Intelligence artificielle en appui à la compétitivité des entreprises

1. L’Intelligence Artificielle en
appui à la compétitivité des
entreprises
Dr. Ing. Maledh MARRAKCHI
Consultant
Avril 2018

2. Intelligence Artificielle:
Pourquoi
• L’IA est le domaine scientifique qui traite de l’étude, la conception et la
mise en œuvre de « systèmes intelligents ou ayant un comportement
intelligent ».
• Une IA s'adapte au moyen d'algorithmes d'apprentissage progressif
opérant sur les données pour produire un modèle/programme qui
acquière une compétence.
• Une IA ajoute de l'intelligence aux produits existants. Dans la plupart
des cas, l’IA ne se présente pas comme une application individuelle
mais intégrée à d’autres systèmes et Bases de Données.
• Une IA analyse de façon plus profonde les données et prend en
considération les régularités pour produire des modèles performants.
• L'IA atteint une précision dépassant celle de l’humain grâce à des
modèles profonds basés sur les réseaux de neurones: reconnaissance
faciale, diagnostic médical à partir d’imagerie médicale, optimisation,
…
2Avril 2018

3. Le marché de l’IA dans le
monde: source IDC
• Large adoption de systèmes cognitifs et d’Intelligence Artificielle (AI) dans divers
industries à l’échelle mondiale: évolution de $12.5 Md en 2017 vers plus de $47
Md in 2020,
• En 2017, la croissance du marché mondial en IA a été de 59,3%,
• Le marché des système cognitifs / IA connaîtra un taux de croissance annuel
composé (TCAC) de 55,1% sur la période de prévision 2016-2020,
• Toutes les grandes entreprises technologiques (GAFA, etc..) ont investi ce
marché, et le marché du capital risque est en plein essor pour les startups d’IA,
• Les secteurs où on trouve une richesse de données non structurées, un désir de
tirer parti de cette information, et une ouverture aux technologies innovantes
sont les secteurs cibles à court et moyen terme: la banque, la sécurité
nationale, l’investissement, la vente au détail, la santé et la production
manufacturière,
• Identifier, comprendre et agir sur les opportunités de croissance pour les
systèmes cognitifs / IA sera un facteur de différenciation pour la plupart des
entreprises,
3Avril 2018

4. L’IA un vecteur de la
révolution du numérique:
Intelligence
Artificielle
Puissance
de calcul
+
DATA
la Data nouvelle source de valeur
Monde connecté et
données massives
Renforcement de la
confiance des
transactions, sans tiers
de confiance,
traçabilité,
Accès à des modèles de
connaissances enfuis
Apporter une aide à la
décision
4Avril 2018

5. Les approches de l’IA:
5Avril 2018

6. Quelques faits marquants de
l’IA :
• 1956: Naissance de l’IA,
• 1965: Naissance du premier système expert DENDRAL, pour l’identification de la
composition chimique d’un matériau,
• 1997: Le programme Deep Blue de IBM bas le maître du jeu d’échec Gary KOSPAROV, un
tournant dans l’histoire de l’informatique,
• 2010: Mise en forme du concept de Deep Learning avec des: réseaux de neurones artificiels,
d’analyse discriminante et des puissances de calcul sur des mégadonnées,
• 2015: l’IA de IBM dénommée WATSON remporte deux des trois manches du jeu
télévisé Jeopardy! ,
• 2016: AlphaGo de DeepMind (filiale de Google) a appris en 4 heures par lui-même les
stratégies du Jeu de Go et a battu le meilleur joueur mondial de Go,
• 2017: AlphaGoZero apprend sans données humaines et bat les meilleurs joueurs aux échecs
et au Shogi,
• 2017: AutoML une IA de Google, a développé une IA « enfant » nommée NASNet, (nouveau
jalon IA 2.0)
6Avril 2018

7. Le Machine Learning: un
changement de paradigme
Ordinateur
Données
Programme
Sorties
Ordinateur
Données
Sorties
Programme
Approche traditionnelle:
Approche Machine Learning:
7Avril 2018

