L’étude a pour but d’aborder avec une approche holistique la relation entre nous-mêmes et les systèmes de performances fondés sur les bases de données que nous générons.
Ce mémoire traite d’un fait sociétal en vue de servir de préambule à des supports de recherche stratégiques ainsi qu’à tous les acteurs souhaitant implémenter, à leur rythme, l’intelligence artificielle au sein de leur stratégie marketing. Afin de mener à bien la rédaction de ce mémoire, je me suis inspiré de différents articles, courants de pensée et idées (futurologues, sociologues, Théoriciens experts en IA etc.…) qui m’ont aidé à relater certains faits, mais également à soutenir les opinions que j’évoquerai au sein de ce travail de recherche.
Nous avons encore peu de recul suite à la recense de ce sujet sociétal, j’ai donc pensé plus judicieux d’établir la rédaction d’une étude descriptive.
Du fait que les données relatives à cette problématique, connaissant une croissance ultra exponentielle,
Il était donc moins intéressant de faire une étude quantitative, à défaut que ma recherche ne devienne rapidement obsolète…
Pour la rédaction de ce travail, je me suis appuyé sur différents travaux de recherches d’autres chercheurs et professeurs ; certains ont été traduits et reformulés pour une meilleure compréhension et adaptation à la problématique.
Cette étude permettra de mieux appréhender et d’anticiper les mutations économiques, sociales, culturelles auxquelles nous allons assister du fait de l’évolution du marketing appuyé par l’IA et des influences et modifications contextuelles que ces éléments divergeant génèrent.
Notons que nous passons d’un environnement qui était, jusqu’à présent, politique et économique à une dimension qui devient majoritairement scientifique et numérique. Il y a de grandes problématiques à résoudre en matière d’éthique, de philosophie de la machine. Il y a également des problématiques sérieuses de réformes en matière d’éducation, et surtout en Europe…
Au sein de ce mémoire, j’adapte une méthode de recherche scientifique, découlant sur une vision des aspects sociaux économiques relatifs à mon sujet. J’évoque ma vision axée sur des faits tangibles et scientifiques ainsi que sur mon anticipation du futur. (Au sein de ce travail de recherche les citations entre guillemets sans auteur proviennent de moi)
« Nous ne savons pas où nous allons, mais du moins il nous reste bien des choses à faire. » — Alan Turing
L'intelligence Artificielle au service du marketing
1. MEMOIRE DE RECHERCHE
Présenté en vue de l’obtention :
Master of Science: Digital marketing and sales
SPÉCIALITÉ: Marketing digital
2018-2019
IA ET BIG DATA
Aaron-BESNAINOU
_________________________________________________________________________
2. Problématique :
« L’impact de l’intelligence artificielle sur le marketing ».
Sous la direction de : Madame Nadia JOUINI, professeur de Marketing à Kedge Business School
Lesopinionsexpriméesdanscemémoiresontpropresàleurauteuretn’engagentenaucuncasKEDGEBusiness
School et le programme Msc.
3. Je souhaite remercier Mme NADIA JOUINI pour ses conseils et son suivi.
Je souhaite remercier mon père VICTOR BESNAINOU pour sa relecture.
4. Introduction :
L’étude a pour but d’aborder avec une approche holistique la relation entre nous-mêmes et les systèmes de
performances fondés sur les bases de données que nous générons.
Ce mémoire traite d’un fait sociétal en vue de servir de préambule à des supports de recherche stratégiques ainsi
qu’à tous les acteurs souhaitant implémenter, à leur rythme, l’intelligence artificielle au sein de leur stratégie
marketing. Afin de mener à bien la rédaction de ce mémoire, je me suis inspiré de différents articles, courants de
pensée et idées (futurologues, sociologues, Théoriciens experts en IA etc.…) qui m’ont aidé à relater certains
faits, mais également à soutenir les opinions que j’évoquerai au sein de ce travail de recherche.
Nous avons encore peu de recul suite à la recense de ce sujet sociétal, j’ai donc pensé plus judicieux d’établir la
rédaction d’une étude descriptive.
Du fait que les données relatives à cette problématique, connaissant une croissance ultra exponentielle,
Il étaitdonc moins intéressant de faireune étude quantitative,à défautque ma recherchene deviennerapidement
obsolète…
Pour la rédaction de ce travail, je me suis appuyé sur différents travaux de recherches d’autres chercheurs et
professeurs ; certains ont été traduits et reformulés pour une meilleure compréhension et adaptation à la
problématique.
Cette étude permettra de mieux appréhender et d’anticiper les mutations économiques, sociales, culturelles
auxquelles nous allons assister du fait de l’évolution du marketing appuyé par l’IA et des influences et
modifications contextuelles que ces éléments divergeant génèrent.
Notons que nous passons d’un environnement qui était, jusqu’à présent, politique et économique à une
dimensionquidevientmajoritairementscientifiqueetnumérique.Ilyadegrandesproblématiquesàrésoudreen
matière d’éthique, de philosophie de la machine. Il y a également des problématiques sérieuses de réformes en
matière d’éducation, et surtout en Europe…
Au sein de ce mémoire, j’adapte une méthode de recherche scientifique, découlant sur une vision des aspects
sociaux économiques relatifs à mon sujet. J’évoque ma vision axée sur des faits tangibles et scientifiques ainsi
que sur mon anticipation du futur. (Au sein de ce travail de recherche les citations entre guillemets sans auteur
proviennent de moi)
« Nous ne savons pas où nous allons, mais du moins il nous reste bien des choses à faire. » — Alan
Turing
5. 1
PREFACE
L’idée directrice est basée sur l’angle des données que nous générons chaque jour. Avec le développement de
l’Internet des objets, nous produisons des quantités inimaginables de données. « Une aile du Nouvel Airbus 380
comporte mille capteurs électroniques ! Ces données ne peuvent être traitées que grâce à l’utilisation de l’IA. Ce
« tsunami » de données, en retour, est l’essence qui permet à l’IA de devenir plus puissante de jour en jour et
d’accroître la valeur de ses analyses. En 2020, l’humanité produira 1000 milliards de données numériques par
jour.Dansunmondequiproduitetabesoindel’exploitationdetoutescesdonnées,nousdevonsutilisertoujours
plus d’IA. L’essor du numérique et l’emploi de l’IA à grande échelle seront l’âge d’or des intellectuels. En
revanche, il y a un risque de création d’inégalités intellectuelles qui va se développer peu à peu, ce qui implique
une réflexion poussée sur un travail de reconversion des métiers « à faible valeur ajoutée ».
Pourquoi l’IA va-t-elle créer des inégalités ? notre modèle hiérarchique social, environnemental, juridique est-il
rationnel ? L’éducation prépare-t-elle vraiment aux métiers et aux valeurs de 2030-2050 ? Dans une ère où la
machine remplace progressivement l’homme dans les métiers de demain tels que la médecine, la comptabilité,
l’informatique…, les systèmes éducatifs n’ont pas, pour autant, évolué en conséquence. Alors que certains
établissementsscolairesn’onttoujourspasaccèsaunumérique,encomparantuneanciennevoitureouunancien
téléphone à un modèle actuel, on ne manquera pas d’être interpelé par le progrès. Pourtant, le fonctionnement
d’un établissement scolaire et l’évolution des processus éducatifs standardisés n’ont pas connu le même rythme
évolutif… Il en va de même pour le modèle gouvernemental : « à part le président Emmanuel Macron, aucun
président n’a jamais un ordinateur sur son bureau ! « Comment accéder aux mutations technologiques en
conservant les habitudes intellectuelles de nos grands-parents »1
Comment la valeur et la compétitivité des entreprises va-t-elle se développer par de nouveaux avantages
principalement axés sur la data et son processus de traitement ?
Comment nos entreprises vont telles faire face au développement des GAFA?
Enjeux associés : Big data
Littéralement, ce terme signifie méga données, grosses données ou encore données massives. Il désigne un
ensemble très volumineux de données qu’aucun outil classique de gestion de base de données ou de gestion de
l’information ne peut vraiment exploiter.
1
LaGuerreDesintelligencesLaurentAlexandrePreface
6. 2
En effet, nous créons environ 2,5 trillions d’octets de données tous les jours ; ce sont des informations provenant
de partout : messages que nous nous envoyons, vidéos que nous publions, informations climatiques, signaux
GPS, enregistrements transactionnels d’achats en ligne et bien d’autres encore ! Ces données sont baptisées Big
Data ou volumes massifs de données. Les géants du Web, au premier rang desquels Yahoo (mais aussi
Facebook et Google) ont été les tout premiers à déployer ce type de technologie. (Mcmanagement, s.d.)2
Cependant, aucune définition précise ou universelle ne peut être donnée au Big Data. Étant un objet complexe
polymorphe, sa définition varie selon les communautés qui s’y intéressent en tant qu’usager ou fournisseur de
services. Une approche transdisciplinaire permet d’appréhender le comportement des différents acteurs : les
concepteurs et fournisseurs d’outils (les informaticiens), les catégories d’utilisateurs (gestionnaires, responsables
des entreprises, décideurs politiques chercheurs), les acteurs de la santé et les usagers.
La quantité de données qui circulent à atteint un tel volume que ce phénomène génère de nouvelles
problématiques dans certains secteurs d’activité. 3
Pour résumer, les enjeux sont principalement :
-Sociaux: traitement et protection des données, étude des comportements etc
-Ethique : comportement
-Économique: rentabilité, progrèss marketing grâce aux traitements des données
-Analytique : identification, segmentation, adaptation
J’aborde ci-après tous les aspects de la révolution digitale intégrée au marketing.
Ce mémoire a donc pour but d’être utile à des clients professionnels, des entreprises en transition et/ou
reconversion digitale.
NOTION: Les décisions stratégiques sont désormais fondées sur les données.
Au préalable, il est primordial de prendre en compte une notion technique :
DATA = IA
Pas de Datas = Pas d’IA performante4
2
Les #BigData littéralement les « grosses données », ou mégadonnées , parfois appelées données massives... - Le blog de guycouturier-mcmanagement
http://guycouturier-mcmanagement.over-blog.com/2014/10/les-bigdata-litteralement-les-grosses-donnees-ou-megadonnees-parfois-appelees-donnees-
massives.html
3
Big Data and Analytics: Here, There, and Everywhere. (2019). Retrieved 14 October 2019, from https://www.technologyreview.com/collection/big-data-and-
analytics-here-there-and-everywhere/
4 Futura Science
https://www.futura-sciences.com/tech/definitions/informatique-intelligence-artificielle-555/
Interview : comment est née l'intelligence artificielle ? L’intelligence artificielle vise à mimer le fonctionnement du cerveau humain, ou du moins sa logique
lorsqu’il s’agit de prendre des décisions. Jean-Claude Heudin, directeur du laboratoire de recherche de l’IIM (Institut de l’Internet et du multimédia), nous
explique l'origine de ces recherches.
7. 3
Cette notion est rattachée au système de Deeplearning/machine learning qui implique que, plus une organisation
détient des données, plus elle sera performante en matière d’IA. Comment Facebook gagne de l’argent ?
Comment Google gagne de l’argent ? Pourquoi leurs avoirs financiers équivalent au PIB du Qatar? Ils ne
possèdent pourtant pas de valeurs énergétiques…Ils vendent de la DATA, et la DATA est plus chère que le
pétrole ou toute autre valeur énergétique ou minière.
Exemple concret : pour qu’un enfant puisse identifier un objet, il va falloir le lui montrer 3 fois. Si vous montrez
un arbre à un enfant de 3 ans, au bout de 3 fois, il saura l’identifier… Pour un système d’intelligence artificielle
cela est différent. Il faudra présenter l’objet a minima 12 fois au processeur pour que celui-ci puisse par la suite
l’identifierdefaçondéfinitive5
.Quipeutalimentersesprocesseursde12photosd’arbres,oud’autresobjetstoutes
les secondes ? Facebook, Google et ce, sans aucune requête de leur part, uniquement grâce à nos publications.
