi non pas simplement de ses processeurs mais de son architecture CUDA qui est très largement supportée par les créateurs de bibliothèques logicielles pour la 3D et pour l’IA, et notamment la bibliothèque TensorFlow de Google qui domine actuellement le champ du machine learning et du deep learning.
Une autre bataille encore plus rude se profile à l’horizon : celle des ordinateurs quantiques. La recherche bouillonne dans le domaine, avec encore de grands acteurs américains tels que IBM, Intel, Microsoft et Google, souvent associés à des laboratoires de recherche européens comme l’Université de Delft aux Pays-Bas pour Intel. Le CEA et ATOS sont investis sur le sujet mais le font-ils avec des visées mondiales ou des ambitions limitées ? Or, il se trouve que les ordinateurs quantiques progressent rapidement. On en est à une cinquantaine de qubits pour l’instant, ces unités de traitement élémentaires capables de gérer plusieurs états simultanément grâce à la superposition quantique des états de photons ou d’électrons. Quand cette limite sera franchie, les possibilités du quantique seront extraordinaires dans de nombreux domaines comme pour la cryptographie, l’entraînement de réseaux de neurones complexes et surtout la création d’outils de simulation dans la physique des matériaux et dans le vivant.
La commande vocale
La commande vocale donne lieu à une bataille homérique qui met en jeu les GAFAM : Google et son Assistant, Amazon avec Alexa, Apple avec Siri et Microsoft avec Cortana. Facebook est un peu en retrait mais sa plateforme Messenger est le réceptacle d’une grande majorité des chatbots textuels actuellement développés.
Le CES 2018 marquait la fin de l’hégémonie d’Amazon avec la montée en puissance de l’écosystème de Google et de son Assistant. Google avait investi très gros sur ce CES pour rattraper son retard face à Alexa avec un stand en extérieur sur Central Plaza, des visuels sur le monorail de la ville de Las Vegas passant devant le salon et sur presque tous les billboards à LED géants de la ville. Ils avaient acheté leur visibilité comme ils ne l’avaient jamais fait dans cet événement, leur dernière présence remontant à 2006, à l’occasion d’une intervention en keynote de leur cofondateur Larry Page. Leur stand de l’époque était modeste.
Un décompte objectif montrait qu’Amazon Alexa avait encore le dessus sur Google Assistant en nombre de produits le supportant. On est donc face à un duopole d’agents conversationnels. Les autres comme Apple Siri, Microsoft Cortana, Samsung Bixby ou le récent Baidu DuerOS, ciblant d’abord le marché chinois, semblent marginalisés dans l’écosystème. Bien entendu, les Chinois du secteur se feront fort d’essayer de conquérir les marchés occidentaux dès que possible. Jusqu’à présent cependant, les leaders américains semblent avoir encore le dessus.
Il existe d’autres solutions de traitement de la parole indépendantes des GAFAM et faites pour être intégrées en marque blanche dans des produits tiers, comme celles des Français Snips et XBrain et des Américains Nuance et SapientX, qui sont surtout utilisées dans l’automobile.
La bataille des assistants vocaux prend la forme d’une bataille de plateformes techniques et d’intermédiation comme on en a déjà connue avec celle des systèmes d’exploitation pour PC et mobiles. Ici, la commande vocale est un intermédiaire entre les services et l’utilisateur. La plateforme assure les fonctions de compréhension du langage et le lien avec les fonctions des services associés, notamment pour piloter des objets connectés. Suivant la fameuse loi de Metcalfe, plus les assistants vocaux sont supportés par un nombre croissant d’objets et fonctions, plus grande est leur valeur. On ne va en effet pas passer d’un assistant vocal à l’autre pour commander la myriade d’objets connectés de sa maison. Cela explique d’ailleurs un partenariat entre Amazon et Microsoft pour rendre interopérables Alexa et Cortana.
Ce passage du produit à l’usage est séduisant pour l’utilisateur mais il génère un nouveau casse-tête marketing pour les fournisseurs. Ils risquent de perdre leur marque et leur identité. Ils devront réinventer une communication vocale préservant leur identité et leur marque sous peine d’être nivelés par les plateformes vocales les accueillant.
L’intelligence artificielle au service des objets connectés
L’IA ne se résume cependant pas à la commande vocale ! Elle sert à la reconnaissance d’images dans la vidéo-surveillance ou la santé et représente, par exemple, une opportunité de plus de régler un problème lancinant des objets, notamment dans la maison connectée : la complexité de leur coordination.
Des sociétés comme IFTTT s’y sont essayées avec plus ou moins de bonheur, en permettant de programmer des actions dans une application mobile et sans faire appel à de l’IA. L’air du temps est aux systèmes intelligents qui apprennent par eux-mêmes en observant les tâches lancées manuellement par les utilisateurs afin de les automatiser comme chez la start-up française Ween.ai. L’idée est simple : plutôt que de répéter plusieurs fois des séquences de commandes vocales, pourquoi la maison connectée ne détecterait pas d’elle-même nos habitudes pour déclencher automatiquement les bonnes actions en fonction du contexte ?
C’est aussi ce qu’essaye de faire LG Electronics avec sa ThinQ AI, sa marque ombrelle des produits blancs et bruns qui intègrent de l’IA qui sont interopérables. L’IA chez LG touche jusqu’au système d’air conditionné Dualcool ThinQ Stand Inverter Air Conditioner qui peut maintenant être commandé par la voix, le tout associé au DeepThinQ AI qui envoie l’air vers les personnes détectées dans la pièce.
On voit aussi émerger de plus en plus d’IA émotionnelle. D’abord, avec les capteurs vidéo et audio qui détectent et analysent les émotions des utilisateurs, notamment à la maison. Puis qui en tiennent compte pour adapter l’ambiance comme au niveau de l’éclairage ou des contenus proposés aux utilisateurs. Dans ce domaine, la start-up new-yorkaise Emoshape, créée par le Français Patrick Levy-Rosenthal et soutenue par Orange Silicon Valley, présentait au CES 2018 son composant électronique Emotion Processing Unit (EPU), destiné à capter les émotions des utilisateurs.
La start-up Beyond Verbal qui était présente sur le pavillon israélien est de son côté spécialisée dans la détection des émotions dans la voix. Une chose que fait aussi la start-up parisienne Batvoice qui équipe notamment les centres d’appels.
