L’intelligence artificielle pour l’entreprise aujourd’hui

Selon l’enquête mondiale McKinsey sur l’intelligence artificielle (IA), en 2020, plus de 50 % des entreprises ont adopté l’IA dans au moins une unité ou une fonction commerciale, nous assistons donc à l’émergence de nouvelles tendances en matière d’IA. Des solutions Saas offrent la puissance de l’IA aux moyennes et petites entreprises pour des finalités qui ne cessent de s’étendre.

Au delà du recrutement, que fera l’IA pour vous dans ces prochains mois ?

Comment les organisations intègrent-elles l’IA ?

Les organisations appliquent les outils d’intelligence artificielle pour générer plus de valeur, augmenter les revenus et la fidélité des clients. Les entreprises leaders en matière d’IA investissent au moins 20 % de leurs bénéfices avant intérêts et impôts (EBIT) dans l’IA. Ce chiffre pourrait augmenter car le COVID-19 accélère la numérisation. Les confinements ont entraîné un afflux massif d’activités en ligne et une adoption intensive de l’IA dans les affaires, l’éducation, l’administration, les interactions sociales, la création de contenu, etc.

À mesure que la technologie progresse, l’IA sera exploitée afin de simplifier les opérations et les rendre plus efficaces.

Cet article vise donc à donner un aperçu des tendances nouvelles et actuelles de l’IA qui ont émergé en 2020 et qui continuent d’augmenter en 2021.

Tendances en matière d’adoption de l’IA

Le niveau d’adoption de l’IA diffère selon le secteur d’activité. En utilisant les données mentionnées dans l’enquête mondiale de McKinsey sur l’IA, nous pouvons mettre en évidence quatre secteurs en  pointe :

• La haute technologie,
• Les télécommunications,
• L’automobile,
• L’assemblage.

Les entreprises utilisent l’IA pour les opérations de service, la conception de services ou de produits, la publicité et les ventes. En ce qui concerne les investissements, les domaines de la recherche et du développement de médicaments ont reçu le plus d’argent. En 2020, la somme totale des actifs a dépassé 13,8 milliards de dollars, soit 4,5 fois plus que l’année précédente.

L’IA entraîne la plus forte croissance des revenus si elle est appliquée à :

• L’optimisation des stocks et des pièces.
• La tarification et à la promotion.
• L’analyse du service client.
• Aux ventes et à la prévision de la demande.

Les cas d’utilisation qui ont signalé une réduction des coûts sont liés à :

• L’optimisation de la gestion des talents,
• L’automatisation des centres de contact,
• L’automatisation des entrepôts.

Tendances technologiques de l’IA

En 2021 et dans les années suivantes, l’IA sera exploitée pour simplifier les opérations et les rendre plus efficaces. Nous allons nous concentrer sur les tendances de l’IA 2021-2022 qui sont susceptibles de se généraliser.

Tendance 1 : L’IA pour la sécurité et la surveillance

Les techniques d’IA ont déjà été appliquées à la reconnaissance faciale, à l’identification vocale et à l’analyse vidéo. Ces techniques forment le meilleur combo pour la surveillance. Ainsi, en 2022, nous pouvons prévoir l’exploitation intensive de l’IA dans la vidéosurveillance.

L’intelligence artificielle est idéale pour une configuration flexible des systèmes de sécurité. Auparavant, les ingénieurs passaient beaucoup de temps à configurer le système car il était activé lorsqu’un nombre spécifique de pixels sur un écran changeait. Il y avait donc trop de faux positifs et de fausses alertes. Ces alarmes étaient causées par des feuilles qui tombaient ou un animal qui courait. Grâce à l’IA, le système de sécurité identifie les objets, ce qui contribue à une configuration plus souple.

L’IA dans la vidéosurveillance peut détecter une activité suspecte en se concentrant sur les modèles de comportement anormal, et non sur les visages. Cette capacité permet de créer des espaces plus sûrs, tant publics que privés, en identifiant les menaces potentielles. Ces solutions vidéo basées sur l’IA pourraient également être utiles pour la logistique, le commerce de détail et la fabrication.

Un autre créneau qui offre des perspectives prometteuses pour l’application de l’IA est la reconnaissance vocale. Les technologies liées à la reconnaissance vocale peuvent déterminer l’identité. Par identité, nous entendons l’âge d’une personne, son sexe et son état émotionnel. Les principes sur lesquels repose la reconnaissance vocale pour la surveillance peuvent être les mêmes que dans le cas d’Alexa ou de Google Assistant.

Une autre utilisation appropriée pour la sécurité et la surveillance est un modèle anti-spoofing intégré qui détecte les voix synthétisées et enregistrées.

L’une des technologies les plus cruciales pour la sécurité est la reconnaissance biométrique des visages. Différentes applications malveillantes tentent de tromper les systèmes de sécurité en fournissant de fausses photos au lieu d’images réelles. Pour se défendre contre de tels cas, de multiples techniques anti-falsification sont actuellement développées et utilisées à grande échelle.