Leprocessusquelasociétéaconnulorsdesprécédentesrévolutionsindustriellesserépète:lamachineàvapeur,
le chemin de fer ou l’électricité ont rapidement constitué les nouvelles bases de l’économie et de la société.
Revenir en arrière aurait été très difficile et même impensable. Abandonner l’IA aujourd’hui, ce serait
abandonner son smartphone, bloquer Internet, affaiblir la recherche, handicaper des pans entiers de l’économie.
Notre civilisation repose d’ores et déjà sur l’IA. Et chaque jour qui passe accroît cette dépendance. La cause de
notre dépendance de l’IA ne réside pas seulement dans notre appétit insatiable pour des services sans cesse plus
performants. Nous dépendons aussi de l’IA car le monde créé par elle n’est visible et contrôlable que par elle.
Une mécanique imparable est amorcée par le véritable «datanami »qui déferle sur le monde…Demain, pour
rester compétitives, la majorité des entreprises et même les gouvernements vont développer des systèmes d’IA
sur des bases de données volumineuses.
Paradoxalement, certaines entreprises détiennent tellement de données qu’elles sont plus puissantes que certains
gouvernements. 6
5 Image recognition-based retail execution solution, p., & Image recognition-based retail execution solution, p. (2019). Artificial Intelligence, deep learning,
image recognition for retail- Planorama. Retrieved 11 October 2019, from https://planorama.com/ai/
6 Les GAFA sont-ils trop puissants?. (2019). Retrieved 10 October 2019, from https://grandes-ecoles.studyrama.com/espace-
prepas/concours/ecrits/hggmc/esh/economie/les-gafa-sont-ils-trop-puissants-7301.html
8. 4
Table des matières
PREFACE............................................................................................................................................1
GLOSSAIRE........................................................................................................................................6
I) NOTIONS ET CONTEXTE .......................................................................................................10
1.1. Naissance et évolution de l’intelligence artificielle..................................................................10
1.1.1. Qu’est-ce que l’intelligence artificielle ?.........................................................................10
1.1.2. Naissance de l’intelligence artificielle.............................................................................11
1.1.3. Avancé chronologique des performances ......................................................................11
1.1.4. Les systèmes experts......................................................................................................14
1.1.5. Le cognitivisme.............................................................................................................16
1.1.6 Le connexionnisme........................................................................................................17
1.2 Les différents types d’IA.......................................................................................................18
1.2.1 Perception et vision par ordinateur ...............................................................................18
1.2.2 Langage naturel et sémantique :....................................................................................19
1.2.3 Chatbot et agents conversationnels................................................................................19
1.2.4 Assistance vocale...........................................................................................................21
1.2.5 Reconnaissance faciale..................................................................................................22
1.2.6 Supports à la décision....................................................................................................23
1.2.7 Robotique.....................................................................................................................23
1.2.8 Analyse prédictive.........................................................................................................24
1.2.9 Marketing Automation.................................................................................................26
1.2.10 Simulation de systèmes complexes.................................................................................27
II) DOMAINES D’APPLICATION...............................................................................................28
2.1. Les différents domaines d’intelligences artificielles.......................................................28
2.1.1. Médecine.....................................................................................................................28
2.1.2. Banque ........................................................................................................................29
2.1.3. Service public .............................................................................................................30
2.1.4. Immobilier ..................................................................................................................31
2.1.5. Automobile..................................................................................................................32
2.1.6. Assurance....................................................................................................................33
2.1.7. Traduction ..................................................................................................................35
2.1.8. Architecture................................................................................................................36
2.1.9. Design et ergonomie...................................................................................................37
2.1.10. Cinéma.....................................................................................................................38
2.1.11. Jeux video................................................................................................................40
2.1.12. Éducation....................................................................................................................41
2.1.13. Les profils recherchés en matière d’IA ................................................................42
9. 5
2.2. Professions et mutations ...................................................................................................43
2.2.1. L’IA va t’elle rendre le marketing obsolète.............................................................43
2.2.2. Mutation et Reconversion professionnelle...............................................................44
III) L’intelligence artificielle intégrée aux solutions marketing..................................................45
3.1. L’intelligence artificielle intégrée aux solutions marketing ..........................................45
3.1.1. L’email marketing .....................................................................................................46
3.1.2. Le marketing automation..........................................................................................47
3.1.3. L’IA au sein du parcours client................................................................................51
3.1.4. L’influence de l’IA sur la relation b to c..................................................................54
3.1.5. Le marketing augmenté.............................................................................................59
3.1.6. Personnalisation de l’offre ........................................................................................61
3.2. Exploitation du big data au service du marketing .........................................................62
3.2.1. Approche marketing axée sur le big data................................................................62
3.2.2. Datamining .................................................................................................................66
3.2.3. Le marketing data driven..........................................................................................66
3.2.4. Création de campagnes personnalisées....................................................................72
3.2.5. Saisir le client en temps réel......................................................................................73
3.2.6. Blockchain ..................................................................................................................75
3.2.7. RGPD...........................................................................................................................76
IV) L’ IA et le marketing au sein du contexte social ....................................................................77
4.1. Modification du contexte, social, politique et économique............................................77
4.1.1. Les questions d’éthiques................................................................................................77
4.1.2. Capitalisme et big data..................................................................................................78
4.1.3. Réformes politiques.......................................................................................................79
4.1.4. Menace d’inégalités couteuses.......................................................................................82
4.1.5. Comment l’IA peut permettre d’améliorer les conditions de travail ..............................83
4.2. Recommandations.............................................................................................................84
4.2.1. Ethique.........................................................................................................................84
4.2.2. Educative......................................................................................................................85
4.2.3. Prédiction .....................................................................................................................86
Conclusion..........................................................................................................................................88
Bibliographie ....................................................................................................................................91
Travaux cités et sources d’inspiration ...........................................................................................92
10. 6
GLOSSAIRE
IA : Intelligence artificielle, approche visant à reproduire des modes de pensées et de raisonnement humains par
une machine.
DL : "Deep learning apprentissage profond Un algorithme de Deep learning va parcourir un grand nombre
d’exemples identifiés comme semblables, identifier lui-même des caractéristiques communes et utiles pour la
reconnaissance. Il va tester un nombre d’exemples à 6 ou 7 chiffres pour en déterminer efficacement les
caractéristiques. L’essor du Big Data peut lui fournir une multitude de données dans de nombreux domaines
(voir quelques exemples d’applications dans cet article). A titre d’exemple, Facebook utilise le Deep
Learning pour la reconnaissance faciale afin d’identifier automatiquement nos amis sur les photos.
Social media : Anglicisme réseaux sociaux
Automation : utilisation des services d’un logiciel dans une application informatique
Datamining : « Le Data Mining est en fait un terme générique englobant toute une famille d'outils
facilitant l'exploration et l'analyse des données contenues au sein d'une base décisionnelle de type
Data Warehouse ou DataMart. Les techniques mises en action lors de l'utilisation de cet instrument
d'analyse et de prospection sont particulièrement efficaces pour extraire des informations
significatives depuis de grandes quantités de données ».7
(Fernandez, Performance management & décision, 2018)
Big data : Les big data ou méga données désignent l'ensemble des données numériques produites par
l'utilisation des nouvelles technologies à des fins personnelles ou professionnelles. Cela recoupe les
données d'entreprise (courriels, documents, bases de données, historiques de processeurs métiers...)
aussi bien que des données issues de capteurs, des contenus publiés sur le web(images, vidéos, sons,
textes), des transactions de commerce électronique, des échanges sur les réseaux sociaux, des données
transmises par les objets connectés (étiquettes électroniques, compteurs intelligents, smartphones...),
des données géo localisées, etc.
L'expression « Big Data » date de 1997 selon l'Association for Computing Machinery. En 2001,
l'analyste du cabinet Meta Group (devenu Gartner) Doug Laney décrivait les big data d'après le
principe des « trois V » :BATX8
: Baidu, Alibaba, Tencen, Xiomi
7 Alain Fernandez. Management de la Performance et Aide à la Décision. (2019). Retrieved 13 October 2019, from https://www.alain-fernandez.info/
11. 7
« Baidu : le Google chinois. Fondé en 2000 par Robin Li, c'est le quatrième site le plus visité au
monde. Il reprend les mêmes fonctionnalités que Google (mails, agenda, plateforme de vidéos) et
commence à le concurrencer sur le terrain de l'intelligence artificielle ou la conduite autonome. Sa
capitalisation boursière avoisine les 65 milliards de dollars fin 2018, contre quand même 742 milliards
pour Google.
Alibaba : le cousin d'Amazon. Même s'il s'est diversifié, ce géant tire la grande majorité de ses
revenus du commerce en ligne. Fondé en 1999 par le désormais célèbre patron Jack Ma, qui a annoncé
il y a quelques jours tourner la page d'Alibaba, le groupe est aujourd'hui la plus grosse capitalisation
boursière d'Asie avec 440 milliards d'euros à la bourse de New York.
Tencent : parent de l'application WeChat, dont les multiples fonctionnalités rappellent largement
Facebook. Après les déboires de Facebook dans le scandale Cambridge Analyctica, le réseau social
se fait talonner par son concurrent chinois. Fin 2018, alors que la capitalisation boursière de Facebook
culminait à 404 milliards de dollars, celle de Tencent atteignaient 357 milliards.
Xiaomi : les smartphones chinois ont la côte. Encore très loin derrière Apple, Xiaomi est quand même
en pleine croissance grâce à des smartphones haut de gamme moins chers que le marché. »9
• Le Volume de données de plus en massif ;
• La Variété de ces données qui peuvent être brutes, non structurées ou semi-structurées ;
• La Vélocité qui désigne le fait que ces données sont produites, récoltées et analysées en temps réel.
(Futura, 2019, p. Les big data et le stockage des données)
Machine learning : Le Machine Learning est un sous domaine de l'Intelligence Artificielle alors que
le Deep Learning est un sous domaine du Machine Learning.
« Les domaines d’application et usages potentiels d’une Intelligence Artificielle sont de plus en plus
variés : compréhension du langage naturel, reconnaissance visuelle, robotique, système autonome,
Machine Learning … L’IA est un véritable atout pour la DSI ».10
Systèmes experts : « Un système expert est un outil capable de reproduire les mécanismes
cognitifs d'un expert, dans un domaine particulier. Il s'agit de l'une des voies tentant d'aboutir à
9
L'expansion des BATX, les GAFAM chinois. (2019). Retrieved 14 October 2019, from https://www.franceculture.fr/numerique/lexpansion-des-batx-les-
gafam-chinois
10
Intelligence Artificielle, Machine Learning, Deep Learning. (2019). Retrieved 13 October 2019, from https://www.oracle.com/fr/cloud/deep-learning-
intelligence-artificielle.html
12. 8
l'intelligence artificielle » mécanisation du raisonnement pour obtenir des déductions, des
conclusions.
Les systèmes experts s'appuient sur la connaissance du domaine, préalablement (et …
consciencieusement) communiquée par un expert.
D'une liste de déclarations, le système expert cherchera toutes les déductions possibles et tentera
d'aboutir à une conclusion.11
Cognitive computing : « Cette technologie repose sur des systèmes d'apprentissage informatique
utilisant le datamining, la reconnaissance de patterns et le traitement naturel du langage pour imiter
la façon dont fonctionne le cerveau humain » (L, LE BIG DATA , 2018)12
Moteur d’inférence : Un moteur d'inférence est un logiciel correspondant à un algorithme de simulation des
raisonnements déductifs. Un moteur d'inférence permet aux systèmes experts de conduire des raisonnements
logiques et de dériver des conclusions à partir d'une base de faits et d'une base de connaissances13
« Partie d'un
système expert qui effectue la sélection et l'application des règles en vue de la résolution d'un
problème donné ».14
Langage naturel : Le langage naturel est de plus en plus prisé dans les services d’accueil automatisé.
