Petit traité d’Intelligence Artificielle industrielle pour les nuls

 

Bienvenue dans cette série de billets de blogue à propos de l’Intelligence Artificielle appliquée à l’industrie. Les raisons pour lesquelles j’ai décidé de sortir ma plume sur ce sujet sont diverses. Les deux raisons les plus importantes sont les suivantes :

1) Dans le cadre de ma pratique en industrie, on me fait souvent la réflexion que l’Intelligence Artificielle est un sujet galvaudé dont au final on ne comprend pas grand-chose, bien que l’on sache que le sujet est maintenant inévitable. Mon but est donc de vous démontrer que l’IA relève de la science et non pas du chamanisme (Disclosure : il s’agit là d’un simple exemple… l’auteur n’a absolument aucun préjugé au sujet du chamanisme ou autres types de magie 😉 ;

2) Il existe présentement 3 types de documents traitant d’Intelligence Artificielle :

a) Les documents bourrés de formules mathématiques incompréhensibles à moins d’avoir 3 postdoctorats derrière la cravate (Disclosure : il s’agit là d’un simple exemple… l’auteur n’a absolument aucun préjugé au sujet des Doctorats et autres diplômes de haut niveau 😉;

b) Les documents remplis de milliers, sinon de millions de lignes de code inaccessibles si vous n’êtes pas un as de la programmation (Disclosure : bon… vous connaissez le principe maintenant😉 ;

c) Les documents qui vantent les super perspectives d’avenir pour les data scientistes ;

Le commun des mortels, lui, me demanderez-vous ? Simplement oublié mes amis…

Voilà donc les raisons qui me poussent aujourd’hui à commencer la rédaction de cette série de billets de blogue. Il s’agit là de mon humble participation à la démystification de l’Intelligence Artificielle, plus particulièrement en contexte industriel.

Petit message à l’endroit des spécialistes en Intelligence Artificielle : Veuillez SVP ne pas vous offusquer de ce qui pourrait vous sembler outrageusement simplifié dans ces billets. Il s’agit peut-être simplement d’un petit indice indiquant que cet humble écrit ne vous est pas destiné 😉

 

Intelligence Artificielle – Définition hypersimplifiée

Définition de l'IA

Et bien voilà… tout est dit ! Bon, bon, d’accord… voici quelques explications !

1) L’Intelligence Artificielle est un domaine extrêmement vaste. Il comprend plusieurs disciplines telles que le Machine Learning, les moteurs de règles, etc.

2) Règle générale, lorsque l’on parle d’utiliser des modèles prédictifs pour nous aider dans la prise de décisions, on parle de Machine Learning, aussi appelé apprentissage automatisé (nous verrons pourquoi ce nom un peu plus tard). Il s’agit de la sous-classe de l’intelligence Artificielle dont on parle probablement le plus. C’est de Machine Learning dont on va discuter dans la plus grande partie de cette série de billets de blogue.

3) Les réseaux neuronaux représentent, quant à eux, une sous-classe du Machine Learning. Il s’agit d’une discipline faisant présentement l’objet de recherches intensives et de développements intéressants. On parle ici en quelque sorte d’imiter le comportement des neurones humains afin d’augmenter passablement la puissance prédictive des modèles de Machine Learning.

Nous verrons plus en détail (simplifié) le fonctionnement du Machine Learning dans le prochain article. Nous verrons comment la création des modèles décisionnels a drastiquement changé avec l’avènement de l’Intelligence Artificielle.

Cependant, avant de vous quitter, j’aimerais répondre à deux questions qui me sont posées couramment : C’est quoi un modèle de Machine Learning ? Comment ça fonctionne ?

Fichier d'un modèle d'IA

Et bien voilà… un modèle de Machine Learning peut se présenter comme un simple fichier.

Et si on regarde son contenu maintenant…

Code de modèle d'IA

Du code, simplement du code ! Celui de cet exemple est généré par une plateforme en ligne de Machine Learning bien connue et j’ai nommé : BigML.

Le fichier du modèle auquel appartient ce bout de code est utilisé pour détecter à l’avance quels sont les clients d’une compagnie de téléphone qui risquent d’annuler leur forfait d’ici X mois.

 

Comment il fonctionne maintenant ce modèle ?

De manière simplifiée, on lui fournit d’abord les données décrivant un client, le modèle effectue ensuite une suite d’opérations de traitement, puis finalement il nous renvoie comme réponse : le client va quitter d’ici X mois, ou bien le client ne quittera pas d’ici X mois. Magique, non ?!?!

Workflow de prédiction

Bon je crois que ce sera assez pour aujourd’hui. Je ne veux pas faire surchauffer votre Intelligence Naturelle 😉

La semaine prochaine, on verra un aspect crucial. C’est bien d’avoir un modèle qui fait des prédictions, mais encore faut-il le créer ce modèle ! C’est ce que nous verrons.

Merci !

bertrand

Envoyer ceci à un ami