Quel futur tout ceci préfigure-t-il ? Un futur où nous nous laissons guider en permanence par les machines et où le cerveau n’a plus de temps libre ou, au contraire, où il est laissé en jachère par une bonne partie de la population ? En tout cas, ces IA vont poursuivre la modification en profondeur de notre relation au temps, une relation qui va changer avec ces outils qui nous assistent et nous disent quoi faire à tous les instants.
D’un point de vue industriel, l’IA pourrait aussi se révéler être la technologie clé qui permettra à la maison connectée d’être enfin un marché en forte croissance.
La robotique de services
Les robots étaient très présents dans cette édition 2018 du CES, avec quelques robots de services intéressants comme le pédibus-jambus d’Ubtech ou la nouvelle mouture du chien Aibo de Sony avec ses élégants mouvements et câlines réactions aux utilisateurs.
Notons que le Chinois Ubtech, qui a notamment copié sans vergogne le Nao d’Aldebaran, a levé un total de $520M dont $100M en 2017. C’est donc largement une licorne de la robotique ! Un autre Chinois, Roobo, a levé un total de $152M. Il est à l’origine d’une grande famille de robots comprenant le BeanQ, le PuddingS, le Farnse, le Jelly, le Domgy et un chipset ChipIntelli.
L’offre des robots de services commence à s’élargir. Honda lançait une série de concepts de robots 3E (Empower, Experience, Empathy) qui sont destinés à améliorer la mobilité, notamment des seniors. Il y avait notamment 3E-A18 (compagnon doué d’émotions dans les expressions du visage, comme Sophia de Hanson Robotics), 3E-B18 (chaise roulante d’intérieur et extérieur), 3E-C18 (véhicule électrique) et 3E-D18 (véhicule autonome).
Et les robots de services français ? Il nous en reste quelques-uns après la digestion consommée d’Aldebaran Robotics par le Japonais Softbank. Nous avons par exemple le Lyonnais Hease Robotics, le Rouennais Event Bots et le Francilien Partnering Robotics avec leurs robots de services pour l’espace public, A.I.Mergence et son petit robot de surveillance E4 et Blue Frog Robotics et son Buddy. Mais lesquels de ces robots deviendront de véritables plateformes ?
Qu’est-ce qui manque à tous ces robots ? Cela dépend du besoin. Quand il s’agit de robots dont la première fonction est d’établir une conversation, comme dans pas mal de robots de services, il s’agit d’y intégrer des chatbots capables de comprendre le contexte et le sens d’un champ large de questions et d’y répondre.
Lorsqu’il s’agit de robots devant interagir mécaniquement avec leur environnement, le défi est lié aux capteurs, à l’interprétation de leurs données et aussi aux actuateurs et autres moteurs qui permettent aux robots de saisir des objets, les porter, les manipuler. L’équivalent de la main humaine avec sa versatilité n’est pas encore vraiment là.
En dernier lieu se pose la question de la source d’énergie, en général sous forme de batteries, et de leur densité énergétique. Un problème commun à celui des smartphones comme des véhicules électriques et qui mobilise bien l’industrie des batteries.
Les plateformes automobiles
L’IA est aussi intégrée dans une bataille industrielle émergente : celle des plateformes destinées aux véhicules autonomes. C’est un enjeu industriel critique pour la prochaine décennie. Il met en jeu des constructeurs, des équipementiers tels que les Français Valeo et Faurecia, des concepteurs de composants comme Nvidia, des éditeurs de logiciels tels que QNX, des plateformes en cloud telles que celles de Google et HERE. Aucun acteur ne semble prêt à maîtriser cette chaîne de valeur complexe de bout en bout. Elle s’horizontalisera sans doutes avec quelques acteurs leaders pour chacune de ces couches techniques. Mais à chaque étage, l’enjeu sera un mélange de capteurs, de processeurs, de données et de logiciels.
La stratégie du moteur de recherche chinois Baidu mérite le détour de ce point de vue là. Il en est à la seconde version de sa plateforme logicielle open source de conduite autonome Apollo 2.0. Elle ajoute des fonctions de sécurisation de la conduite grâce à une meilleure prise en compte des capteurs du véhicule et du planning de la conduite.
Le tout s’appuie sur des services en cloud, une plateforme logicielle embarquée et une plateforme matérielle de référence. Baidu s’enorgueillit d’avoir accumulé 165 000 lignes de code, ce qui n’a pourtant rien d’extraordinaire. Côté matériel, Apollo 2.0 supporte les chipsets de Nvidia, Intel, NXP et Renesas.
Pour accélérer l’adoption de sa plateforme, Baidu travaille avec le gouvernement de Singapour et a créé un fonds d’investissement de $200M pour développer les usages de la conduite autonome dans l’Asie du Sud-Est. Il est aussi partenaire d’Access Services, une agence de transports publics de Los Angeles pour lancer un pilote de trajets de courte durée d’ici fin 2018. En Chine, Baidu est partenaire du constructeur Xiamen King Long United Automotive Industry pour produire des bus autonomes et avec Chery Automobile pour des voitures de niveau 3 en 2020. Ils travaillent aussi avec JAC Motors et BAIC Motor.
Par certains côtés, Baidu semble en avance par rapport à Google et sa filiale Waymo. Dans l’histoire récente, Google s’est plutôt comporté comme un constructeur émergent, intégré verticalement et cherchant à créer ses propres véhicules. On peut imaginer que Google deviendra à terme un fournisseur de plateforme logicielle embarquée et en cloud, celle qui leur assurera les meilleures économies d’échelle. Or dans le cas présent, Baidu semble avoir attaqué ce marché de manière plus directe et, qui plus est, avec nombre de partenariats avec des équipementiers et constructeurs du monde entier, qui sont au minimum appâtés par la perspective d’aborder par ce biais le marché chinois.
On peut aussi être impressionné par le travail de Byton, cette start-up associant des Chinois, des Américains et des Allemands, ces derniers provenant de BMW. En décembre 2017, la start-up annonçait sa berline électrique à conduite assistée puis, à terme, autonome. Les concepteurs de ce véhicule ont réfléchi à de nombreux aspects et scénarios de son usage et le lien entre véhicule et mobile, le partage du véhicule et sa personnalisation. Doté d’un écran géant de 1,25 m de large, il ressemble à un concept car et pourtant son lancement est prévu d’ici 2019. Byton est une marque de la start-up chinoise Future Mobility et qui a levé $200M pour commencer, notamment auprès de Tencent et Foxconn.