Cette technologie nommé TLMN afin de simplifier l’accès aux demandes d’information grâce à une orientation
plus rapide. (TLMN, s.d.)15
Il s’agit d’un serveur vocal qui écoute et analyse votre demande ce qui permet de directement rentrer en contact
avec un service le plus adapté à notre demande.
Réseaux neuronaux
Le cerveau humain est exceptionnellement complexe et littéralement la machine informatique la plus
puissante connue.
Neuralnetwork :Unréseaudeneuronesartificiels,ouréseauneuronalartificiel,estunsystèmedontlaconception
est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est
rapproché des méthodes statistiques ».16
Le fonctionnement interne du cerveau humain est souvent modelé autour du concept de neurones et
des réseaux de neurones connus sous le nom de réseaux neuronaux biologiques.
11
Intelligence artificielle, systèmes expert, moteurs d'inférences. (2019). Retrieved 12 October 2019, from
http://villemin.gerard.free.fr/Wwwgvmm/Logique/IAexpert.htm
12
Cognitive Computing – Définition, f., & L, +. (2019). Cognitive Computing – Définition, fonctionnement et secteurs d’application - LeBigData.fr.
Retrieved 13 October 2019, from https://www.lebigdata.fr/cognitive-computing-definition
13
Logique, raisonnement, expert, moteur d'inférence. (2019). Retrieved 12 October 2019, from http://villemin.gerard.free.fr/LogForm/Raisonne.htm
14
Moteur d'inférence. (2019). Retrieved 12 October 2019, from https://www.futura-sciences.com/tech/definitions/informatique-moteur-inference-580/
15
ThoughtCo. (2019). What is TLM in The Classroom?. [online]
Available at: https://www.thoughtco.com/tlm-teaching-learning-materials-2081658 [Accessed 10 Oct. 2019].
16
A Beginner's Guide to Neural Networks and Deep Learning. (2019). Retrieved 13 October 2019, from https://skymind.ai/wiki/neural-network
13. 9
On estime que le cerveau humain contient environ 100 milliards de neurones, qui sont connectés le
long de voies à travers ces réseaux.
À un niveau très élevé, les neurones interagissent et communiquent les uns avec les autres par
l'intermédiaire d'une interface composée de terminaux axonaux qui sont reliés à des dendrites à travers
un espace (synapse) comme le montre la figure ci-dessous.17
Un réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est
à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite
s'est rapproché des méthodes statistiques.
Voici une illustration interactives relatant le fonctionnement d’un réseau neuronal. (Tinker With a Neural
Network Right Here in Your Browser. Don’t Worry, You Can’t Break It. We Promise., s.d.)18
17
Castrounis, A. (2019). Artificial Intelligence, Deep Learning, and Neural Networks, Explained - KDnuggets. Retrieved 12 October 2019, from
https://www.kdnuggets.com/2016/10/artificial-intelligence-deep-learning-neural-networks-explained.html
18
Castrounis, A. (2019). Artificial Intelligence, Deep Learning, and Neural Networks, Explained - KDnuggets. Retrieved 12 October 2019, from
https://www.kdnuggets.com/2016/10/artificial-intelligence-deep-learning-neural-networks-explained.html
14. 10
I) NOTIONS ET CONTEXTE
1.1. Naissance et évolution de l’intelligence artificielle
1.1.1. Qu’est-ce que l’intelligence artificielle ?
Lamajoritédusavoirhumains’acquerrait,jusqu’aujourd’hui,pardesraisonnementsempiriques;nousdéduisons
selon une expérience…L’intelligence artificielle est la mise en œuvre de techniques, principalement
algorithmiques mimant des comportements visant à reproduire un mode de pensée et de réflexion humain :
percevoir,sedéplacer,agirsurlemonde,planifier…Enassociantunetransversalitédesdonnéesentreelles,l’IA
mobilise des connaissances multidisciplinaires et dépasse vite le cerveau humain en capacité d’analyse et de
calcul. L’intelligence artificielle, alimentée par l’air du Big data, se retrouve implémentée dans un nombre
exponentiel de domaines d’application. 19
L'IA est un ensemble de théories et de techniques développant des
programmes informatiques complexes capables de simuler certains traits de l'intelligence humaine
(raisonnement, apprentissage…). De l’intelligence artificielle découle peu à peu un nouveau marketing axé
principalement sur l’automatisation et la connaissance approfondie du client.
Tous les efforts de liaisons entre marketing et intelligence artificielle tendent vers la personnalisation de l’offre
par une connaissance client approfondie. Grâce à des bases de données que les consommateurs créent eux-
mêmes sur les plateformes en ligne, les entreprises optimisent des systèmes d’assistance, d’automatisation,
d’accompagnement d’expériences client, de plus en plus performants et également de plus en plus proches des
besoins clients.
L’intelligence artificielle est, à ce jour, plus humaine qu’artificielle ; tout ce que Siri nous dévoile, c’est de
l’intelligence humaine. La blague est humaine, la reconnaissance vocale est tirée des compétences humaines et
cetteIArecopiedeschoseshumainespourl’IAclassique;gardonsdoncàl’espritquepourlemomentlastructure
décisionnelle de l’intelligence artificielle est interdépendante à l’humain. 20
Par exemple, quand Google a gagné aux jeux de go, les algorithmes provenaient de parties jouées par des
humains et enregistrées ; le système a gagné car il avait un espace de stockage d’information élevé. Toutes les
stratégies et toutes les techniques pour gagner cette partie étaient pensées par des humains. 21
19
YouTube. (2019). A Brief History of Artificial Intelligence. [online] Available at: https://www.youtube.com/watch?v=056v4OxKwlI [Accessed 10 Oct. 2019].
20
Google.com. (2019). ai historical story - Google Search. [online] Available at
https://towardsdatascience.com/history-of-ai-484a86fc16ef
21
Qu'est ce que l'ia - Google Search. (2019). Retrieved 12 October 2019, from
https://www.google.com/search?q=qu%27est+ce+que+l%27ia&rlz=1C5CHFA_enFR847FR847&oq=qu%27est+ce+que+l%27ia&aqs=chrome..69i57.3079j0j1
&sourceid=chrome&ie=UTF-8
Medium. (2019). History of AI. [online] Available at: https://towardsdatascience.com/history-of-ai-484a86fc16ef [Accessed 24 Oct. 2019].
15. 11
L’intelligence artificielle est-elle réellement intelligente ou est-elle un mensonge politique ? L’équipe de
chercheurs qui a inventé ce mot en 1956 cherchaient des subventions ; ils ont donc recherché le mot qui
faciliterait le plus d’investissements en subvention. « Intelligence artificielle » est celui qui s’est imposé car les
autres mots étaient trop techniques.« Donc, on a appelé intelligence artificielle ce qui n’est pas du tout
intelligent »22
Il y a toujours un mélange entre l’intelligence artificielle et biologique ; l’intelligence artificielle sans
intelligence humaine n’existe pas.
La problématique de l’IA n’est donc pas l’IA et les systèmes experts, ce sont les interactions ainsi que la
coordination entre l’IA et l’iH.
1.1.2. Naissance de l’intelligence artificielle
Les scientifiques John McCarthy Marvin Minsky, Nathaniel Rochester et Claude Shannon, se sont réunis pour
une conférence sur le thème des machines pensantes ; c’est la première fois dans l’histoire que le terme
d’intelligence artificielle est utilisé. Ils commencent ensuite leur recherche par une description pointue des
mécanismes d’apprentissage et d’intelligence chez l’humain pour les reproduire avec une machine.
Naissance de l’IA : Notons que cette science, plus communément connue sous l’appellation de l’IA, ne date pas
d’hier.Eneffet,lespremièrestracesd’intelligenceartificielleremontentauxannées1950.(Dansunarticlepublié
par Alan Turing (Computing Machinery and Intelligence)
1.1.3. Avancé chronologique des performances
Lepremierordinateuren1938faisaituneopérationparseconde;ceuxactuelsnousassurerontbientôtunmilliard
de milliard d’opérations par seconde! La puissance informatique a donc été multipliée par 120 millions de
milliards en quelques décennies. Prenons l’exemple de notre smartphone : si nous avions voulu une puissance
similaire à notre smartphone actuel en 1961 cela aurait couté cent cinquante-trois mille milliards de dollars.23
En
effet, cela aurait nécessité des milliers de très puissants ordinateurs, soit une installation représentant la taille de
notre pays. Aujourd’hui, cette puissance tient dans notre main…
22
IA et travail : 14 scenarii d’avenir – Dr Laurent Alexandre – ETD 2018. (2019). Retrieved 13 October 2019, from
https://www.youtube.com/watch?v=UJkP3PH0wGI ; EuraTechnologie 11 Juillet 2018
23
Informatique: 93 millions de milliards d'opérations par seconde!. (2019). Retrieved 12 October 2019, from
https://www.lexpress.fr/actualite/sciences/informatique-93-millions-de-milliards-d-operations-par-seconde_1895989.html
16. 12
L’IAàunpotentielinfinipassantd’unchabotsommaireàunegestionautomatiquedefondsenfinance,uneaide
ou un diagnostic en médecine, une évaluation précise des risques en assurances etc.… Nous verrons par la suite
précisément les nombreux domaines auxquels l’IA s’applique. 24
L’essordel’intelligencecommenceen1956aveclesdébutsdel’informatique,lespremièresapplicationsdel’IA
sont liées aux mathématiques, la même année le premier logiciel le « Logic Theorist » est créé par Allen Newell
et Herbert Simon, ce logiciel réalise en autonomie des démonstrations de théorèmes mathématiques. 25
En 1957, le psychologue Frank Rosenblatt édita le premier programme d’apprentissage grâce à un réseau de
neurones simples nommé le Perceptron.26
Qui est donc aujourd’hui le plus vieil algorithme de DeepLearning ? 27
Entre temps, l’IA trouve un autre terrain d’étude avec la traduction automatique ; c’est en 1954, motivé par la
guerre froide entre l’URSS et les USA, qu’un premier programme de traduction voit le jour, il traduit 49 phrases
russeenanglais. 28
C’estàpartirde1957quelesprogrammess’améliorentréellementgrâceàNoamChomsky,29
un
chercheur linguiste américain qui invente des modèles mathématiques de Langage pour les rendre
compréhensibles aux machines.
L’IAserépandparlasuitedanslaculturepopulaire,en1968elleapparaitdanslefilm2001l’Odysséedel’espace
de Stanley Kubrick, on y voit un ordinateur intelligent capable de piloter un vaisseau à spatial.
La fin des années 1960 marque une période de crise pour l’intelligence artificielle, la recherche réduit
drastiquement suite à la désillusion scientifique, il faut dire que les machines sont encore loin d’une intelligence
humaine, les investissements se sont naturellement écroulés à leur tour, les premières questions éthiques
émergent. En 1965 le philosophe américain Hubert Dreyfus publie une première critique des recherches sur
l’intelligence artificielle. (paper, s.d.)
Il y conteste le fait que l’intelligence soit réduite à un simple calcul, soulignant l’importance des émotions et du
ressenti. 30
Dans les années 1980, les investissements repartent à la hausse et les recherches reprennent, c’est
l’époque des systèmes experts, l’idée étant qu’une machine effectue les mêmes analyses qu’un expert humain
dans un domaine bien précis, comme un diagnostic médical.
24
Indésciences. (2019). Alan Turing, l’ordinateur et les prémices de l’intelligence artificielle - Indésciences. [online] Available at:
http://www.indesciences.com/alan-turing-lordinateur-et-les-premices-de-lintelligence-artificielle/ [Accessed 10 Oct. 2019].
