Présentation du 23 Janvier lors de la journée MEDEF / AFIA sur l'Intelligence Artificielle - recommandations aux entreprises sur la base du groupe de travail de l'Académie des Technologies
1. Yves Caseau - Intelligence Artificielle au MEDEF – Janvier 2017 1/6
Yves Caseau
Académie des Technologies
AXA Group Head of Digital
2. Yves Caseau - Intelligence Artificielle au MEDEF – Janvier 2017 2/6
« Le renouveau de l’IA » /« Le renouveau de l’IA » /
Groupe de travail de l’ADT Groupe de travail de l’ADT
Accélération spectaculaire des
investissements
Grands acteurs et Capital risque
Les fruits sont à venir !
Accélération spectaculaire des
performances
Reconnaissance d’images, de
parole, traduction, ….
Alpha Go, etc.
La loi de Moore n’explique pas
tout
Questions du groupe de travail
Révolution ou évolution ?
Algorithme IA = commodité ?
« Exponential Organization » ?
3. Yves Caseau - Intelligence Artificielle au MEDEF – Janvier 2017 3/6
De quoi parle-t-on et à quel moment ?De quoi parle-t-on et à quel moment ?
Deux axes:
La question est bien définie versus
ouverte ?
Le domaine de connaissance est
étroit / formel ou large / informel
Apprentissage profond
Un « breaktrough » technologique
Répond à une question bien
identifiée (e.g. classification)
Consomme énormément de
données
Apporte la perception aux
systèmes intelligents
Knowledge
workersAssistants
Broad
domain
Narrow
domain
Fixed
Goals
Autonomous
Goals
Pattern
Matching
NLP
Semantic Office Robots
Domestic Robotschatbots
time
Turing Test
2026
Expert
systemsRPA
Hard:
•Train from
small set of data
•Common-sense
knowledge
•Infer goals from
context
Hard:
•Train from
small set of data
•Common-sense
knowledge
•Infer goals from
context
Cf Tokyo University
Robot:
•Multiple AI
techniques
•Multiples Sources of
Knowledge
Cf Tokyo University
Robot:
•Multiple AI
techniques
•Multiples Sources of
Knowledge
Chatbots et reconnaissance vocale
Révolution annoncée de la parole
Les chatbots « simples » sont utiles
Les « smart assistants » sont plus que
des chatbots et vont émerger plus tard
4. Yves Caseau - Intelligence Artificielle au MEDEF – Janvier 2017 4/6
Quelles applications pour le monde de l’assurance ?Quelles applications pour le monde de l’assurance ?
Il existe de multiples formes d’IA – et d’analyse de
données (pas la même chose)
L’essentiel des algorithmes est disponible en open source
La compétence fondamentale est une compétence
d’intégration et d’ingénierie systémique
Assess
Situation
Propose
Products
Deliver
Product
Assist
Customer
Back-end
Pattern detectionPattern detection
Voice (Siri, Alexa, Google Voice, …)Voice (Siri, Alexa, Google Voice, …)
Customer Interaction (e.g. Chatbots)Customer Interaction (e.g. Chatbots)
Robotic Process AutomationRobotic Process Automation
Smart AssistantSmart Assistant
Digital Traces
Wearables /
IOT
Digital Traces
Wearables /
IOT
FraudFraudunderwriting
recommendation
Automation
claims
Robot AdvisorRobot Advisor CoachCoach
5. Yves Caseau - Intelligence Artificielle au MEDEF – Janvier 2017 5/6
Les « Fintechs » et l’IALes « Fintechs » et l’IA
Exemples
Caractéristiques
•Focus sur l’histoire racontée au
client
•Automatisation pour rendre du
temps utile au client
•Assistance pour faciliter l’usage
Complexité de l’IA
•Outils open-source ou services GAFIM
•Algorithmes connus de data science
•Savoir-faire :
recettes
d’intégration
Points forts à imiter
•Capacité d’apprentissage à partir de la
donnée client, en cycle itératif
(ne pas sous-estimer un départ lent)
•Utilisation des piles logicielles modernes