Ford est un constructeur qui a adopté un positionnement intéressant. Il se positionne à terme plus comme un opérateur de plateforme de véhicules et un partenaire d’opérateurs de services qu’en simple constructeur, le tout en se souciant de la bonne intégration des véhicules dans la ville intelligente. Comme Byton, Ford entrevoit un monde où les voitures seront de plus en plus mutualisées au niveau de plateformes de services au lieu d’être possédées par les foyers. L’Américain Uber anticipe également cette échéance, ayant déjà commandé des milliers de voitures autonomes à Volvo. Il en va ainsi de Lyft qui expérimentait au CES de Las Vegas des véhicules autonomes BMW réalisés en partenariat avec l’équipementier Aptiv, anciennement Delphi.
Baidu, Byton, Uber, Lyft et Ford sont tous des témoins des bouleversements qui pourront affecter l’ensemble de l’industrie automobile, l’IA étant une des technologies clés déclenchante de tous ces mouvements.
La bataille des données
On résume souvent les batailles industrielles de l’IA aux données, en faisant surtout allusion à la capacité gargantuesque de leur accumulation par les géants de l’Internet. S’il est vrai que les GAFA disposent de tombereaux de données sur les faits et gestes des consommateurs, leur valeur est surtout publicitaire.
Les usages de l’IA couvrent heureusement bien plus de domaines que cela et il faut éviter de considérer que tout est perdu face aux GAFA. Les IA peuvent être alimentées par une grande diversité de données issues de tous les secteurs d’activité : qu’ils soient industriels, environnementaux, liés aux services publics, juridiques, et aussi liés aux données médicales et pas juste sur les capteurs reliés aux smartphones.
Nombre de ces données ont de la valeur pour créer des applications d’IA puissantes, qu’il s’agisse de faire des prévisions, de segmenter ses marchés, d’analyser des textes ou d’aider à prendre de bonnes décisions. La force des données se révèle lorsqu’elles sont combinées, notamment pour découvrir des éléments de corrélation entre données disparates. Les données isolées ont donc moins de valeur que leur assemblage. C’est une cuisine nouvelle qui prend forme et qui ouvre des portes de création de valeur pour tous les acteurs innovants de tous les secteurs d’activité.
Encore faut-il que ces données puissent être captées et exploitées, tout en respectant les réglementations qui protègent la vie privée des citoyens et consommateurs. Elles ont aussi une valeur qui dépend de leur couverture géographique. Comme pour les plateformes, la collecte de données à l’échelle mondiale est seule garante de la création de leaders mondiaux.
La bataille des compétences
Le dernier enjeu est celui des compétences techniques de l’IA. Les ingénieurs et data scientists maîtrisant l’IA sont rares et chers et la pression va s’accentuer avec l’adoption progressive de l’IA par les entreprises. Les développeurs sont déjà des ressources rares dans tous les écosystèmes d’innovation. Avec l’IA, la pression va s’accentuer. D’où l’impératif de la formation, surtout supérieure, des ingénieurs et mathématiciens qui feront notre compétitivité. Le plan France IA avait repéré quelques centaines de cursus formant environ 1200 personnes par an. C’est évidemment insuffisant et l’enseignement supérieur tant public que privé devra se mobiliser pour faire évoluer ses cursus.
Il en va de même d’une autre bataille, politique, qui est celle de l’immigration qualifiée. La chasse aux talents n’est pas que verticale entre classes d’âges. Elle est transnationale. Les USA étaient connus pour vampiriser les talents mondiaux, notamment dans leurs grandes universités telles que Stanford. La période Trump semble ralentir le phénomène et offrir une opportunité aux pays qui sauront saisir la balle au bond. S’il est vrai que la plumée des talents d’autres pays n’est pas forcément de bonne guerre, il a un impact positif certain sur la compétitivité : il favorise l’ouverture des entreprises françaises sur le monde.
Simultanément, un autre enjeu se fera jour. De nombreux éditeurs de logiciels ambitionnent de créer des solutions démocratisant l’accès à l’IA dans les entreprises, notamment pour le machine learning utilisé dans l’exploitation de données structurées. L’outillage qui est réservé aujourd’hui aux spécialistes deviendra probablement plus simple d’emploi et accessible au plus grand nombre, à commencer par les cadres, comme l’ont été les outils bureautiques et de création inventés depuis les années 1980. Là aussi, il y a de nombreuses opportunités d’être innovant et compétitif.
Dans la pratique, l’IA sera surtout intégrée dans des solutions complexes relevant de l’innovation par l’intégration. Elle sera de plus en plus associée aux objets connectés qui captent des données ainsi qu’aux avancées des télécommunications, notamment la 5G. L’IA n’est pas un domaine isolé des autres dans le numérique. Il fait partie d’un ensemble riche de technologies qui, bien utilisées, ouvriront la porte de la croissance aux plus innovants et au plus ambitieux.
https://www.forbes.fr/technologie/les-batailles-industrielles-de-lintelligence-artificielle/
Le Recrutement Par l’Intelligence Artificielle
Le Recrutement Par l’Intelligence Artificielle
Pour les entreprises du secteur de la tech, débusquer les talents est plus que jamais une nécessité. Afin de fournir aux entreprises un service performant en la matière, la start-up parisienne HireSweet a mis au point une plateforme permettant de réaliser le recrutement d’analystes programmeurs. Sa particularité ? Une intelligence artificielle permet de trouver les candidats les plus intéressants, y compris ceux qui ne sont pas en recherche active de poste. Ce concept novateur pourrait séduire de nombreuses entreprises dans un avenir proche.
La société HireSweet a été fondée par Ismaël Belghiti, Paul Bachelier et Robin Choy en 2016. L’idée à la base de la start-up est de permettre aux entreprises de trouver automatiquement les meilleurs profils pour les missions de leur choix. Une pénurie de développeurs informatiques bloque en effet certains projets et les sociétés sont en permanence en quête de talents. Cerebro, l’intelligence artificielle conçue par HireSweet, analyse les pages Internet publiques afin de trouver les candidats idéaux. Présence sur les réseaux sociaux, publications, CV, contributions à des événements : toutes ces données sont rassemblées puis analysées par l’IA. Selon le poste à pourvoir, des profils correspondants sont ensuite mis en exergue et proposés aux entreprises. L’automatisation du recrutement via une IA pertinente est un atout majeur pour les entreprises, d’où le succès que connaît la jeune start-up.
https://hiresweet.com/
Une entreprise en pleine croissance
Simple et efficace, le principe de HireSweet a de quoi séduire les entreprises comme les investisseurs. La start-up se rémunère en prenant un pourcentage pour chaque employé recruté dont elle a fourni le profil via son algorithme. Elle compte déjà des clients prestigieux comme Deezer. En 2017, moins d’un an après son lancement, HireSweet a réalisé sa première levée de fonds pour accélérer son développement. Un ajout au capital de 1,5 millions d’euros a été initié auxquels s’ajoutent de prestigieux fonds comme Global Founders, Capital et Kima Ventures. Cette opération d’envergure va permettre à la start-up de se développer efficacement et d’améliorer son algorithme de recherche et d’analyse des données.