Tendance 2 : l’IA dans le traitement vidéo en temps réel

La difficulté du traitement des flux vidéo en temps réel réside dans la gestion des pipelines de données qui sont énormes pour ce type de média.

Les ingénieurs cherchent donc à garantir à la fois la qualité d’image et à minimiser la latence du traitement vidéo. Les solutions d’IA peuvent aider à atteindre cet objectif.

Pour mettre en œuvre une approche basée sur l’IA dans le traitement vidéo en direct, nous avons besoin d’un modèle de réseau neuronal pré-entraîné, d’une infrastructure en nuage et d’une couche logicielle pour appliquer les scénarios des utilisateurs.

La vitesse de traitement étant cruciale pour le streaming en temps réel, tous ces composants doivent être étroitement intégrés. Pour accélérer le traitement, nous pouvons paralléliser les processus ou améliorer les algorithmes. La parallélisation des processus se fait par le fractionnement des fichiers ou par l’utilisation d’une approche pipeline. Cette architecture pipeline est le meilleur choix car elle ne diminue pas la précision d’un modèle et permet d’utiliser un algorithme d’IA pour traiter la vidéo en temps réel sans aucune complexité.

De plus, avec l’architecture pipeline, il est possible d’appliquer des effets supplémentaires impliquant la détection des visages et le flou.

Le traitement moderne des flux en temps réel est inextricablement lié à l’application de la suppression de l’arrière-plan et du flou (sur Zoom, Skype et autre solution de visioconférence).

La demande de ces outils a augmenté en raison du COVID-19 concomitante à l’émergence et à la popularisation des nouvelles tendances en matière de vidéoconférence. Et ces tendances vont se développer activement car, selon GlobeNewswire, le marché mondial de la visioconférence devrait passer de 9,2 milliards de dollars en 2021 à 22,5 milliards de dollars en 2026.

Il existe différentes façons de développer des outils de suppression d’arrière-plan et de flou dans une vidéo en temps réel. Le défi consiste à concevoir un modèle capable de séparer une personne dans le cadre de l’arrière-plan. Le réseau neuronal capable d’effectuer une telle tâche pourrait être basé sur des modèles existants comme BodyPix, MediaPipe ou PixelLib. Une fois le modèle choisi, le défi consiste à l’intégrer dans un cadre approprié et à organiser le processus d’exécution optimal grâce aux API telles que WebAssembly, WebGL ou WebGPU.

Tendance 3 : IA générative pour la création de contenu et de chatbots

Les modèles d’IA modernes peuvent générer du texte, de l’audio et des images de très haute qualité, presque indiscernables des données précises non synthétiques.

Le traitement du langage naturel (NLP) est au cœur de la génération de texte. Les progrès rapides du NLP ont conduit à l’émergence de modèles de langage. Par exemple, le modèle BERT est utilisé avec succès par Google et Microsoft pour compléter leurs moteurs de recherche. OpenAI et ses GPT2 et GPT3 sont d’autres succès largement utilisés pour la création de contenus texte.

De quelle autre manière le développement des technologies liées au NLP stimule-t-il les entreprises ?

Les Chatbots

Tout d’abord, la combinaison du NLP et des outils d’IA permet la création de chatbots. Selon Business Insider, le marché des chatbots devrait atteindre 9,4 milliards de dollars en 2024, alors insistons sur les façons dont les entreprises bénéficient de la mise en œuvre de chatbots pilotés par l’IA.

Le chatbot essaie de comprendre les intentions des personnes au lieu de se contenter d’exécuter des commandes standard. Les entreprises travaillant dans différents domaines utilisent le chatbot piloté par l’IA pour fournir à leurs clients ou utilisateurs une communication de niveau humain. ces applications sont largement vues dans les secteurs suivants :

• Santé.
• Hôtellerie.

Les chatbots pilotés par l’IA permettent aussi d’automatiser les tâches administratives. Par exemple, dans le domaine de la santé, ils réduisent la quantité de travail manuel. Les chatbots aident à organiser les rendez-vous, envoient des rappels concernant la prise de médicaments et fournissent aux patients des réponses à leurs questions. Dans d’autres domaines, les chatbots sont introduits pour diffuser des messages ciblés, améliorer l’engagement et l’assistance des clients et proposer aux utilisateurs des offres personnalisées.

L’IA générative

Outre les chatbots, le NLP est au cœur d’autres solutions technologiques d’avant-garde. L’un des exemples est la génération de texte qui peut être utilisée dans des applications commerciales.

L’arrivée récente du modèle GPT-3 (OpenAI) permet aux ingénieurs en IA de générer une moyenne de 4,5 milliards de mots par jour. Cela a déjà permis de mettre en place un très large éventail d’applications SaaS pour les secteurs du web marketing et de la création de contenu.

Notez qu’en 2021-2022, nous assisterons à l’arrivée du GPT-4 qui surclassera certainement GPT-3.