25
Logic Theorist | computer program. (2019). Retrieved 12 October 2019, from https://www.britannica.com/technology/Logic-Theorist
26
1957 : le Perceptron, première machine apprenante. (2019). Retrieved 12 October 2019, from https://www.lesechos.fr/idees-debats/dossiers/intelligence-
artificielle-IA-Gafa-AlphaGo-Watson/1957-le-perceptron-premiere-machine-apprenante-130009
27
Learning, P., & L, +. (2019). Perceptron – Tout savoir sur le plus vieil algorithme de Machine Learning - LeBigData.fr. Retrieved 12 October 2019, from
https://www.lebigdata.fr/perceptron-machine-learning
28
Google.com. (2019). alan turing first computer - Google Search. [online] Available at:
https://www.google.com/search?q=alan+turing+first+computer&rlz=1C5CHFA_enFR727FR727&oq=alan+turing+first+computer&aqs=chrome.69i57.4215j0j
7&sourceid=chrome&ie=UTF-8 [Accessed 10 Oct. 2019].
29
Noam Chomsky | Biography, Books, & Facts. (2019). Retrieved 12 October 2019, from https://www.britannica.com/biography/Noam-Chomsky
30
Aux origines de l'intelligence artificielle. (2019). Retrieved 12 October 2019, from https://www.franceculture.fr/numerique/aux-origines-de-lintelligence-
artificielle
17. 13
A la fin des années 1980, l’IA connait une nouvelle crise, l’émergence des ordinateurs personnels orientent les
financements dans l’informatique classique, ce n’est que dans les années 1990 que l’IA réintègre les laboratoires
de recherches stimulés par le progrès de l’informatique et le début du Big data.
En 1997 pour la première fois l’intelligence artificielle.
Deep Blue d’IBM bat le champion du monde d’échec Garry Kasparov ; la même année, un logiciel de
reconnaissance vocale développé par Dragon systems est installée sur Windows ; cette période marque aussi
l’essord’uneDeepLearninggrâceàdeschercheurs,commelefrancaisYannLeCun,quipermettentdesavancés
importantes dans la reconnaissance d’écriture et d’image; les nouvelles techniques mises au point sont ensuite
utilisées pour détecter des fraudes sur les chèques. 31
L’ère du big data et du Deep Learning
L'histoire de l'apprentissage profond remonte à 1943 lorsque Warren McCulloch 32
et Walter Pitts 33
ont créé un
modèle informatique basé sur les réseaux neuronaux du cerveau humain. Warren McCulloch et Walter Pitts
ont utilisé une combinaison de mathématiques et d'algorithmes qu'ils appelaient logique de seuil pour imiter le
processus de pensée. Depuis lors, l'apprentissage en profondeur n'a cessé d'évoluer au fil des ans, avec deux
ruptures importantes dans son développement.
Le développement des bases d'un modèle de propagation dorsale continue est attribué à Henry J. Kelley 34
en
1960. Stuart Dreyfus35
a proposé une version plus simple, basée uniquement sur la règle de la chaîne en 1962.
Le concept de rétro-diffusion existait au début des années 1960, mais n'est devenu utile qu'en 1985.
Au cours de la dernière décennie, l’iA prend un nouveau tournant grâce à la puissance de calcul des ordinateurs;
la capacité de stockage et l’accumulation des données augmentent de façon exponentielle et les améliorations
techniques développent ainsi la performance du Deep Learning et des nombreuses innovations technologiques
étourdissantes que nous passerons en revue ci-après.36
31
De Turing à Watson : genèse de l'intelligence artificielle. (2019). Retrieved 12 October 2019, from https://www.finedigit.com/post/de-turing-a-watson-genese-
de-lintelligence-artificielle
32
Juguet, F., Juguet, F. and Juguet, F. (2019). Warren McCulloch | La cybernétique, science du contrôle et de l’information. [online]
Cybernetique.hypotheses.org. Available at: https://cybernetique.hypotheses.org/tag/warren-mcculloch [Accessed 12 Oct. 2019].
33
Web.csulb.edu. (2019). Walter Pitts. [online] Available at: http://web.csulb.edu/~cwallis/artificialn/walter_pitts.html [Accessed 12 Oct. 2019].
34
Nytimes.com. (2019). Henry J. Kelley; Professor, 62. [online] Available at: https://www.nytimes.com/1988/02/13/obituaries/henry-j-kelley-professor-62.html
[Accessed 12 Oct. 2019].
Henry J. Kelley était professeur Christopher C. Kraft de génie aérospatial et océanique à l'Institut polytechnique de Virginie. Il a apporté des contributions
majeures à la théorie du contrôle, notamment en ingénierie aéronautique et en optimisation des vols.
35
Philosophy.fas.harvard.edu. (2019). In Memoriam : Hubert L. Dreyfus (1929-2017). [online] Available at: https://philosophy.fas.harvard.edu/news/memoriam-
hubert-l-dreyfus-1929-2017 [Accessed 12 Oct. 2019].
36
Les défis de l'intelligence artificielle et des nouvelles technologies dans l'agriculture | étude de marché Xerfi. (2019). Retrieved 12 October 2019, from
https://www.xerfi.com/presentationetude/Les-defis-de-l-intelligence-artificielle-et-des-nouvelles-technologies-dans-l-agriculture_9EEE16
18. 14
L’IA commence même à développer un volet casquette artistique, le programme Deep Dream analyse des
images et grâce à l’entrainement de plusieurs algorithmes, est capable de les modifier.
Enoctobre2015,l’IAAphaGoéditerparGoogle,batpourlapremièrefoislechampionEuropéendujeudeGo,
unjeudestratégieauxmilliardsdepossibilités. En2017,80%desplusimportantesentreprisesmondialesavaient
déjà investi dans l’intelligence artificielle.
Aprésent,lechampd’applicationdel’IAdemeureimmensemaislesquestionséthiquesévoquéesdèslesannées
1970 sont, plus que jamais, d’actualité et doivent nous inciter à réfléchir aux statuts des futures IA…
Le neurone a soixante millions d’années, le transistor37
60 ans, donc l’invention du microprocesseur est dix
millions de fois plus jeune que nos neurones. D’ici une quarantaine d’années, le transistor aura dépasser les
capacités de nos cerveaux biologiques.38
1.1.4. Les systèmes experts
« Comme son nom l’indique, un système expert est un outil capable de reproduire les mécanismes cognitifs
d’un expert au sein d’un domaine précis.
Le premier système expert est apparu aux Etats-Unis dans les années 1965, ce type de programme se
développe surtout dans les années 1980 ; ils sont principalement utilisés dans la finance ou encore dans la
détection de fraude pour des cartes de crédit.
Plus précisément, un système expert un logiciel permet de répondre à différentes questions à partir de faits et de
règles connues. »
Il peut donc servir d’outil d’aide à la décision ; nous étudierons, au sein de ce mémoire, l’aide apportée sur les
décisions stratégiques marketing et la relation client.
Un système expert est donc un ensemble de logiciel modélisant dans une domaine précis les compétences et les
modes de raisonnement d’un ou de plusieurs experts.
Un système expert est évolutif, cela signifie qu’il n’a pas besoin d’écrire de nouveaux programmes pour
réinjecter de l’information, grâce à son module d’acquisition qui permet d’incorporer une donnée nouvelle en
cours d’utilisation.
La machine rendue interactive peut détecter une erreur commise en cours de tâche par l’utilisateur.39
« On décrit des règles à suivre.
37
Composelec.com. (2019). Transistor. [online] Available at: http://www.composelec.com/transistor.php [Accessed 12 Oct. 2019].
38
YouTube. (2019). Will tomorrow's children attend eugenist schools? | Laurent Alexandre | TEDxParis. [online] Available at:
https://www.youtube.com/watch?v=wWF7R2vs3qM [Accessed 12 Oct. 2019].
39
Fohns Hopkins APL Technical Digest, Volume 7, Number 1 (1986)
19. 15
Il s’agit ensuite, de suivre ces règles générales.
On énonce toutes les règles en vrac, sans ordre particulier.
Seule condition pour être efficace : ne pas en oublier une seule.
Il faut identifier toutes les connaissances relatives au problème et les placer dans une base de connaissance. »
(Gerard, 2019)
Ex : si le feu est vert = avancer
Si détection obstacle = ralentir + contourner l’obstacle
Le système expert sert beaucoup aux utilisateurs pour le développement d’outils métiers, conçus pour aider des
utilisateurs dans un domaine particulier et trouver une solution adaptée à chaque questionnement, dans l’état
actuel des connaissances spécialisées acquises par le système.
Pour élaborer la conception d’un système expert, l’ingénieur cogniticien utilise une méthode essentiellement
clinique qui procède par étude de cas individuels empruntés aux sciences humaines.
En effet, il n’existe pas de méthodes prédéfinies pour cerner les différentes stratégies des experts, mais d’une
manière générale, le concepteur vise à dégager 3 niveaux au sein de la masse des connaissances :
Le niveau 1 concerne les procédures déductives utilisées dans le domaine considéré pour atteindre un niveau qui
soit le plus proche possible de la certitude.
C’est à ce niveau que réside le sens commun impossible à globaliser ; il n’est étudiable qu’au coup par coup.
Ex : un objet ne peut être qu’à un seul endroit à la fois, le temps est le même pour tout le monde, si je marche
c’est que je suis debout, si un objet est posé sur une table il ne peut pas flotter…
Le logiciel comprend un grand nombre de ce type de paramètres évoquant des faits appartenant au domaine de
la logique formelle.
Le niveau 2 implique la représentation de la connaissance au niveau conceptuel ou figureront les concepts dont
le spécialiste fait un usage courant.
Le niveau 3, c’est le niveau cognitif qui contiendra une quantité maximale de connaissances brutes relatives aux
domaines en question.
Un système expert comprend la base de faits qui contient les connaissances intangibles nécessaires à la pratique
et les informations déduites par le système. « On remarque que le système, suite aux déductions (conclusion),
trouvera de lui-même la solution : mécanisme de déduction appelé moteur d’inférences »40
40
LES SYSTEMES EXPERTS by Jo. (2019). Retrieved 12 October 2019, from http://www-igm.univ-mlv.fr/~dr/XPOSE2004/jvaldes/
20. 16
1.1.5. Le cognitivisme
Le cognitivisme part d’un courant d’apprentissage.
Bien que le cognitivisme explore, en premier lieu, sur des cerveaux biologiques, cette théorie
d’apprentissage est maintenant en phase avec le Machine Learning et a contribué à l’inspiration de
développement d’algorithme d’apprentissage profond.
Encoder l’information dans sa mémoire à long terme et y accéder dans les moments opportuns où l’information
est utile et/ou indispensable.
De base, le cognitivisme est une théorie d’apprentissage résultant d’étude sur le cerveau.
C’est également à la suite de ces travaux que l’ordinateur a été construit, un ordinateur étant constitué d’un
processeur qui traite l’information.
La structure de fichiers d’un ordinateur, nommée l’arborescence, stocke des catégories et des sous- catégories
d’informations. La pensée du courant cognitiviste est étroitement liée au fonctionnement du Deep Learning.
Apprendre, c’est ajouter de la nouvelle information à des informations déjà existantes dans la mémoire à long
terme.
Les systèmes de Deep Learning cumulent l’information ; l’importance du cognitivisme réside également sur la
nécessité d’avoir des connaissances intérieures ; si le système n’a pas un minimum de connaissances, il est
impossible de traiter une quelconque information, donc d’apprendre.