Des perspectives enthousiasmantes
La recherche de programmeurs est annoncée comme l’un des enjeux majeurs dans le domaine de la tech pour les années à venir. A l’horizon 2022, on estime ainsi qu’un million d’emplois seront libres dans ce secteur. Dans le même temps, à peine 13 % des analystes recherchent activement un poste alors qu’ils sont plus de 60 % à être ouverts à de nouvelles missions dans leur branche. En réussissant à trouver des talents qui ne sont pas directement sur le marché de l’emploi, HireSweet permet aux entreprises d’ouvrir considérablement leurs possibilités de recrutement. Avec sa récente levée de fonds, la start-up souhaite à présent investir dans le R&D afin de perfectionner sa technologie. Des ingénieurs vont être recrutés dans ce but. Une croissance à l’international est également souhaitée, à la fois en Europe et aux Etats-Unis.
https://www.forbes.fr/technologie/le-recrutement-par-lintelligence-artificielle/
L'intelligence artificielle, la promesse d'un recrutement sans préjugés
Pour mieux identifier le candidat idéal, des solutions nourries à l'intelligence artificielle promettent de réduire les biais humains fondés sur l'âge, le genre ou le diplôme. Au risque d'en introduire de nouveaux.
Des recrues plus qualifiées, issues d'horizons variés, le tout sans effort. L'intelligence artificielle promet aux recruteurs d'identifier le candidat parfait en s'affranchissant de biais humains fondés sur l'origine sociale, l'âge, le genre, le diplôme ou le nombre d'années d'expérience. Autant de critères sélectifs qui peuvent rimer avec une discrimination à l'embauche pour bon nombre de professionnels pourtant compétents. «Le marché des solutions de recrutement nourries à l'intelligence artificielle connaît une forte croissance», indique Helen Poitevin, analyste chez Gartner, un cabinet de conseil spécialisé dans les nouvelles technologies. «Il devrait représenter près de deux milliards d'euros dans le monde d'ici 2020», estime-t-elle. Le problème? «Une intelligence artificielle, même douée de capacités d'apprentissage, va fonctionner à partir des données qu'on lui fournit, et se baser sur les prérequis définis par les services de ressources humaines des entreprises qui les utilisent. Comme l'intelligence artificielle est faite par des hommes, et que les hommes ont une nature sujette aux biais, ces derniers auront tendance à se reproduire quoi qu'il arrive.»
Le dynamisme en ligne de mire
Pour assister les recruteurs dans leur mission, la société française EasyRecrue propose depuis fin 2013 une solution de présélection des candidats par entretien vidéo. Les postulants sont invités à réaliser eux-mêmes un enregistrement vidéo, et à filmer depuis chez eux leurs réponses à plusieurs questions prédéfinies. L'entreprise a progressivement pris le virage de l'intelligence artificielle. Grâce à une levée de fonds de 8 millions d'euros réalisée en mai, sa solution sera enrichie d'algorithmes destinés à analyser le comportement des candidats lors de l'enregistrement. Scrutée par un programme informatique, leur prestation sera comparée à celle de candidats précédemment recrutés, pour se concentrer sur plusieurs critères clés.
«Trois grandes catégories d'éléments sont analysées par notre outil», indique Mickaël Cabrol, cofondateur d'EasyRecrue. «La teneur du discours, à savoir la diversité lexicale et le registre de langue; la prosodie, soit l'intensité et le rythme des propos; et enfin, le comportement global, qui intègre l'énergie perceptible du candidat, ainsi que ses expressions faciales». De quoi évaluer le niveau d'expression des candidats mais aussi leur caractère dynamique, enjoué ou souriant. La solution s'appuie par la suite sur ces critères pour recommander des candidats aux recruteurs. Ce qui permet aux entreprises de recevoir, après cette étape, des personnes qui auraient été écartées sur la seule base de leur CV, selon Mickaël Cabrol.
L'argument du gain de temps
HireVue, pionnier américain du secteur, propose une solution similaire à celle d'EasyRecrue. La société compte désormais 600 clients à travers le monde, dont l'icône de la finance américaine Goldman Sachs et Vodafone. Contacté par le Figaro, le directeur technique d'HireVue,Loren Larsen, indique que les entretiens vidéo jouent «naturellement» en faveur d'une plus grande diversité. L'ajout d'une couche d'intelligence artificielle ne ferait, selon lui,que renforcer cette tendance, en écartant les biais liés à l'âge, à l'origine et au genre pour mieux se concentrer sur la «performance» et «la conformité avec la culture d'entreprise».
Fin juin, le géant de la grande consommation Unilever, l'un de ses principaux clients, a dévoilé auprès de Business Insider les résultats d'un an d'expérimentation de la solution HireVue. De juillet 2016 à juin 2017, 250.000 candidats, de 69 pays différents, ont eu droit à cette même solution en phase de présélection. Ils étaient notés de 1 à 5, en fonction de leur prestation. Le grand groupe salue une augmentation «significative du nombre de candidats non-blancs», ainsi qu'une diversification de l'origine sociale des candidats. Unilever assure égalementavoir constaté le respect de la parité - ce qui était déjà le cas avant la mise à profit de cette solution de recrutement. Surtout, le temps moyen passé par les recruteurs à examiner les demandes a diminué de 75%. «Nous sommes également parvenus à réduire la durée du processus de recrutement d'un groupe hôtelier international de six semaines à cinq jours», ajoute Loren Larsen.
Un biais peut en chasser un autre
À trop vouloir écarter certains biais, n'y a-t-il pas de risque d'en intégrer de nouveaux? «Le problème principal vient du fait que cette technologie repose sur des prérequis de l'entreprise ou de données issues d'entretiens passés pour trancher», explique Helen Poitevin. «À partir du moment où un biais existe, il sera destiné à se répéter. À terme, ce sera la diversité cognitive d'une entreprise, à savoir sa capacité à accueillir des candidats aux caractères différents, qui pourra être menacée. C'est pourquoi les résultats formulés par une intelligence artificielle ne doivent pas faire l'objet d'une confiance aveugle.»
