Jeff Heepke sait où planter du maïs sur sa ferme de l’Illinois et comment optimiser son arrosage. Il utilise les services de Climate Corporation qui quadrillent l’ensemble du continent américain en parcelles de 10 m2 et prennent en compte des données météorologiques, géographiques, de qualité des sols et des semences… afin de maximiser les rendements parcelle par parcelle. Le département d’Etat américain à l’agriculture estime que de telles applications à base d’intelligence artificielle sont à l’origine des récoltes les plus importantes de l’histoire des Etats-Unis. Climate Corporation propose également une assurance prenant en compte les risques climatiques. Si une tempête ou une sécheresse se produisent, Jeff Heepke sera automatiquement indemnisé.

L’indemnisation ne nécessite aucune démarche et traitement de dossier de la part des assureurs partenaires qui ont accepté de mettre en place un processus totalement automatisé basé sur l’historique météorologique et des modèles de rendement. Le métier de Jeff Heepke a évolué ; il peut estimer disposer d’une intelligence augmentée. Certains métiers des assureurs partenaires de Climate Corporation ont également évolué en isolant certaines tâches qui pouvaient être automatisées.

Un rééquilibrage entre données et algorithmes

L’intelligence artificielle a connu un réel essor depuis le début de la décennie sous les effets conjugués de l’augmentation des capacités de calcul et des capacités de stockage, de l’émergence de technologies de traitement de données massives (big data) et de méthodes d’apprentissage (dont le « deep learning »). Ces progrès ont permis de traiter beaucoup de données inexploitées jusqu’à présent et de trouver des corrélations entre ces données, parfois insoupçonnées. Le fréquent lien entre l’intelligence artificielle pour le traitement et les objets connectés pour la collecte n’est pas fortuit. Les méthodes d’apprentissage amènent un rééquilibrage entre les données brutes, les algorithmes et les modèles. En effet, elles permettent de créer des modèles directement à partir de ces nombreuses données, là où les systèmes experts et nombre d’algorithmes utilisaient les modèles créés par des experts.

Imaginer dans chaque métier ce que l’intelligence artificielle pourrait apporter

Avancer sur un tel sujet nécessite d’instaurer un dialogue entre les représentants des métiers mais également des utilisateurs des produits et des services, et des ingénieurs connaisseurs de l’état de l’art en intelligence artificielle. Il leur faut collectivement examiner comment se servir des algorithmes et des données disponibles, étudier quelles nouvelles informations pertinentes pourraient être obtenues, et définir comment faire émerger une intelligence augmentée…

Dans certains cas, il s’agira d’améliorer les performances de systèmes existants (prévisions météorologiques, détection de percepts, autonomie plus évoluée des robots…) par une I.A. « enfouie » pour l’utilisateur. Dans d’autres cas, il s’agira de proposer aux utilisateurs de nouveaux usages (aides au diagnostic de pannes/de maladies, évaluations diverses comme le risque d’attaque informatique ou de départ d’un client, outils d’aides à la décision… comme ceux de Climate Corporation). Parfois les nouveaux usages seront guidés par la profusion de données à traiter (reconnaissance d’objets dans des images satellitaires, fouille du web à la recherche d’événements particuliers…). Dans tous les cas, stocker les données pour pouvoir les utiliser ultérieurement devrait devenir un réflexe.

Au sein du ministère des Armées, une mise à jour des applications potentielles de l’intelligence artifi cielle pour les systèmes opérationnels et un recueil pour les processus internes ont été effectués durant l’automne 2017 par le biais de deux séances au Laboratoire de travail en groupe d’Arcueil avec la participation des opérationnels et de représentants des services, et de deux séances de créativité avec des experts et des architectes. Un tel travail a évidemment vocation à être mis à jour régulièrement au vu des évolutions de la technologie et des nouveaux usages envisagés.

De nouveaux métiers dans le domaine de l’ingénierie

Dans la mesure où certaines tâches répétitives pourront être automatisées par une nouvelle vague de numérisation liée à l’intelligence artifi cielle, les métiers existants, y compris de professions intellectuelles, seront amenés à se transformer pour se concentrer sur les tâches plus diffi cilement exécutables par les machines. De nouveaux métiers verront le jour autour de la production de modules d’intelligence artifi cielle, de leur exploitation et de leur maintenance. En effet, il faut assembler des modules de traitement, paramétrer des algorithmes, utiliser des jeux de données afin de créer une solution. Watson, la famille d’outils d’IBM, en est certainement une des meilleures illustrations. On peut répartir les modules à combiner en quatre grandes familles :

• les moteurs d’inférence qui permettent de construire des systèmes experts constitués d’une base de connaissance et du moteur d’inférence qui applique des règles et peut également utiliser des algorithmes d’optimisation sous contrainte ;
• l’analyse des données et l’apprentissage « simple » qui permettent d’effectuer des prédictions, de la classification et de la segmentation de population automatiquement en utilisant largement les outils statistiques et probabilistes, et des réseaux de neurones simples ;
• l’apprentissage profond (« deep learning ») qui permet de gérer un niveau d’abstraction plus élevé afin de reconnaître des objets complexes comme les images ou la parole. Il s’appuie sur des réseaux de neurones multicouches largement révélés via le challenge Imagenet depuis 2012 ;
• les réseaux d’agents qui assemblent des briques issues des moteurs d’inférence, de l’analyse des données et des apprentissages et assurent leur coopération.

Ces travaux vont nécessiter le savoir-faire de « data scientist », d’experts en intelligence artificielle et d’informaticiens spécialisés. Au sein du ministère des Armées, la constitution des projets pour répondre aux applications identifiées est au cœur du chantier « intelligence artificielle » lancé par la DGA. Ce chantier comporte un volet de renforcement de compétences, son pendant étant celui du renforcement analogue, partagé avec des partenaires, de nos industriels.

Vers le décideur augmenté

L’intelligence artificielle aura également des répercussions sur les cadres supérieurs et sur les décideurs. Les systèmes d’aide à la décision produiront probablement des recommandations inhabituelles non enseignées dans les business school, de la même manière qu’Alphago a fait émerger des schémas tactiques jamais envisagés auparavant par les meilleurs joueurs de go. L’explicabilité des résultats (qui est surtout un sujet pour les méthodes non déterministes comme les réseaux de neurones), la responsabilité des modules autonomes, les questions éthiques seront évidemment des aspects importants pour l’adoption des résultats par les décideurs et de manière générale par le grand public. Quoi qu’il en soit, le recours aux outils de l’intelligence artifi cielle sera une nécessité pour rester dans la course dans un monde de plus en plus soumis à la compétition.