Le rôle des connaissances déjà acquises sera d’aider à la construction de nouvelles connaissances ainsi qu’à leur
organisation, au sein d’un système complexe (neuronal – système expert); l’information est hiérarchisée afin
d’aideràlaconstructionetl’organisationdesconnaissances;l’opérationtestedonclastructuredesconnaissances
du systèmes. 41
De cette façon est apparue l’idée d’exploiter des réseaux de concept, tous les logiciels nous permettant de créer
des réseaux de concept proviennent du cognitivisme.
41
Storrs, K., & Kriegeskorte, N. (2019). Deep Learning for Cognitive Neuroscience. Retrieved 12 October 2019, from https://arxiv.org/abs/1903.01458
21. 17
1.1.6 Le connexionnisme
Comprendre le cerveau biologique est un des plus grands défis de la psychologie ; pour cela
différentes approches et perspectives ont été développées.
L’émergence de la psychologie cognitive et de la machine de Turing a laissé place à une révolution
dans ce domaine. C’est à partir de ce moment que le cerveau humain commence à être considéré
comme un processeur d’information. Pour comprendre le connexionnisme « virtuel », il est important
d’intégrer le point de vue de la psychologie cognitive sur le cerveau biologique car la majorité des
systèmes intelligents ont pour modèle le cerveau humain.
(Neuropsychologie clinique, s.d.)42
« La psychologie cognitive comprend le cerveau humain comme
un processeur de l’information. Cela signifie qu’il s’agit d’un système capable d’encoder les données
provenant de son environnement, de les modifier et d’en extraire de nouvelles informations. De plus,
ces nouvelles données sont intégrées au système dans un continuum d’intrants et d’extrants. » La
notion de base du connexionnisme est la conception d’un ensemble de neurones disposés en réseau
virtuel ; chaque neurone est un point du réseau qui reçoit de l’information entrante et qui émet
également de l’information sortante. 43
Il existe des neurones particuliers, qui eux, sont chargés
uniquement de capter l’information extérieure ; on parle alors de première couche de neurones.
Le connexionnisme est composé d’algorithme de calculs que l’information traite via des modèles de
propagation d’activation. En d’autres termes, cela signifie que lorsqu’une information entre dans le
cerveau, les neurones s’activent en formant un modèle spécifique qui produira par la suite une sortie
de données.
Cela formera des réseaux entre neurones qui traiteront l’information rapidement et sans avoir besoin
d’algorithmes préprogrammés.
Pour comprendre cela, voici un exemple : Imaginez quelqu’un vous demandant de définir ce qu’est
un chat.
Lorsque le mot atteint votre oreille, il activera automatiquement l’ensemble de la liaison neuronale
de votre cerveau. 44
42
connexionisme - Google Search. (2019). Retrieved 10 October 2019, from
La définition de Connexionnisme. (2019). Retrieved 10 October 2019, from https://carnets2psycho.net/dico/sens-de-connexionnisme.html
43
Withrow, J., & Withrow, J. (2019). Cognitive Psychology & IA: From Theory to Practice - Boxes and Arrows. Retrieved 12 October 2019, from
http://boxesandarrows.com/cognitive-psychology-ia-from-theory-to-practice/
44
Le connexionnisme, un modèle de fonctionnement neuronal — Nos Pensées. (2019). Retrieved 12 October 2019, from https://nospensees.fr/le-
connexionnisme-un-modele-de-fonctionnement-neuronal/
Connexionnisme | Vocabulaire de la psychologie cognitive de la mémoire humaine | Memovocab. (2019). Retrieved 12 October 2019, from
http://memovocab.net/glossaire/glossa_af/connexionnisme.html
22. 18
« L’activation de ce groupe de cellules se propagera à d’autres cellules auxquelles il est relié, comme
celles liées aux mots mammifère, aboiement ou pelage. Et cela activera un modèle dans lequel ces
caractéristiques sont incluses, ce qui vous conduira à définir un chien comme « un mammifère
aboyant avec des poils ».
(nospensées.fr, s.d.)« Le connexionnisme un modèle de fonctionnement neuronal »45
1.2 Les différents types d’IA
1.2.1 Perception et vision par ordinateur
Il s’agit de tous les aspects de reconnaissance d’éléments, reconnaissance faciale, d’objets, d’images.
Usage : médecine, sécurité…
Cette forme d’intelligence artificielle permet d’identifier des éléments grâce un algorithme entrainé pour
mémoriser des formes prédéfinies, ce qui aide les ordinateurs à reconnaitre certains objets de manière toujours
plus rapide ; les réseaux sociaux utilisent la vision par ordinateur pour reconnaitre les amis à identifier sur les
photos ; ils collectent également les informations pour déterminer « qui » est « qui » et s’améliore en
permanence.46
45
cairn.infoouvrage:Traitédeneuropsychologieclinique,BernardVictorri,Chapitre7,2008Collection:Neuroscience&Cognition,Editeur:DeBoecksupérieu
46
Brownlee, J. (2019). A Gentle Introduction to Computer Vision. Retrieved 12 October 2019, from https://machinelearningmastery.com/what-is-computer-
vision/
23. 19
1.2.2 Langage naturel et sémantique
Analyse sémantique, reconnaissance de caractère numérique, alphabétique, interprétation de sens/ Usage :
traduction, service client,
Aujourd’hui, quand un client appelle un service client, il doit écouter fastidieusement un menu à choix multiples
ou des questions dichotomiques pour sélectionner son besoin. 47
La Caisse d’épargne a développé le langage naturel pour son service client ; demain, lorsqu’un client appellera
son agence, il sera invité à formuler oralement sa demande et le moteur de langage naturel identifiera le besoin
du client et le dirigera directement vers le service approprié. De ce point découle thème suivant.48
1.2.3 Chatbot et agents conversationnels
Les chatbots et les voicebots :
Les robots conversationnels ou chatbots sont ces interlocuteurs privilégiés, toujours présents et prêts à répondre
(parfois à côté du sujet...), illustrant les avancées de l'intelligence artificielle dans les domaines du marketing, de
la communication et de la relation client.
Présents dans les espaces de chat des sites web ou en messagerie instantanée, ils agissent comme de véritables
conseillers commerciaux, pour des demandes relativement simples et bien identifiées. Les Chatbots offrent de
nombreux avantages pour l’entreprise. Si le chatbot reste un robot conversationnel qui écrit des messages, SMS
ou autres, le Voicebot est un robot parlant ; en d'autres termes, encore plus près de l’humain…
L'intelligence artificielle progresse à un rythme rapide et cette distinction homme-machine se rétrécit d'une
manière confuse, surtout en regardant cette présentation par Sundar Pichai (PDG de Google) de la nouvelle
assistante vocale de la marque. Nous pouvons entendre la conversation entre un client (un robot donc) et
l'employé d'un coiffeur.... L'échange est simplement hallucinant de réalisme : l'employé ne détecte à aucun
momentque"cequi"luiestadressén'estpasunêtrehumainmaisunassistantvocal.End'autrestermes,unrobot
avec une voix humaine.49
47
Langage Naturel - Caisse d'Epargne. (2019). Retrieved 12 October 2019, from https://www.caisse-epargne.fr/particuliers/grand-est-europe/langage-
naturel.aspx
48
(2019). Retrieved 12 October 2019, from http://www.lattice.cnrs.fr/sites/itellier/articles/JFA98.pdf
Le connexionnisme, un modèle de fonctionnement neuronal — Nos Pensées. (2019). Retrieved 12 October 2019, from https://nospensees.fr/le-connexionnisme-
un-modele-de-fonctionnement-neuronal/
49
Le nouveau robot intelligent de Google fait polémique. (2019). Retrieved 12 October 2019, from https://www.lesechos.fr/tech-medias/intelligence-
artificielle/le-nouveau-robot-intelligent-de-google-fait-polemique-132468
24. 20
Les agents conversationnels automatisés, ce type d’IA est étroitement liée à celle évoquée ci-dessus (langage
natureletsémantique)dufaitqu’elleanalyselesenspourdévelopperunarbredécisionneldemessagesàadapter
selon sa programmation et l’analyse des messages de son interlocuteur.
Lavéritablerévolutionestlatechnologieconversationnelle,lavoixet,dansunecertainemesureleschatbot,sont
au centre de toutes les attentions.
La technologie conversationnelle est au fondement de toutes les grandes tendances alliant le mix IAxMarketing
que nous allons étudier.
La voix et les chatbot ne sont que 2 façons parmi tant d’autres d’engager une conversation.
Les moteurs de recherche, les applications mobiles, les applications vocales, les plateformes de chat participent
àlaformationd’unnouvelécosystèmetechnologiquefondésurlaconversationcapablederépondredirectement
à des questions qui sont posées par vos consommateurs.
Cequisignifie,quedanslemondeduwebactuel,c’estvotresitewebquisertdepointdecontactréférentcontrôlé
par votre marque.
Tandis que les réseaux sociaux, les systèmes de cartographie constituent vos applications tierces.
Dans un monde dominé par la conversation, ce seront les chatbot qui serviront de point de contact référant
contrôlé par votre marque, tandis que les assistants vocaux constitueront les nouvelles applications tierces.
Les moteurs de recherches ont été les premiers à utiliser de l’intelligence artificielle appliquée aux conversations
; c’est d’ailleurs dans ce cas que Google a fait évoluer son algorithme avec le lancement en 2012 de ce qu’on
appelle Knowledge Graph : « c’est un référentiel de données structurées qui représente des éléments du monde
réel et qui sont reliés les uns par rapport aux autres. » (4 grandes tendances du marketing ) 50
Ils ont été conçus
pour apporter des réponses directes à des questions.
Lorsque vous tapiez, par exemple, Renault Clio dans un moteur de recherche, vous obteniez en retour des liens
bleus qui renvoyait vers des pages contenant ces 2 mots clés.
Googlevoulaitdoncêtreencapacitéàrépondreàdesquestionsaussiprécisesque« oùpuis-jetrouverunRenault
Clio à proximité de chez moi » et a donc créer une technologie qui permet, non seulement de comprendre une
question d’un utilisateur, mais également d’aller chercher la réponse directement à partir de bases de données
structurées. Ces 5 dernières années, Google, Facebook, Amazon et bien d’autres ont travaillé à la formation de
leur propre base de données structurées pour pouvoir fournir aux consommateurs des réponses directes aux
questions qu’ils se posent, que ce soit de façon standard, ou via des requêtes vocalisées.
50
Andrieu, O. (2019). Le Knowledge Graph, c'est quoi ? (Vidéo SEO) - Actualités SEO et moteurs - Abondance. Retrieved 12 October 2019, from
https://www.abondance.com/20160308-16255-le-knowledge-graph-cest-quoi-video-seo.html
25. 21
« Ces dispositifs numériques sont composés de 3 éléments fondamentaux :
-leur interface avec laquelle vous pouvez interagir
-leurs algorithmes qui prennent la décision de quoi afficher ou analyser par une requête directement vocalisée
-Knowledge Graph qui est une base de données structurées qui fonctionne plus ou moins comme un cerveau et
qui contient tous les faits relatifs à votre marque.
En tant que marqueteur, vous ne pouvez contrôler ni les interfaces ni les algorithmes du futur ; par contre, vous
pouvez prendre le contrôle de ce que disent ces dispositifs numériques à chaque fois qu’ils posent une question
sur votre propre marque.
Votre marque est constituée de centaines de faits : vos produits, vos évènements, vos points de ventes, les
personnes qui vous représentent… Le but est donc d’aider ces nouveaux dispositifs basés sur la conversation, à
comprendre tous les faits relatifs à votre marque et à répondre de façon précise aux questions que posent vos
consommateurs, ce qui signifie que les tendances marketing IA s’accompagnent toutes de la nécessité
d’organiser, de mettre en place, de contrôler et de publier tous les faits relatifs à votre marque sur tous les
dispositifs numériques d’aujourd’hui et de demain.