Si ces résultats méritent encore d'être recoupés avec d'autres éléments pour être pleinement pertinents, les solutions de recrutement nourries à l'intelligence artificielle peuvent comporter un aspect salvateur pour les grands groupes noyés sous les candidatures.«Ces logiciels sont loin d'être inintéressants pour de grandes entreprises abreuvées de milliers de CV», tempère Helen Poitevin. «À condition que leur utilisation reste limitée aux phases de présélection.» L'analyste estime que ces solutions seront appelées à prendre une place grandissante dans le processus du recrutement, nécessitant une meilleure préparation des candidats. Tout comme l'on pouvait peaufiner son CV, améliorer sa photo ou se préparer à des tests de graphologie, il faudra probablement un jour envisager de se former pour mieux amadouer les algorithmes.
http://www.lefigaro.fr/secteur/high-tech/2017/09/20/32001-20170920ARTFIG00208-l-intelligence-artificielle-la-promesse-d-un-recrutement-sans-prejuges.php
Pour les entreprises du secteur de la tech, débusquer les talents est plus que jamais une nécessité. Afin de fournir aux entreprises un service performant en la matière, la start-up parisienne HireSweet a mis au point une plateforme permettant de réaliser le recrutement d’analystes programmeurs. Sa particularité ? Une intelligence artificielle permet de trouver les candidats les plus intéressants, y compris ceux qui ne sont pas en recherche active de poste. Ce concept novateur pourrait séduire de nombreuses entreprises dans un avenir proche.
La société HireSweet a été fondée par Ismaël Belghiti, Paul Bachelier et Robin Choy en 2016. L’idée à la base de la start-up est de permettre aux entreprises de trouver automatiquement les meilleurs profils pour les missions de leur choix. Une pénurie de développeurs informatiques bloque en effet certains projets et les sociétés sont en permanence en quête de talents. Cerebro, l’intelligence artificielle conçue par HireSweet, analyse les pages Internet publiques afin de trouver les candidats idéaux. Présence sur les réseaux sociaux, publications, CV, contributions à des événements : toutes ces données sont rassemblées puis analysées par l’IA. Selon le poste à pourvoir, des profils correspondants sont ensuite mis en exergue et proposés aux entreprises. L’automatisation du recrutement via une IA pertinente est un atout majeur pour les entreprises, d’où le succès que connaît la jeune start-up.
https://hiresweet.com/
`Une entreprise en pleine croissance
Simple et efficace, le principe de HireSweet a de quoi séduire les entreprises comme les investisseurs. La start-up se rémunère en prenant un pourcentage pour chaque employé recruté dont elle a fourni le profil via son algorithme. Elle compte déjà des clients prestigieux comme Deezer. En 2017, moins d’un an après son lancement, HireSweet a réalisé sa première levée de fonds pour accélérer son développement. Un ajout au capital de 1,5 millions d’euros a été initié auxquels s’ajoutent de prestigieux fonds comme Global Founders, Capital et Kima Ventures. Cette opération d’envergure va permettre à la start-up de se développer efficacement et d’améliorer son algorithme de recherche et d’analyse des données.
Des perspectives enthousiasmantes
La recherche de programmeurs est annoncée comme l’un des enjeux majeurs dans le domaine de la tech pour les années à venir. A l’horizon 2022, on estime ainsi qu’un million d’emplois seront libres dans ce secteur. Dans le même temps, à peine 13 % des analystes recherchent activement un poste alors qu’ils sont plus de 60 % à être ouverts à de nouvelles missions dans leur branche. En réussissant à trouver des talents qui ne sont pas directement sur le marché de l’emploi, HireSweet permet aux entreprises d’ouvrir considérablement leurs possibilités de recrutement. Avec sa récente levée de fonds, la start-up souhaite à présent investir dans le R&D afin de perfectionner sa technologie. Des ingénieurs vont être recrutés dans ce but. Une croissance à l’international est également souhaitée, à la fois en Europe et aux Etats-Unis.
https://www.forbes.fr/technologie/le-recrutement-par-lintelligence-artificielle/
L'intelligence artificielle, la promesse d'un recrutement sans préjugés
Pour mieux identifier le candidat idéal, des solutions nourries à l'intelligence artificielle promettent de réduire les biais humains fondés sur l'âge, le genre ou le diplôme. Au risque d'en introduire de nouveaux.
Des recrues plus qualifiées, issues d'horizons variés, le tout sans effort. L'intelligence artificielle promet aux recruteurs d'identifier le candidat parfait en s'affranchissant de biais humains fondés sur l'origine sociale, l'âge, le genre, le diplôme ou le nombre d'années d'expérience. Autant de critères sélectifs qui peuvent rimer avec une discrimination à l'embauche pour bon nombre de professionnels pourtant compétents. «Le marché des solutions de recrutement nourries à l'intelligence artificielle connaît une forte croissance», indique Helen Poitevin, analyste chez Gartner, un cabinet de conseil spécialisé dans les nouvelles technologies. «Il devrait représenter près de deux milliards d'euros dans le monde d'ici 2020», estime-t-elle. Le problème? «Une intelligence artificielle, même douée de capacités d'apprentissage, va fonctionner à partir des données qu'on lui fournit, et se baser sur les prérequis définis par les services de ressources humaines des entreprises qui les utilisent. Comme l'intelligence artificielle est faite par des hommes, et que les hommes ont une nature sujette aux biais, ces derniers auront tendance à se reproduire quoi qu'il arrive.»
Le dynamisme en ligne de mire
Pour assister les recruteurs dans leur mission, la société française EasyRecrue propose depuis fin 2013 une solution de présélection des candidats par entretien vidéo. Les postulants sont invités à réaliser eux-mêmes un enregistrement vidéo, et à filmer depuis chez eux leurs réponses à plusieurs questions prédéfinies. L'entreprise a progressivement pris le virage de l'intelligence artificielle. Grâce à une levée de fonds de 8 millions d'euros réalisée en mai, sa solution sera enrichie d'algorithmes destinés à analyser le comportement des candidats lors de l'enregistrement. Scrutée par un programme informatique, leur prestation sera comparée à celle de candidats précédemment recrutés, pour se concentrer sur plusieurs critères clés.