(cloud), prêt pour le passage à l’échelle
6. Yves Caseau - Intelligence Artificielle au MEDEF – Janvier 2017 6/6
Premières recommandationsPremières recommandations
Collecter des jeux de données
Commencer à utiliser des réseaux
neuronaux pour des problèmes de
classification experte
(e.g. Tensor Flow)
Maitriser la technologie
d’automatisation (RPA)
Implémenter les premiers chatbots
d’assistance client sur des périmètres
fonctionnels simples
Etat d’esprit : innovation distribuée et émergenteEtat d’esprit : innovation distribuée et émergente
Collecte de données / jeux d’apprentissageCollecte de données / jeux d’apprentissage
Environnement Logiciel IA-friendlyEnvironnement Logiciel IA-friendly
Culture de Lab (Data Science)Culture de Lab (Data Science)
PersévérancePersévérance
Agile => anticipation
Construire des
compétences
d’intégration d’IA
Agile => anticipation
Construire des
compétences
d’intégration d’IA
Flux
logiciel
constant
Temps long de
construction
de
compétences
Niel Jacostein – Singularity
University:
(1)Invest
(2)Try free algos
(3)Crowd-source talents
(4)Do it yesterday
Niel Jacostein – Singularity
University:
(1)Invest
(2)Try free algos
(3)Crowd-source talents
(4)Do it yesterday
7. Yves Caseau - Intelligence Artificielle au MEDEF – Janvier 2017 6/6
Premières recommandationsPremières recommandations
Collecter des jeux de données
Commencer à utiliser des réseaux
neuronaux pour des problèmes de
classification experte
(e.g. Tensor Flow)
Maitriser la technologie
d’automatisation (RPA)
Implémenter les premiers chatbots
d’assistance client sur des périmètres
fonctionnels simples
Etat d’esprit : innovation distribuée et émergenteEtat d’esprit : innovation distribuée et émergente
Collecte de données / jeux d’apprentissageCollecte de données / jeux d’apprentissage
Environnement Logiciel IA-friendlyEnvironnement Logiciel IA-friendly
Culture de Lab (Data Science)Culture de Lab (Data Science)
PersévérancePersévérance
Agile => anticipation
Construire des
compétences
d’intégration d’IA
Agile => anticipation
Construire des
compétences
d’intégration d’IA
Flux
logiciel
constant
Temps long de
construction
de
compétences
Niel Jacostein – Singularity
University:
(1)Invest
(2)Try free algos
(3)Crowd-source talents
(4)Do it yesterday
Niel Jacostein – Singularity
University:
(1)Invest
(2)Try free algos
(3)Crowd-source talents
(4)Do it yesterday
Notes de l'éditeur
Citer des chiffres clés
Donner d’autres exemples avec des courbesLe point clé est que nous avons dépassé les perfs humaiune
Réponse
Oui c’est une révolution car une rupture => effet immédiats et à venirAttention : le champs de l’IA est vaste, la maturité est inégale
Les algos sont des commodités, les données moins et les protocoles d’apprentissage pas du tout !
Deep learning requires lots of data !
“on most problem small data is enough, but deep learning craves for data”
Ray Kurzweil on Alpha Go
Millions of plays => local grand master
Billions => beats Lee Sedol
Ca y est : arrive de la reco vocale
https://twitter.com/AndrewYNg/status/817224608822620160
2017 will be the year of the conversational computer
A mettre en slide animée !
https://en.wikipedia.org/wiki/Robotic_process_automation
Large insurance companies
Fukoku Mutual Life Insurance http://mainichi.jp/english/articles/20161230/p2a/00m/0na/005000c
Exemple Alliance : Claim management
Neil Jacobstein
https://su.org/faculty-speakers/neil-jacobstein/
Agile => anticipation
Build AI integration skills
Technology & opportunity will come, not known, but if you start when the opportunity is known it is too laye