1.2.4 Assistance vocale
Au fur et à mesure que les assistants personnels d'IA gagnent en popularité, l'interaction avec le client devient
une interaction basée sur l'IA. Au lieu d'avoir à se rendre sur un site de voyage saturé de pop up, de publicité
invasive de promotion etc… un voyageur indiquera simplement à son assistant intelligent où il veut aller, pour
combien de temps et dans quel but. L'assistant gère la myriade d'interactions en arrière-plan, présentant au
voyageur un itinéraire simple. La réservation d'un voyage devient une affaire personnelle, sans avoir à réitérer
ses préférences.
Pour l’exemple de voyage, un assistant vocal sera capable d’ici peu de trouver votre billet le moins cher via une
analyse rapide et précise des sources sur les moteurs de recherches. 51
Plus l’assistant vocal est utilisé, plus il sera performant ; nous pouvons également lui apprendre des
choses. Ex : si je dis au home assistant que mon équipe de foot préférée est celle de Dortmund, il va
le retenir. Si par la suite, je lui dis « quand est le prochain match de mon équipe » il me dira la
prochaine date du match de Dortmund. C’est grâce au deep learning et machine learning que
l’algorithme va apprendre et retenir.
À l'avenir, les canaux utilisés seront invisibles et sans importance pour le client qui utilisera la voix comme seule
porte d'entrée vers une expérience client sans tracas.
51
Le vocal, un marché prometteur. (2019). Retrieved 12 October 2019, from https://hubinstitute.com/2018/03/vocal-marche-etatdeslieux-bot-googleassistant
Infographie : les assistants vocaux gagnent du terrain - Conversationnel. (2019). Retrieved 12 October 2019, from https://www.conversationnel.fr/news-
agence/infographie-assistants-vocaux/
26. 22
Sears52
, en reconnaissance de l'énigme de l'IA, a récemment conclu une entente avec Amazon pour vendre des
appareils Kenmore intelligents qui se connectent à Alexa sur Amazon.12. Les actions de Sears Holding ont
augmentéde17%àl'annonce.13Silesentreprisesnecherchentpasàs'intégreraupaysageplusvastedel'IAqui
se profile, elles pourraient être délaissées.53
1.2.5 Reconnaissance faciale
La reconnaissance est un marché qui ne cesse de se développer et qui fait naitre de nombreux débats
à son sujet. En France, la reconnaissance faciale est utilisée depuis 2017 : à Paris, gare du Nord, pour
passer la douane lorsqu’on prend l’Eurostar ; c’est également le cas aux aéroports de Paris depuis
l’été 2018 ; pour déverrouiller son smartphone cette technologie est disponible depuis 2011 sur
Android. Il y a plusieurs étapes pour reconnaître un visage via la reconnaissance faciale : La première
étape consiste à capturer une référence, ce qui signifie prendre une photo qui va effectivement servir
de point de référence lié à un individu.
La seconde étape consiste à stocker la donnée pour pouvoir effectuer ultérieurement des
comparaisons. En comparant des images associées à des données, il devient possible pour
l’algorithme d’extraire le bon visage. 54
La troisième étape consiste à implémenter des points
algorithmiques représentant les points les plus importants du visage, notamment les yeux, le nez,
l’espacement des oreilles etc. Les éléments physiques sont mesurés sur le visage pour affiner la
reconnaissance.
Les applications de la reconnaissances faciales sont multiples et ne sont pas uniquement dédiées à
des fins de surveillance ou de reconnaissance propre.
L’Oréal a beaucoup misé sur cette technologie, le groupe a acheté la start-up (Modiface, s.d.)55
qui permet d’essayer de tester des nuances de couleurs sur ses cheveux.
Dernièrement, un partenariat a également été annoncé avec Amazon pour un outil qui permet
d’essayer virtuellement des rouges à lèvres. (Amazon, s.d.)56
52
Sears Holdings Corporation. (2019). Retrieved 28 October 2019, from https://searsholdings.com/
53
Are voice assistants and chatbots actually different? - Snips Blog. (2019). Retrieved 12 October 2019, from https://snips.ai/blog/are-voice-assistants-and-
chatbots-actually-different/
54
Facial Recognition Fears and Rihanna + LVMH. (2019). Retrieved 12 October 2019, from https://hbr.org/podcast/2019/05/facial-recognition-fears-and-
rihanna-lvmh
55
Modiface Inc. (2019). ModiFace - Augmented Reality. [online] Available at: http://modiface.com/ [Accessed 10 Oct. 2019].
56
ladepeche.fr. (2019). ModiFace : l'essayage virtuel de maquillage bientôt accessible sur Amazon. [online] Available at:
https://www.ladepeche.fr/2019/06/05/modiface-lessayage-virtuel-de-maquillage-bientot-accessible-sur-amazon,8239715.php [Accessed 10 Oct. 2019].
27. 23
1.2.6 Supports à la décision
Nous retrouvons ce type d’IA au sein de nombreux algorithmes comme celui de YouTube, mais
principalement dans les véhicules autonomes. Une intelligence artificielle s’éduque plus qu’elle ne se
programme ; il y a donc de nombreuses valeurs éthiques et philosophiques à inculquer à l’IA afin d’optimiser
les supports décisionnels de façon cohérente.
Ex : Si vous êtes dans une situation sensible à bord d’un véhicule autonome, une personne traversant
brutalement et un ravin à droite ? Quelle doit être la décision du support ? Percuter la personne ou vous jeter
dans le ravin ? Nous sommes encore loin de l’optimisation attendue au niveau des supports décisionnels à
intégrer aux dispositifs. 57
Les GAFA et BATX sont partis sur la modélisation d’un cerveau humain au sein du développement de
l’intelligence artificielle, ce qui reste compliqué du fait que même l’humain ne connaît pas encore parfaitement
son cerveau. Le modèle neurones interconnectés des systèmes experts, nous permettent de pouvoir nous
adapter en nous rapprochant d’un comportement humain et de permettre à des humains de s’interfacer avec de
l’IA. C’est ce qui permet à des acteurs néophytes de piloter l’intelligence artificielle d’une manière très simple,
comme ils pilotent leur entreprise. Aujourd’hui, la problématique est principalement liée à la vitesse du flow
d’information qui fait qu’une décision peut être faussée face à une saturation d’informations ; c’est là que l’iA
va pouvoir, en temps réel, filtrer les informations et les adapter au mode de fonctionnement de la personne et
non pas à un mode de fonctionnement général et générique.
1.2.7 Robotique
Automatisationd’actionsdemanutention:nousretrouvonsprincipalementcetyped’IAenlogistiquedesGAFA
et BATX afin de réduire les couts de main-d’œuvre humaine mais également d’accroitre la productivité.58
Dans
les entrepôts d’ALIBABA, le géant chinois du commerce en ligne, les robots font 70% du travail. Après un
départ raté dans les années 60, la robotique et l’intelligence artificielle atteignent désormais le stade de maturité.
57
La cartographie outil d’analyse au service de l’aide à la décision. (2019). Retrieved 12 October 2019, from https://portail-ie.fr/short/2066/la-cartographie-
outil-danalyse-au-service-de-laide-a-la-decision
Les outils d'aide à la décision : les principaux instruments pour décider. (2019). Retrieved 12 October 2019, from https://www.manager-go.com/gestion-de-
projet/aide-a-la-decision.htm
58
Jack Ma: "Everything we teach should be different from machines.". (2019). Retrieved 12 October 2019, from
https://www.youtube.com/watch?v=pa2EMaGPZKc
28. 24
1.2.8 Analyse prédictive
L’analyse prédictive est une branche du data mining utilisant le MachineLearning et la modélisation statistique
pour prédire le futur basé sur des données historiques.
L’application en marketing aujourd’hui est multiple.
Pourexemple,lesbanquesutilisentdesmodèlesprédictifspouraccepterourefuserunprêtmaiscen’estpastout.
Lamétéoutiliseégalementdesméthodesd’analyseprédictives,lesmoteursderecherchepourvoussuggérerdes
recommandations, votre boite email pour trier vos emails, en passer certains en spam ou indésirables.59
L’objectif de l’analyse prédictive est de prévenir l’évolution de votre activité à travers certains indicateurs en
utilisant des données rétrospectives.
Ces estimations sont réalisées grâce à des modèles mathématiques et permettent à vos collaborateurs de se
projeter à court et moyen terme en leur fournissant des données objectives.
L’analyse prédictive a donc pour but de vous guider rationnellement dans votre processus de prise de décisions
en vous fournissant des données objectives.
Pour exemple, un directeur de supermarché, qui souhaiterait revoir à la hausse ou à la baisse son budget
publicitaire. La première étape de notre analyse prédictive consistera à utiliser des données du passé afin
d’entrainer notre modèle.
La seconde étape consistera à faire varier notre budget publicitaire afin d’estimer son impact sur le chiffre
d’affaire. La troisième et dernière étape est plus orientée métier ; elle consistera à analyser les données générées
lors de la seconde phase afin de décider la révision à la hausse ou à la baisse le budget publicitaire. Il existe une
grande variété de modèles mathématiques ; cependant, il n’existe pas de règles clairement définies pour les
choisir. Par exemple, les régressions linéaires, dont l’objectif est d’estimer une variable numérique en fonction
d’une ou plusieurs autres variables numériques.
Il existe également des modèles capables de prendre en compte la spécificité temporelle dans les données, ces
modèles sont capables de tenir compte des phénomènes tendances ainsi que des notions de cyclicité ou de
saisonnalité dans ces mêmes données.
D’autresmodèlessontpluscomplexes,telsquelesréseauxdeneuronesquenousétudionsdanslasecondepartie
de ce mémoire. Le choix du modèle dépend de la taille ainsi que de la qualité des données et surtout de l’action
que l’on souhaite effectuer à la suite de cette prédiction générée.
59
W. (2019). What is Predictive Analytics ?. Retrieved 12 October 2019, from https://www.predictiveanalyticstoday.com/what-is-predictive-analytics/
softwebsolutions. (2019). How data science is used for weather forecasts and weather predictive analytics. [online] Available at:
https://www.softwebsolutions.com/weather-forecasting-using-data-science.html [Accessed 12 Oct. 2019].
29. 25
En 2012, un statisticien nommé Nate Silver60
avait réussi à prédire le résultat de toutes les élections dans les 50
états à l’encontre de certains experts politiques, grâce à sa modélisation.
Cette news a été reportée sur le site en ligne Mashable61
(Taylor, 2012)
Une société française nommée data publica 62
a utilisé l’INSEE pour essayer de réaliser automatiquement la
réforme des régions en utilisant un algorithme et a donc centralisé les données quotidiennes de mobilité de tous
les départements en France :
Combien de personnes habitent dans tel département et travaillent dans un autre ?
Cette étude de données de mobilité a permis d’établir une quantification, soit une mesure de l’interdépendance
économique des différents départements.
Cette métrique a été utilisée pour faire un découpage automatique.
L’objectif d’un e-commerçant est donc de faire venir un client son site web ; aujourd’hui nous sommes sur un
modèle de conversion qui cherche en permanence à être amélioré par le marketing prédictif.
La première étape en marketing prédictif consiste à collecter de la donnée pour ensuite l’associer à des méta tag
qui vont permettre de détecter des notions de sentiments.
Les marqueteurs analysent les signaux tels que le taux de rebond sur un site : comment le client déplacera-t-il sa
souris ? quelles sont les activités qu’il générera sur le site comme le fait de placer un produit en panier, générer
une vue produit, un achat un like , un partage …
Toutes ces activités tracées ont un poids au sein des algorithmes qui vont permettre de bien sélectionner les
produits à mettre en avant.
Pour enrichir sa performance, le marketing prédictif s’appuie également sur le social crawling, c’est à dire
l’analyse des données sociales récupérées principalement grâce à Facebook Connect. 63
Aujourd’hui, grâce à Facebook connect, nous pouvons récupérer principalement les likes Facebook de la
personne et ceci nous aide à affiner la qualité de la recommandation.