«Trois grandes catégories d'éléments sont analysées par notre outil», indique Mickaël Cabrol, cofondateur d'EasyRecrue. «La teneur du discours, à savoir la diversité lexicale et le registre de langue; la prosodie, soit l'intensité et le rythme des propos; et enfin, le comportement global, qui intègre l'énergie perceptible du candidat, ainsi que ses expressions faciales». De quoi évaluer le niveau d'expression des candidats mais aussi leur caractère dynamique, enjoué ou souriant. La solution s'appuie par la suite sur ces critères pour recommander des candidats aux recruteurs. Ce qui permet aux entreprises de recevoir, après cette étape, des personnes qui auraient été écartées sur la seule base de leur CV, selon Mickaël Cabrol.
L'argument du gain de temps
HireVue, pionnier américain du secteur, propose une solution similaire à celle d'EasyRecrue. La société compte désormais 600 clients à travers le monde, dont l'icône de la finance américaine Goldman Sachs et Vodafone. Contacté par le Figaro, le directeur technique d'HireVue,Loren Larsen, indique que les entretiens vidéo jouent «naturellement» en faveur d'une plus grande diversité. L'ajout d'une couche d'intelligence artificielle ne ferait, selon lui,que renforcer cette tendance, en écartant les biais liés à l'âge, à l'origine et au genre pour mieux se concentrer sur la «performance» et «la conformité avec la culture d'entreprise».
Fin juin, le géant de la grande consommation Unilever, l'un de ses principaux clients, a dévoilé auprès de Business Insider les résultats d'un an d'expérimentation de la solution HireVue. De juillet 2016 à juin 2017, 250.000 candidats, de 69 pays différents, ont eu droit à cette même solution en phase de présélection. Ils étaient notés de 1 à 5, en fonction de leur prestation. Le grand groupe salue une augmentation «significative du nombre de candidats non-blancs», ainsi qu'une diversification de l'origine sociale des candidats. Unilever assure égalementavoir constaté le respect de la parité - ce qui était déjà le cas avant la mise à profit de cette solution de recrutement. Surtout, le temps moyen passé par les recruteurs à examiner les demandes a diminué de 75%. «Nous sommes également parvenus à réduire la durée du processus de recrutement d'un groupe hôtelier international de six semaines à cinq jours», ajoute Loren Larsen.
Un biais peut en chasser un autre
À trop vouloir écarter certains biais, n'y a-t-il pas de risque d'en intégrer de nouveaux? «Le problème principal vient du fait que cette technologie repose sur des prérequis de l'entreprise ou de données issues d'entretiens passés pour trancher», explique Helen Poitevin. «À partir du moment où un biais existe, il sera destiné à se répéter. À terme, ce sera la diversité cognitive d'une entreprise, à savoir sa capacité à accueillir des candidats aux caractères différents, qui pourra être menacée. C'est pourquoi les résultats formulés par une intelligence artificielle ne doivent pas faire l'objet d'une confiance aveugle.»
Si ces résultats méritent encore d'être recoupés avec d'autres éléments pour être pleinement pertinents, les solutions de recrutement nourries à l'intelligence artificielle peuvent comporter un aspect salvateur pour les grands groupes noyés sous les candidatures.«Ces logiciels sont loin d'être inintéressants pour de grandes entreprises abreuvées de milliers de CV», tempère Helen Poitevin. «À condition que leur utilisation reste limitée aux phases de présélection.» L'analyste estime que ces solutions seront appelées à prendre une place grandissante dans le processus du recrutement, nécessitant une meilleure préparation des candidats. Tout comme l'on pouvait peaufiner son CV, améliorer sa photo ou se préparer à des tests de graphologie, il faudra probablement un jour envisager de se former pour mieux amadouer les algorithmes.
http://www.lefigaro.fr/secteur/high-tech/2017/09/20/32001-20170920ARTFIG00208-l-intelligence-artificielle-la-promesse-d-un-recrutement-sans-prejuges.php
l'intelligence artificielle
L'intelligence artificielle : c'est quoi et cela marche comment ?
La première notion d'intelligence artificielle a été abordée en 1950 par le mathématicien Alan Turing. Ce dernier crée alors un test visant à déterminer si une machine peut être considérée comme « consciente ». Le test de Turing est toujours utilisé par les scientifiques de nos jours, mais sa pertinence est régulièrement remise en cause.
Il faudra attendre 1956 pour obtenir une définition de l'IA proposée par Marvin Lee Minsky : « La construction de programmes informatiques qui s'adonnent à des tâches qui sont, pour l'instant, accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : l'apprentissage perceptuel, l'organisation de la mémoire et le raisonnement critique. »
L'intelligence artificielle est un vaste domaine qui touche non seulement à l'informatique mais aussi aux mathématiques, à la neuroscience et même à la philosophie. L'IA fascine depuis plus d'un demi-siècle les scientifiques, mais aussi les romanciers et cinéastes. Des cyborgs tueurs de Terminator aux androïdes de Blade Runner en passant par HAL 9000 de 2001, l'Odyssée de l'espace, les humains semblent fascinés par la possibilité de répliquer leur comportement et communiquer avec des machines « pensantes ».
L'intelligence artificielle de nos jours
Deep learning, réseaux de neurones, assistants personnels... Ces termes entrés dans nos vies depuis quelques années ont tous trait à des facettes de l'intelligence artificielle. Les progrès scientifiques en la matière sont d'ailleurs époustouflants.
L'une des premières machines à démontrer ses talents face à l'homme est Deep Blue. Cet ordinateur bat en 1997 le champion mondial d'échecs, Garry Kasparov. Depuis, les défaites de l'humain face aux machines ne cessent de s'enchainer. La dernière en date est la victoire de l'IA AlphaGo de Google face au champion Lee Sedol lors d'une partie de Go, un jeu bien plus complexe que les échecs. L'IA Watson développée par IBM remporte même une émission de Jeopardy! aux USA. Un exploit qui démontre que l'intelligence artificielle a de beaux jours devant elle.
Mais les machines intelligentes ne se cantonnent pas aux jeux de société, loin de là. L'intelligence artificielle est déjà en place dans de nombreux domaines de notre quotidien. Watson a par exemple été utilisé dans la finance et la médecine. L'IA intéresse aussi l'armée, qui cherche à l'utiliser pour ses drones et la gestion automatisée des armements. Les voitures autonomes font aussi de plus en plus parler d'elles.
