Si cet article vous était parvenu par mail, par exemple au travers d’une newsletter, le message aurait été analysé par un moteur de détection de spam et aurait peut-être fini dans vos courriers indésirables ! Cette fonctionnalité existe depuis un grand nombre d’années dans nos clients de messagerie électronique et nous n’avons sans doute pas le réflexe de la qualifier « d’intelligence artificielle ».

Sans entrer dans le détail des moteurs actuels, un fonctionnement classique consiste à calculer une probabilité globale pour le message (incluant l’objet ou l’adresse de l’expéditeur) d’être un spam, souvent à partir d’une approche dite bayésienne (les événements associés aux probabilités sont considérés comme indépendants). Si cette probabilité globale dépasse un seuil arbitrairement fixé, par exemple 50%, le mail finit sa course dans les indésirables.

Les avancées mathématiques (réseaux de neurones…), les technologies (cloud, GPU…) et la masse de données disponible ont permis un essor considérable de l’apprentissage automatique (Machine Learning), branche sans doute la plus active ces derniers temps dans le domaine très vaste de l’Intelligence Artificielle. Véhicule autonome, robot tueur, reconnaissance faciale sont parmi les sujets très médiatisés des exemples marquants rattachés à l’Intelligence Artificielle. Pourtant, nous sommes, au quotidien, continuellement en usage de fonctionnalités dites « intelligentes » car étant en capacité de simuler des capacités humaines comme la vision, la compréhension du langage oral ou écrit, la prise de décision, l’anticipation. Cachées dans les applications de nos smartphones ou bien dans nos logiciels (CRM, bureautique, etc.), il existe un grand nombre d’exemples d’intelligence appliquée, mettant en œuvre des mécanismes plus ou moins complexes allant de la simple règle de décision (« si… alors… sinon… ») aux réseaux de neurones profonds (Deep Learning). Des fonctionnalités comme une traduction automatique, un itinéraire optimisé entre deux lieux, la recommandation d’une prochaine vidéo nous sont devenues si familières que nous ne pourrions revenir en arrière. Il devient donc indispensable de penser toute nouvelle application en évaluant l’apport de fonctionnalités issue de l’Intelligence Artificielle.

Pour cela, Microsoft propose de nombreux services, dits cognitifs, dont l’une des principales forces est de ne pas nécessiter un développement de zéro. Ne réinventons pas la roue ! Les services de « computer vision » proposés par les éditeurs ont aujourd’hui un niveau de performance quasi imbattable, dans un cadre d’usage générique. Mais votre problématique est peut-être très précise (distinguer des variétés de tomates, reconnaître des termes techniques dans une documentation…) et il sera alors possible d’améliorer des modèles génériques (transfer learning) pour les rendre performants dans votre contexte d’utilisation.

Des exemples concrets mettant en œuvre ces services cognitifs sont disponibles sur ce site de démonstration.

Les différentes briques que constituent les services cognitifs permettent d’imaginer rapidement des scénarios d’applications très concrètes, dont les performances seront augmentées par l’Intelligence Appliquée :
– Labelliser une base d’images (photos de produits, d’habitations, etc.), réaliser ensuite un « clustering », c’est-à-dire un regroupement sur la base des descriptions obtenues automatiquement, afficher des miniatures « intelligemment découpées » dans une interface de recherche
– Isoler des entités clés dans un corpus de texte (discours, articles de recherche, dépêches d’actualité, etc.) que l’on aura au préalable traduit dans une même langue afin d’améliorer un moteur de recherche sur ce corpus
– Scanner des factures issues de fournisseurs différents, homogénéiser les informations (émetteur, date, montant, etc.) dans une base de données
– Evaluer la présence « d’objets » (défauts, tâches, malfaçon, etc.) en filmant la sortie d’une chaîne de production et détecter les anomalies trop nombreuses ou trop marquées

AZEO vous accompagne pour imaginer et mettre en œuvre des fonctionnalités d’Intelligence Artificielle au sein de vos applications. Pour en savoir plus sur notre expertise, cliquez ici.

La nouvelle certification AI-900 proposée par Microsoft évalue la connaissance des fondamentaux de l’Intelligence Artificielle et du Machine Learning et des outils disponibles au sein de la plateforme Azure. Elle est pour l’heure (juillet 2020) en version bêta. Cette certification s’adresse aussi bien à des profils techniques que non techniques.

Les compétences mesurées par la certification AI-900 sont les suivantes :

• Décrire les charges de travail et les considérations de l’intelligence artificielle
• Décrire les principes fondamentaux de l’apprentissage automatique sur Azure
• Décrire les caractéristiques des charges de travail de la vision par ordinateur sur Azure
• Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure
• Décrire les caractéristiques des charges de travail conversationnelles de l’Intelligence artificielle sur Azure

Le détail est disponible sur cette page.

Le deuxième point abordé concerne le produit Azure Machine Learning, en particulier les fonctionnalités disponibles uniquement en licence Enterprise : l’interface visuel (designer) et l’Automated Machine Learning par interface. Ces deux modes de travail peuvent être réalisés dans une approche « no code / low code », c’est-à-dire sans faire appel à des compétences de programmation. Il est toutefois indispensable de comprendre les mécanismes et les enjeux du Machine Learning.

Au travers des schémas ci-dessous, nous résumons les principales notions à connaître pour bien appréhender le domaine de l’Intelligence Artificielle au travers des solutions Microsoft. Nous laissons certains termes en anglais tant ils sont aujourd’hui utilisés dans le langage courant des professionnels de l’IA (Computer Vision, Natural Language Processing…).

Alors, bonne préparation si cette certification vous intéresse !

paul peton

Passionné par les statistiques, le Big Data et l’IA (Machine Learning, NLP), il travaille depuis plus de 14 dans le domaine du conseil, avec le souhait de comprendre les attentes des métiers et de les aider au travers de nombreuses formations.

Aujourd’hui il propose de nombreux articles et vidéos afin de partager sa passion autour des sujets de Business Intelligence, de la Data visualisation, du Machine Learning et de l’intelligence artificielle.

Envie d'en savoir plus ?

Retrouvez nos actualités ici !