Une fois les données collectées et analysées, plusieurs solutions de marketing prédictif peuvent s’appliquer ; la
première est un module de recommandation personnalisé.
L’objectif des recommandations et de proposer pour chaque visiteur les produits, les contenus, ou offres
commerciales pour lesquelles le prospect aura le plus d’intérêt potentiel.
60
IMDb. (2019). Nate Silver - IMDb. [online] Available at: https://www.imdb.com/name/nm3156370/bio [Accessed 12 Oct. 2019].
61
Taylor, C. (2019). Triumph of the Nerds: Nate Silver Wins in 50 States. [online] Mashable. Available at: https://mashable.com/2012/11/07/nate-silver-
wins/?europe=true [Accessed 12 Oct. 2019].
62
La startup du jour : Data Publica utilise le Big Data pour faire de la vente prédictive - FrenchWeb.fr. (2019). Retrieved 12 October 2019, from
https://www.frenchweb.fr/la-startup-du-jour-data-publica-utilise-le-big-data-pour-faire-de-la-vente-predictive/140349
Projects.fivethirtyeight.com. (2019). [online] Available at: https://projects.fivethirtyeight.com/2016-election-forecast/ [Accessed 12 Oct. 2019].
63
Le blog de Clever Age. (2019). Tutoriel pour découvrir Facebook Connect - Le blog de Clever Age. [online] Available at: https://blog.clever-
age.com/fr/2009/06/11/tutorial-pour-decouvrir-facebook-connect/ [Accessed 12 Oct. 2019].
30. 26
L’analyse prédictive appliquée au marketing digital est basée sur le même modèle de qualification qu’en point
de vente physique en incitant la personne à se qualifier, à nous expliquer ce qu’elle recherche (à l’instar d’une
boutiqueoùlapremièrechosequefaitlevendeurestdenousdemandercequel’onvientchercher)etparlasuite,
avec la mise en place de la contextualisation du reste du site en prédictif selon les données recueillies en amont.
L’e-mailing personnalisé est lui aussi une solution prédictive efficace, il enrichit les newsletters des clients tout
en leur proposant des produits pour lesquels ils ont le plus d’appétence.
1.2.9 Marketing Automation
Lemarketingautomationestutilisépourl’entreprise danslagestiondesscénariosdediffusionsdecontenus. Les
outils d’emailing automatiques sont considérés comme du marketing automation.
Avec le scénario actuel du monde numérique, l'automatisation du marketing n'est plus un concept nouveau. De
plus, l'automatisation du marketing est l'utilisation pratique de logiciels et de plates-formes pour automatiser les
tâches répétitives.
Ce processus permet à une personne de rationaliser, simplifier et mesurer les tâches et les flux de travail. En tant
qu'objectif global, Marketing Automation vise à accroître l'efficacité opérationnelle tout en augmentant les
revenus de l'entreprise.64
Comment fonctionne l'automatisation du marketing ? A un très haut niveau, les
campagnes d'automatisation du marketing envoient un contenu spécifique aux prospects en fonction de leur
comportement et de leurs données, dans le but de conclure plus de ventes.
En voici un exemple :« Vous envoyez un courriel invitant de nouveaux clients potentiels à participer à un
webinaire sur votre produit ou service. Les prospects sont priés de remplir un formulaire pour assister au
webinaire.Touteslespersonnesquirépondentparl'affirmativesontautomatiquementdirigéesversunenouvelle
liste de courriels (cela se produit dans votre outil d'automatisation du marketing).
Toutes les personnes de cette liste commencent automatiquement à recevoir une campagne d'éducation par
courriel. Il commence par l'envoi d'un courriel de remerciement à tous ceux qui ont participé au webinaire. Puis,
quelques jours plus tard, ils reçoivent un lien pour télécharger une étude de cas sur un sujet similaire. Enfin,
lorsque les prospects téléchargent cette étude de cas, ils sont automatiquement dirigés vers votre équipe de vente
afin qu'elle puisse faire le suivi auprès d'eux (parce que ces prospects sont beaucoup plus qualifiés dans le
processus d'achat).
64
DevriX. (2019). How Does Marketing Automation Work? A Beginner's Guide - DevriX. [online] Available at: https://devrix.com/tutorial/marketing-
automation-beginners-guide/ [Accessed 12 Oct. 2019].
31. 27
1.2.10 Simulation de systèmes complexes
Un système complexe est l'agencement d'un grand nombre d'éléments liés mais divers, avec des relations et des
interconnexions complexes. La recherche sur la complexité est appliquée dans un large éventail de domaines,
notammentledéveloppementdelogiciels,l'architecture,l'intelligenceartificielle,l'urbanisme,lesréseaux,labio-
informatique et le génie logiciel.
Les systèmes complexes sont généralement alimentés par de nombreuses sources et sont très changeants. Dans
le monde physique, le temps qu'il fait sur Terre est un exemple de système complexe. En technologie, l'Internet
est un excellent exemple d'un système complexe ou peut-être d'un système de systèmes : Un système vaste et
complexe composé de systèmes multiples, dispersés et indépendants. L'Internet des objets (IoT) en plein essor
ajoute de la complexité à mesure qu'il se développe en permettant de recueillir des données et d'interagir avec un
nombre toujours croissant d'appareils et d'objets, dont beaucoup peuvent aussi communiquer automatiquement
entre eux.
La recherche sur les systèmes complexes devient de plus en plus importante dans les sciences naturelles et
sociales. Il est communément sous-entendu qu'il existe un système complexe entre les disciplines. Toutefois, il
n'existe pas de définition concise d'un système complexe, et encore moins d'une définition sur laquelle toutes les
disciplines s'entendent“65
65
(2019). Retrieved 13 October 2019, from https://www.researchgate.net/publication/50210075_What_is_a_complex_system
32. 28
II) DOMAINES D’APPLICATION
2.1. Les différents domaines d’intelligences artificielles
L’IA s’applique à tous les secteurs d’activité économique : santé, énergie, transport, finance,
logistique, commerce. Véhicules autonomes, cloud, outils d’analyse utilisent des algorithmes
performants pour fournir des réponses avec fiabilité et pertinence. L’IA est un mix entre appareil
physique et logiciel 66
et cerveau biologique : c’est de cette façon qu’elle mobilise des connaissances
multidisciplinaires : électronique (collectes de données, réseaux de neurones) informatique (Deep
Learning, traitement de base de données ; Mathématiques (modèle d’analyse de données). 67
2.1.1. Médecine
Les dispositifs médicaux dans lesquels nous observons peu à peu une vaste implémentation de
l’intelligence artificielle permettent déjà des diagnostics plus précis qu’un cerveau humain et donc
de sauver des vies. Nous retrouverons l’intelligence dans la quasi-totalité des domaines
professionnels dans moins de 10 annéees. L’IA ne date pas d’hier certes; mais nous en sommes
qu’au début, le futur sera bluffant?…
Quelques exemples : une Apple Watch a sauvé un homme d’un arrêt cardiaque en
dermatologie : les diagnostics dermatologiques d’une intelligence artificielle. 68
« Comment les machines apprennent à diagnostiquer ?Les algorithmes d'apprentissage machine
peuvent apprendre à voir les modèles de la même façon que les médecins les voient. Une différence
clé est que les algorithmes ont besoin de beaucoup d'exemples concrets - plusieurs milliers - pour
apprendre.
66
l’intelligence artificielle déployée en médecine ("L’intelligence artificielle déployée en médecine", 2019) L’intelligence artificielle déployée en médecine.
(2019). Retrieved 10 October 2019, from
67
AI PARIS 2019 Salon Intelligence Artificielle
68
L’intelligence artificielle révolutionne la médecine | Microsoft experiences. (2019). Retrieved 10 October 2019, from
https://experiences.microsoft.fr/business/intelligence-artificielle-ia-business/intelligence-artificielle-medecine/
33. 29
Et ces exemples doivent être soigneusement numérisés - les machines ne peuvent pas lire entre les
lignes des manuels scolaires. L’apprentissage automatique est donc particulièrement utile dans les
domaines où l'information diagnostiquée par un médecin est déjà numérisée. »69
par exemple :
Détection du cancer du poumon ou des accidents vasculaires cérébraux par tomodensitométrie,
Évaluer le risque de mort cardiaque subite ou d'autres maladies cardiaques à l'aide
d'électrocardiogrammes et d'images d'IRM cardiaque. 70
2.1.2. Banque
Optimisation financière : IA pourra prochainement remplacer un conseiller financier.
Les discussions, les articles et les rapports sur les possibilités d'IA dans le secteur des services
financiers continuent de proliférer au milieu de l'engouement considérable pour cette technologie, et
pour de bonnes raisons : le potentiel d'économies pour les banques grâce aux applications
d'intelligence artificielle est estimé à 447 milliards de dollars d'ici 2023, dont 416 milliards de
dollars pour le front et le middle office, selon l'étude Autonomous Next, vue par Business Insider
Intelligence.
La plupart des banques (80%) sont très conscientes des avantages potentiels présentés par AI, selon
une enquête OpenText auprès des professionnels des services financiers. En fait, de nombreuses
banques prévoient de déployer des solutions rendues possibles par l'intelligence artificielle : 75 %
des personnes interrogées dans les banques disposant de plus de 100 milliards de dollars d'actifs
déclarent qu'elles appliquent actuellement des stratégies d'intelligence artificielle, contre 46 % dans
les banques disposant de moins de 100 milliards, selon un rapport UBS Evidence Lab vu par
Business Insider Intelligence. Certains cas d'utilisation de l'intelligence artificielle ont déjà gagné en
importance dans les opérations des banques, les bavardages au front office et la fraude anti-
paiement au middle office étant les plus avancés. 71
Les banques peuvent utiliser l'intelligence artificielle pour transformer l'expérience client en
permettant des interactions clients 24 heures sur 24 et 7 jours sur 7 - mais l'intelligence artificielle
dans les applications bancaires ne se limite pas uniquement aux services bancaires de détail.
69
Artificial Intelligence in Medicine | The Top 4 Applications. (2019). Retrieved 11 October 2019, from https://www.datarevenue.com/en-blog/artificial-
intelligence-in-medicine
70
The Cutting-Edge Of AI Cancer Detection. (2019). Retrieved 12 October 2019, from https://www.forbes.com/sites/charlestowersclark/2019/04/30/the-cutting-
edge-of-ai-cancer-detection/
Bruno Sarrazin : L’Intelligence Artificielle, une aide à la décision en entreprise. (2019). Retrieved 13 October 2019, from https://www.youtube.com/watch?v=-
wByZtUnpMk
71
Business Insider France. (2019). The $450B opportunity for the applications of artificial intelligence in the banking sector & examples of how banks are using
AI. [online] Available at: http://www.businessinsider.fr/us/the-ai-in-banking-report-2019-6 [Accessed 12 Oct. 2019].
34. 30
Les back et middle offices de la banque d'investissement et tous les autres services financiers
pourraient également bénéficier d'AI.
Applications de l'IA dans le secteur bancaire
Les trois principaux canaux par lesquels les banques peuvent utiliser l'intelligence artificielle pour
réduire leurs coûts sont le front office (banque conversationnelle), le middle office (anti-fraude) et
le back office (souscription).72
2.1.3. Service public
IA dans le service public est un point sensible, car il faut éviter que l’intelligence artificielle
conduise à une société de surveillance comme c’est le cas en Chine.
Cela suppose d’avancer sur le plan technologique tout en conservant une intelligence artificielle qui
maintiennent nos valeurs européennes.