À plus petite échelle, on peut citer les assistants personnels utilisés par nos smartphones comme Siri ou Google Assistant. Ces programmes qui ne cessent d'évoluer s'appuient sur l'apprentissage de nos habitudes afin de nous fournir des informations pertinentes selon le contexte. La sortie récente des enceintes connectées de type Google Home ou Amazon Echo (pour l'instant aux USA seulement) vont apporter dans un futur très proche toujours plus d'interactions entre les humains et leurs machines.
http://www.clubic.com/mag/article-835684-1-intelligence-artificielle.html
Un livre à lire ?
En bonus : Intelligence artificielle : comment manager demain ?
Quelles sont ces nouvelles compétences que les managers doivent acquérir ?
Au-delà des compétences basiques que tout manager doit avoir : décider, motiver et développer les talents, le numérique oblige à acquérir de nouvelles compétences. Tout d’abord des connaissances concernant l’alphabet numérique, c’est-à-dire comprendre comment on sauvegarde l’information, comment on la partage et on la valorise. Le numérique entraîne aussi une nouvelle façon de travailler : il faut de l’agilité pour aller plus vite avec les nouveaux outils numériques. Enfin, les managers doivent adopter une nouvelle façon de penser, avec des outils pour innover au quotidien : ce sont les compétences du design thinking.
Pourquoi la transformation des lieux est-elle si importante à vos yeux ?
Les lieux participent à cette transformation numérique. Il y a toute une réflexion à mener pour savoir quel type de lieu est adapté pour quel type de travail car les compétences peuvent être parfois démultipliées en fonction des lieux, si les transformations sont bien menées. Incubateur, espaces de co-working, openspace, sont autant de nouveaux types de lieux qui peuvent donner naissance à d’autres formes de travail et favoriser le collaboratif. Le numérique rend impératif le travail collaboratif, mais celui-ci s’apprend !
Vous insistez sur la notion de management agile : sur quoi repose-t-il ?
Historiquement, les méthodes agiles sont nées dans l’environnement informatique avec le lean management, la méthode scrum et kamban. Elles reposent sur des principes d‘actions très courtes, d’expérimentation et d’apprentissage continu. Qu’elles soient organisationnelles ou managériales, ces méthodes qui s’appliquent aussi bien aux grands groupes qu’aux start-up, reposent sur quatre grands principes. Les individus plutôt que le processus et les outils. Des prototypes opérationnels plutôt qu’une documentation exhaustive. La collaboration avec le client plutôt que des contrats rigides. Et l’adaptation au changement plutôt que le suivi d’un planning.
Une entreprise agile va apporter des solutions concrètes et personnalisées à ses clients. L’agilité est un levier de simplification adapté aux processus directement visibles par le client. La prise de décision se fera au niveau de celui qui possède la bonne information et qui obtiendra une validation rapide. L’agilité permet de facto de décentraliser et de libérer la gouvernance en repositionnant la prise de décision. La principale valeur ajoutée de cette méthode consiste à réduire le temps de mise sur le marché d’un produit ou d’un service.
Quelles sont les compétences du manager agile ?
Les compétences d’agilité pour le manager sont la vélocité pour innover avant les autres, l’expérimentation pour faire sans complexe en cocréation., les communautés et l’usage.
L’innovation est le moteur de la transformation numérique. Ce ne sont plus les services R&D et les marchés tests qui permettent d’innover, mais les multiples expérimentations réalisées avec le client en co-construction et avec des partenaires, dont des start-up. L’expérimentation constitue le principe fondateur de l’innovation dans le monde de l’agilité.
La communauté pour tester, approuver et diffuser. Etre agile, c’est savoir repérer, intégrer et enrichir les bonnes communautés de pratiques, celles où l’on fera la différence, où l’on aura une valeur ajoutée et, par réciprocité, les bonnes informations. Ces communautés peuvent être verticales (sur un thème), horizontales (avec des personnes que l’on apprécie dans ou hors de l’entreprise), ou transversales (en fonction d’un projet, d’un objectif). Ainsi le troisième principe de l’agilité est la relation humaine et, par extension, les communautés. Cette compétence managériale privilégie ma relation à l’humain avant l’application d’une procédure ou d’un mode d’emploi.
L’usage est le quatrième grand principe du manager agile. Le manager devra privilégier e perspective qui se focalise sur l’usage, concept clé dans la transformation numérique de l’entreprise. L’usage représente le prisme le plus direct pour inventer une expérience utilisateur positive.
https://www.forbes.fr/management/cecile-dejoux-le-manager-a-l-ere-le-l-intelligence-artificielle/
La première notion d'intelligence artificielle a été abordée en 1950 par le mathématicien Alan Turing. Ce dernier crée alors un test visant à déterminer si une machine peut être considérée comme « consciente ». Le test de Turing est toujours utilisé par les scientifiques de nos jours, mais sa pertinence est régulièrement remise en cause.
Il faudra attendre 1956 pour obtenir une définition de l'IA proposée par Marvin Lee Minsky : « La construction de programmes informatiques qui s'adonnent à des tâches qui sont, pour l'instant, accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : l'apprentissage perceptuel, l'organisation de la mémoire et le raisonnement critique. »
L'intelligence artificielle est un vaste domaine qui touche non seulement à l'informatique mais aussi aux mathématiques, à la neuroscience et même à la philosophie. L'IA fascine depuis plus d'un demi-siècle les scientifiques, mais aussi les romanciers et cinéastes. Des cyborgs tueurs de Terminator aux androïdes de Blade Runner en passant par HAL 9000 de 2001, l'Odyssée de l'espace, les humains semblent fascinés par la possibilité de répliquer leur comportement et communiquer avec des machines « pensantes ».
L'intelligence artificielle de nos jours
Deep learning, réseaux de neurones, assistants personnels... Ces termes entrés dans nos vies depuis quelques années ont tous trait à des facettes de l'intelligence artificielle. Les progrès scientifiques en la matière sont d'ailleurs époustouflants.
L'une des premières machines à démontrer ses talents face à l'homme est Deep Blue. Cet ordinateur bat en 1997 le champion mondial d'échecs, Garry Kasparov. Depuis, les défaites de l'humain face aux machines ne cessent de s'enchainer. La dernière en date est la victoire de l'IA AlphaGo de Google face au champion Lee Sedol lors d'une partie de Go, un jeu bien plus complexe que les échecs. L'IA Watson développée par IBM remporte même une émission de Jeopardy! aux USA. Un exploit qui démontre que l'intelligence artificielle a de beaux jours devant elle.