Pour en revenir à l’IA générative, nous voulons prêter attention aux GAN, ou Generative Adversarial Networks, capables de créer des images impossibles à distinguer de celles produites par l’homme. Nvidia propose déjà de telles solutions basées sur ses GPUs.

Il peut aussi s’agir d’images de personnes, d’animaux ou d’objets inexistants, ainsi que d’autres types de médias, tels que du son ou du texte. C’est le meilleur moment pour mettre en œuvre les GAN en tirant parti de leurs capacités. Ils peuvent modéliser des distributions de données réelles et apprendre des représentations utiles pour améliorer les pipelines d’IA, sécuriser les données, trouver des anomalies et s’adapter à des cas spécifiques du monde réel.

Tendance 4. Inspection et assurance qualité pilotées par l’IA

La branche la plus remarquable de la vision par ordinateur est l’inspection par l’IA. Cette direction a prospéré ces dernières années en raison de la précision et des performances croissantes dues aux modèles d’apprentissage profond appliqués. Les entreprises ont commencé à investir des ressources informatiques et financières pour développer des systèmes de vision par ordinateur à un rythme plus rapide.

L’inspection automatisée dans la fabrication implique l’analyse des produits en termes de conformité aux normes de qualité. La méthodologie est également appliquée à la surveillance des équipements.

Voici quelques cas d’utilisation de l’inspection par IA :

• Détecter les défauts des produits sur la chaîne de montage.
• Identification des défauts de pièces mécaniques et de carrosserie automobile
• Contrôle des bagages et maintenance des avions
• Inspections des centrales nucléaires

Tendance 5 : Des percées révolutionnaires de l’IA dans le domaine des soins de santé

La tendance suivante, qui concerne la mise en œuvre de l’IA dans le secteur de la santé, a fait l’objet d’intenses discussions ces dernières années. Les scientifiques utilisent des modèles d’IA et des algorithmes de vision par ordinateur pour lutter contre le COVID-19, notamment dans des domaines tels que la détection des pandémies, le développement de vaccins, la découverte de médicaments, le dépistage thermique, la reconnaissance faciale avec des masques et l’analyse des tomodensitogrammes.

Pour contrer la propagation du COVID-19, les modèles d’IA peuvent détecter et analyser les menaces potentielles et faire des prédictions précises. L’IA aide également à développer des vaccins en identifiant les composants cruciaux qui les rendent efficaces.

Les solutions basées sur l’IA peuvent être utilisées comme un outil efficace pour l’Internet des objets médicaux et pour traiter les problèmes de confidentialité propres au secteur de la santé. Si l’on systématise les cas d’utilisation de l’IA dans les soins de santé, il apparaît clairement qu’ils sont unis par un même objectif : garantir un diagnostic rapide et précis du patient.

Tendance 6 : Des plateformes d’IA « No Code » et en SaaS dans au moins trois domaines

Les plateformes d’IA sans code ont permis à des entreprises, même petites, d’appliquer des technologies puissantes qui n’étaient auparavant accessibles qu’aux grandes entreprises. Découvrons pourquoi ces plateformes constituent une tendance clé de l’IA pour les entreprises en 2021.

Le développement de modèles d’IA à partir de zéro nécessite du temps, des dépenses et une expérience pertinente. L’adoption de la plateforme d’IA sans code simplifie la tâche car elle réduit la barrière d’entrée. Les avantages sont les suivants :

• La mise en œuvre rapide – par rapport à l’écriture du code à partir de zéro, au travail sur les données et au débogage, le gain de temps atteint 90 %.
• La baisse des coûts de développement – grâce à l’automatisation, les entreprises ont éliminé la nécessité de disposer de grandes équipes de science des données.
• La facilité d’utilisation – la fonctionnalité de glisser-déposer simplifie le développement de logiciels et permet de créer des apps sans codage.

Les plateformes d’IA sans code sont très demandées dans les secteurs de la santé, de la finance et du marketing, bien que les solutions produites ne puissent pas être hautement personnalisées. Parmi les plateformes d’IA no-code les plus recherchées, on trouve Google Cloud Auto ML, Google ML Kit, Runaway AI, CreateML, MakeML, SuperAnnotate, Jarvis, etc.

Les grandes entreprises et les entreprises de taille moyenne exploitent ces plateformes no-code pour des solutions logicielles visant la classification d’images, la reconnaissance de poses et de sons, la détection d’objets, l’étiquetage et la génération de texte.

Évolution et avenir de l’IA

Les tendances montrent que l’avenir de l’intelligence artificielle est prometteur car les solutions d’IA se banalisent. Voitures autonomes, robots et capteurs pour l’analyse prédictive dans l’industrie manufacturière, assistants virtuels de soins de santé, NLP pour les reportages dans les médias, tuteurs virtuels pour l’enseignement, assistants IA et chatbots pouvant remplacer les humains dans les services clientèle : toutes ces solutions alimentées par l’IA avancent vraiment à pas de géant.