Dans le futur, un gouvernement mondial sur l’utilisation de nos cerveaux et sur les manipulations de
cerveau biologique pourrait aboutir à une neuro dictature.73
Aussi frappants que puissent être les programmes d'intelligence artificielle (et aussi troublants que
puissent être les cauchemars périodiques des cinéphiles qui font des cauchemars sur la conscience
de soi et la malveillance des robots), les technologies cognitives derrière l'intelligence artificielle
ont déjà un impact réel sur la vie et le travail de nombreuses personnes. Les technologies fondées
sur l'IA comprennent l'apprentissage automatique, la vision par ordinateur, la reconnaissance
vocale, le traitement du langage naturel et la robotique1 ; elles sont puissantes, évolutives et
s'améliorent à un rythme exponentiel. Les développeurs travaillent à la mise en œuvre de solutions
d'intelligence artificielle dans toutes sortes d'applications, depuis les voitures auto-pilotantes
jusqu'aux essaims de drones autonomes, des robots "intelligents" à la traduction vocale d'une
précision étonnante. Le secteur public cherche et trouve pertinemment des solutions applicatives en
vue d’optimiser les services ; en fait, les technologies cognitives pourraient éventuellement
révolutionner tous les aspects des opérations gouvernementales.
72
L'intelligence artificielle dans la banque et l'assurance | étude de marché Xerfi. (2019). Retrieved 14 October 2019, from
https://www.xerfi.com/presentationetude/L-intelligence-artificielle-dans-la-banque-et-l-assurance_9ABF90
73
Jean-François Copé et Laurent Alexandre : « L’intelligence artificielle doit être au cœur du grand débat». (2019). Retrieved 12 October 2019, from
http://www.leparisien.fr/politique/jean-francois-cope-et-laurent-alexandre-l-intelligence-artificielle-doit-etre-au-coeur-du-grand-debat-24-02-2019-8019195.php
35. 31
Par exemple, Citoyenneté et Immigration et Services du Département de la sécurité intérieure a créé
un assistant virtuel, EMMA74
, qui peut répondre avec précision au langage humain. EMMA utilise
son intelligence simplement, en montrant des réponses pertinentes aux questions - près d'un demi-
million de questions par mois à l'heure actuelle.
Tirant les leçons de ses propres expériences, l'assistante virtuelle devient plus intelligente au fur et à
mesure qu'elle répond à de nouvelles questions. Les retours d'information des clients indiquent à
EMMA les réponses qui lui ont permis de mieux comprendre les données dans le cadre d'un
processus appelé "apprentissage supervisé".
Aujourd'hui, l'employé typique du gouvernement répartit son travail parmi un "panier" de tâches.
En divisant les tâches en activités individuelles et en analysant dans quelle mesure chacune est
susceptible d'être automatisée, nous pouvons prévoir le nombre d'heures de travail qui pourraient
être libérées ou éliminées. Notre analyse a révélé que, sur des millions d'heures de travail effectuées
chaque année (sur un total de quelque 4,3 milliards d'heures travaillées) 75
un temps considérable
pourrait être libéré aujourd’hui, en automatisant des tâches que les ordinateurs effectuent déjà
régulièrement. Au bas de l'échelle, nous estimons que l'automatisation pourrait permettre au
gouvernement fédéral d'économiser 96,7 millions d'heures par année, ce qui représente une
économie potentielle de 3,3 milliards de dollars ; au haut de l'échelle, cette économie pourrait
atteindre 1,2 milliard d'heures et 41,1 milliards de dollars par année.76
2.1.4. Immobilier
L’intelligence va faire gagner du temps en matière d’études transactionnelles.
En reconnaissant les relations et les tendances dans de vastes ensembles de données, il est possible
d'examiner de plus près les effets des scénarios futurs possibles. Les évaluations subjectives sont
remplacées par des données et des connaissances réelles, ce qui donne lieu à des décisions
judicieuses et spécifiques à la propriété. Grâce aux Smart Contracts, les informations pertinentes
des contrats et des documents peuvent être extraites et utilisées de manière significative. Ceci
augmentera la vitesse de transaction et réduira les efforts de recherche et de tri. Ainsi, les
algorithmes peuvent vérifier l'exhaustivité des salles de données virtuelles ou, dans le cas d'une base
de données suffisamment solide, identifier les cibles d'investissement appropriées en fonction de la
matrice du portefeuille.
74
Emma · Homepage. (2019). Retrieved 14 October 2019, from http://emma-language.org/
75
How much time and money can AI save government? (2019). Retrieved 14 October 2019, from https://www2.deloitte.com/us/en/insights/focus/cognitive-
technologies/artificial-intelligence-government-analysis.html
76
Federal Government | Deloitte Insights. (2019). Retrieved 14 October 2019, from https://www2.deloitte.com/us/en/insights/tags/federal-government.html
36. 32
Dans la gestion d'actifs, l'utilisation possible de l'intelligence artificielle va des contrats
personnalisés avec les clients à la gestion de services de bâtiments intelligents en passant par la
gestion des contrats. En outre, l'évaluation immobilière, la gestion immobilière et la gestion des
installations changeront de plus en plus. Les applications possibles dans ces domaines comprennent
la collaboration simplifiée, les transactions poste à poste, la gestion de la chaîne
d'approvisionnement et la gestion des données.77
2.1.5. Automobile
L’intelligence artificielle associée à l’automobile évoque systématiquement voiture autonome ; or
l’IA prend du terrain sur nos véhicules dans bien d’autres domaines que la conduite autonome.
Que l’on soit pour ou contre, le véhicule autonome représente réellement un enjeu mondial, tous les
pays s’intéressent à la mobilité autonome. La problématique n’est donc pas propre uniquement aux
constructeurs automobiles, mais également à de nombreux territoires qui doivent faire face à des
enjeux de mobilité importants. Malgré les dernières avancées technologiques plutôt encourageantes,
l’arrivée des véhicules complètement autonomes sur nos routes n’est pas pour tout de suite, de
nombreux défis scientifiques restent à relever…
Les problématiques scientifiques sur lesquelles les constructeurs travaillent sont de différents
ordres. Une des problématiques importantes est celle de la localisation : un véhicule autonome doit
toujours concevoir l’environnement dans lequel il se trouve, chaussée, parking, chemin pour y
adapter son comportement.
Une seconde problématique est celle des algorithmes contrôle commande afin de permettre au
véhicule de respecter des trajectoires à suivre ainsi que des évitements d’obstacles. Le plus
important reste la compréhension fine de l’environnement dynamique d’un véhicule pour sécuriser
et détecter tous les obstacles potentiels pour un véhicule.
Pour comprendre l’environnement, comme le ferait une automobiliste par exemple, le véhicule doit
s’entrainer à reconnaître tout l’environnement qui l’entoure ; pour cela, la technique d’IA utilisée
est l’apprentissage profond ou Deep Learning basé sur des réseaux de neurones.
77
Artificial Intelligence in Real Estate. (2019). Retrieved 13 October 2019, from https://www.pwc.de/en/real-estate/digital-real-estate/artificial-intelligence-in-
real-estate.html
37. 33
« Les réseaux de neurones vont dialoguer avec des systèmes décisionnels, la sensibilité de cette
problématique est que ce type de situation, il ne faut pas se tromper une fois sur cent, ni une fois sur
mille, il ne faut jamais se tromper ». 78
De là, naissent des problématiques d’éthiques que nous étudierons par la suite.
Malgré la performance des réseaux de neurones, ils ne demeurent pas infaillibles, nous sommes
capables de les tromper. Entrainer l’algorithme consiste à lui présenter un grand nombre d’images
de personnes, de voitures, de sacs à mains et autres objets courants afin qu’il apprenne à les
reconnaître dans différentes conditions et surtout en temps réel.
2.1.6. Assurance
Ces dernières années, les changements apportés par la technologie dans nos quotidiens sont si
nombreux qu’ils sont indénombrables. Le secteur de l’assurance, qui est dans un besoin urgent de
redorer son image auprès du grand public, n’a pas échappé à cette métamorphose. L’incorporation
progressive de l’intelligence artificielle dans ses services semble cependant être à double tranchant.
L'intelligence artificielle dans l'assurance - Insights Up Front 79
:
Tendances que les chefs d'entreprise devraient connaître. Dans cet article, nous examinons trois
façons clés dont l'intelligence artificielle permettra aux assureurs, aux courtiers et aux titulaires de
polices de réaliser des économies, en s'appuyant sur les transformations en cours dans l'industrie de
l'assurance.80
Behavioral Policy Pricing: Les capteurs omniprésents de l'Internet des objets (IdO) fourniront des
données personnalisées aux plateformes de tarification, ce qui permettra aux conducteurs plus sûrs
de payer moins cher leur assurance automobile (appelée assurance basée sur l'utilisation) et aux
personnes ayant un mode de vie plus sain de payer moins cher leur assurance maladie.
Personnalisation de l'expérience client et de la couverture : L'intelligence artificielle permettra une
expérience d'achat automatisée trasparente, grâce à des robots de clavardage capables d'exploiter les
données géographiques et sociales des clients pour des interactions personnalisées.
78
La voiture superintelligente | Reportage CNRS. (2019). Retrieved 13 October 2019, from https://www.youtube.com/watch?v=aMHJZG7LglM
79
Digital, I., Cloud, D., Interview de Guillaume Thiollier, d., & artificielle, M. (2019). Insight (Insurance Post) rejoint le groupe Infopro Digital. Retrieved 12
October 2019, from https://www.argusdelassurance.com/acteurs/insight-insurance-post-rejoint-le-groupe-infopro-digital.118481
80
Intelligence artificielle et assurances : révolution ou transition ?. (2019). Retrieved 10 October 2019, from
https://selectra.info/assurance/actualites/generalites/intelligence-artificielle-revolution-ou-transition
38. 34
Les télécommunicateurs permettront également aux utilisateurs de personnaliser la couverture pour
des articles et des événements particuliers (ce que l'on appelle l'assurance sur demande).81
Règlement plus rapide et personnalisé des réclamations : Les interfaces en ligne et les experts en
sinistre virtuels rendront plus efficace le règlement des sinistres à la suite d'un accident, tout en
réduisant la probabilité de fraude. Les clients pourront également choisir les primes qu'ils utiliseront
pour payer leurs demandes de règlement (ce qu'on appelle l'assurance poste-à-poste (P2P)).
Le marché mondial de l'assurance tend à être associé à la méfiance du public (un sondage australien
a classé les travailleuses et travailleurs sexuels comme étant plus fiables que l'industrie de
l'assurance), ce qui peut présenter des défis uniques aux innovations technologiques - que ce soit par
l'IA ou autrement.
Par conséquent, l'une des principales préoccupations liées à l'introduction de nouvelles technologies
consistera à convaincre le public que l'automatisation n'est pas simplement un cheval de Troie pour
nier leurs allégations - une préoccupation que 60 % des consommateurs ont exprimée au sujet de
l'achat de couverture via chatbot, selon un récent sondage réalisé par Vertafore82
.
Emerj AI Research83
a beaucoup écrit sur le paysage de l'IA en assurance. Les lecteurs intéressés sont
invités à consulter notre rapport sur les cas actuels d'utilisation de l'IA chez les plus grandes
compagnies d'assurance des États-Unis.84
81
Zagorin, E. (2019). Artificial Intelligence in Insurance – Three Trends That Matter | Emerj. Retrieved 10 October 2019, from https://emerj.com/ai-sector-
overviews/artificial-intelligence-in-insurance-trends/
82
Vertafore | Vertafore. (2019). Retrieved 28 October 2019, from https://www.vertafore.com/
83
Emerj - Artificial Intelligence Research and Insight. (2019). Retrieved 28 October 2019, from https://emerj.com/
84
intelligence artificielle | L'assurance en mouvement. (2019). Retrieved 10 October 2019, from https://www.lassuranceenmouvement.com/tag/intelligence-
artificielle/