Mais les machines intelligentes ne se cantonnent pas aux jeux de société, loin de là. L'intelligence artificielle est déjà en place dans de nombreux domaines de notre quotidien. Watson a par exemple été utilisé dans la finance et la médecine. L'IA intéresse aussi l'armée, qui cherche à l'utiliser pour ses drones et la gestion automatisée des armements. Les voitures autonomes font aussi de plus en plus parler d'elles.
À plus petite échelle, on peut citer les assistants personnels utilisés par nos smartphones comme Siri ou Google Assistant. Ces programmes qui ne cessent d'évoluer s'appuient sur l'apprentissage de nos habitudes afin de nous fournir des informations pertinentes selon le contexte. La sortie récente des enceintes connectées de type Google Home ou Amazon Echo (pour l'instant aux USA seulement) vont apporter dans un futur très proche toujours plus d'interactions entre les humains et leurs machines.
http://www.clubic.com/mag/article-835684-1-intelligence-artificielle.html
Un livre à lire ?
Comprendre le Deep Learning
Le livre en quelques mots ?
Après des résultats spectaculaires, dont la victoire d'AlphaGo sur le meilleur joueur mondial de Go, le Deep Learning suscite autant d'intérêts que d'interrogations. Inspiré au départ par une métaphore biologique, celle du cerveau, le domaine des réseaux de neurones est devenu l'un des principaux axes de recherche de l'intelligence artificielle. Quel que soit le secteur d'activité, pas un seul en effet ne semble échapper aux applications du Deep Learning.
Quels sont les principes des réseaux de neurones ? Comment fonctionnent-ils ? Quand et pourquoi les utiliser ? Sont-ils simples à mettre en oeuvre ? Qu'est-ce qu'on entend réellement par Deep Learning ?
Jean-Claude Heudin propose avec ce livre de répondre à ces questions. Dans un style direct et richement illustré, les explications sont abordables par le plus grand nombre, avec une mise en pratique au travers d'exemples. Pour comprendre le Deep Learning, nul besoin ici d'un fort niveau en mathématiques. Les principes de calcul sont réduits à des opérations simples et les exemples de programmation sont accessibles. Ce livre s'adresse à tous ceux qui souhaitent comprendre concrètement les enjeux du Deep Learning.
Love machine : le futur de l'intelligence artificielle
En bonus : Intelligence artificielle : comment manager demain ?
Quelles sont ces nouvelles compétences que les managers doivent acquérir ?
Au-delà des compétences basiques que tout manager doit avoir : décider, motiver et développer les talents, le numérique oblige à acquérir de nouvelles compétences. Tout d’abord des connaissances concernant l’alphabet numérique, c’est-à-dire comprendre comment on sauvegarde l’information, comment on la partage et on la valorise. Le numérique entraîne aussi une nouvelle façon de travailler : il faut de l’agilité pour aller plus vite avec les nouveaux outils numériques. Enfin, les managers doivent adopter une nouvelle façon de penser, avec des outils pour innover au quotidien : ce sont les compétences du design thinking.
Pourquoi la transformation des lieux est-elle si importante à vos yeux ?
Les lieux participent à cette transformation numérique. Il y a toute une réflexion à mener pour savoir quel type de lieu est adapté pour quel type de travail car les compétences peuvent être parfois démultipliées en fonction des lieux, si les transformations sont bien menées. Incubateur, espaces de co-working, openspace, sont autant de nouveaux types de lieux qui peuvent donner naissance à d’autres formes de travail et favoriser le collaboratif. Le numérique rend impératif le travail collaboratif, mais celui-ci s’apprend !
Vous insistez sur la notion de management agile : sur quoi repose-t-il ?
Historiquement, les méthodes agiles sont nées dans l’environnement informatique avec le lean management, la méthode scrum et kamban. Elles reposent sur des principes d‘actions très courtes, d’expérimentation et d’apprentissage continu. Qu’elles soient organisationnelles ou managériales, ces méthodes qui s’appliquent aussi bien aux grands groupes qu’aux start-up, reposent sur quatre grands principes. Les individus plutôt que le processus et les outils. Des prototypes opérationnels plutôt qu’une documentation exhaustive. La collaboration avec le client plutôt que des contrats rigides. Et l’adaptation au changement plutôt que le suivi d’un planning.
Une entreprise agile va apporter des solutions concrètes et personnalisées à ses clients. L’agilité est un levier de simplification adapté aux processus directement visibles par le client. La prise de décision se fera au niveau de celui qui possède la bonne information et qui obtiendra une validation rapide. L’agilité permet de facto de décentraliser et de libérer la gouvernance en repositionnant la prise de décision. La principale valeur ajoutée de cette méthode consiste à réduire le temps de mise sur le marché d’un produit ou d’un service.
Quelles sont les compétences du manager agile ?
Les compétences d’agilité pour le manager sont la vélocité pour innover avant les autres, l’expérimentation pour faire sans complexe en cocréation., les communautés et l’usage.
L’innovation est le moteur de la transformation numérique. Ce ne sont plus les services R&D et les marchés tests qui permettent d’innover, mais les multiples expérimentations réalisées avec le client en co-construction et avec des partenaires, dont des start-up. L’expérimentation constitue le principe fondateur de l’innovation dans le monde de l’agilité.
La communauté pour tester, approuver et diffuser. Etre agile, c’est savoir repérer, intégrer et enrichir les bonnes communautés de pratiques, celles où l’on fera la différence, où l’on aura une valeur ajoutée et, par réciprocité, les bonnes informations. Ces communautés peuvent être verticales (sur un thème), horizontales (avec des personnes que l’on apprécie dans ou hors de l’entreprise), ou transversales (en fonction d’un projet, d’un objectif). Ainsi le troisième principe de l’agilité est la relation humaine et, par extension, les communautés. Cette compétence managériale privilégie ma relation à l’humain avant l’application d’une procédure ou d’un mode d’emploi.
L’usage est le quatrième grand principe du manager agile. Le manager devra privilégier e perspective qui se focalise sur l’usage, concept clé dans la transformation numérique de l’entreprise. L’usage représente le prisme le plus direct pour inventer une expérience utilisateur positive.
https://www.forbes.fr/management/cecile-dejoux-le-manager-a-l-ere-le-l-intelligence-artificielle/
Inscription à :
Articles (Atom)