8. Ecosystème de l’IA:
• Des plateformes offrant des API qui permettent d’utiliser
des IA:
• Modèle commercial en mode SaaS:
• Acteurs technologiques: IBM, Microsoft, Amazon, Facebook, …
• Sociétés de Services Métiers: DataRobot (Finance), Chatfuel
(chatbot), Databricks, Amplero (marketing), FARMERS (agriculture),
SentenAi (logistique, IOT), FiveAI (voitures autonomes), Tamr
(approvisionnement), LogDNA (maintenance informatique
prédictive), DrakTrace (cybersécurité), …
• Modèle Open Source:
• Acteurs technologiques: Google, …
• Des plateformes ouvertes:
• Librairies Open Source: OpenML, Sickit-Learn, Shogun, Apache
Mahout, Spark MLIB, H2O, GoLearn, Weka, ConvNetJs, Anaconda, ….
8Avril 2018

9. L’IA dans l’entreprise:
RH: Moteur de
recommandations
de recrutement ou
mobilité interne
Finance: Moteur
prédictif du Chiffre
d’Affaires
Cybersécurité:
Modèle prédictif
pour prévention des
cyberattaques
SI: Maintenance
prédictive parc SI
Optimisation
de fonctions
transversales
Gestion optimisée
des Systèmes de
production
Optimisation des
Opérations:
supply-chain, …
Moteur prédictif
pour le Revenue
Management
Automatisation
Audit terrain
Optimisation
de processus
Cœurs de
Métier
Ciblage marketing
individualisé:
segmentation,
rétention, ..
Chatbots
Moteur Conseiller
Client , Self care
Prédiction de
l’efficacité des
actions
commerciales
Marketing,
Relation
client
Assistant auto
apprenant
Prédiction de
nouveaux
comportements
Nouveaux services
ou produits
boostés par l’IA
…..
Nouveaux
Business
Modèles
….
Nouveaux
Métiers
Criticité Stratégique Croissante, donc besoin d’appropriation des algorithmes
9Avril 2018

10. Démarche pour la pénétration
de l’IA dans l’entreprise:
Mobilisation du CODIR sur le sujet de l’IA:
•Démonstrations explicites
•Sensibilisation, Formation
Identification de Cas d’usage:
•Brainstorming
•Revue de l’état de l’art et de la concurrence
Mise en place d’une Cellule IA/ML:
•Veille technologique
•Stratégie de l’entreprise en matière d’IA
Priorisation des Cas d’usage du plus simple
au plus complexe:
•Définition des conditions de succès et des objectifs
• Analyse de faisabilité par rapport: disponibilité de
Data, Motivation des parties prenantes
Passer à la vitesse supérieur pour les cas
probants:
•Analyse des transformations nécessaires sur les
process
• Industrialiser le PoC
Révision de la Gouvernance de la Data:
•Prendre en considération le besoin d’alimentation
des IA mises en place par de nouvelles Data
• Politique d’acquisition, de stockage et d’exploitation
des Data
Traitement en mode PoC:
•Mise en œuvre avec premiers résultats rapides
•Analyse des résultats: Gains, Echecs
1
2
3
4
5
6
7
10Avril 2018

11. Processus de Mise en
Œuvre d’un PoC IA/ML:
Compréhension du
métier Modélisation Mise en Production
11Avril 2018

12. Secteurs avec potentiel:
• Banques:
• Relation client,
• Analyse des risques crédits,
• Détection de Fraudes de paiement en
ligne,
• Segmentation des clients, ciblage de
nouveaux produits,
• Assurances:
• Relation client,
• Détection de Fraudes,
• Prédiction du volume des sinistres,
• Santé:
• Diagnostic / pronostic de maladies,
• Assistance aux personnes âgées et
malades,
• Monitoring intelligent,
• Agriculture:
• Optimisation des ressources,
• Prédiction des récoltes,
• Prédiction du chiffre d’affaire,
• Diagnostic des maladies,
• Conseil /assistance,
• Energie:
• Smart Grid,
• Prédiction de la production des
installations solaires, éoliennes,
• Diagnostic de dysfonctionnements,
• Optimisation énergie habitation,
• Grande distribution:
• Relation client,
• Détection de Fraudes,
• Segmentation des clients, ciblage de
nouveaux produits,
• Telecom:
• Relation client,
• Détection de Fraudes,
• Segmentation des clients, ciblage de
nouveaux produits,
• Gestion du churn
• Optimisation des réseaux
• Transport:
• Relation client,
• Optimisation des ressources,
• Prédiction des trafics,
• Assistance au personnel naviguant,
• Transport intelligent,
12Avril 2018

13. A votre service
Maledh MARRAKCHI
Email: contact@mindofmind.com
m.maledh@gmail.com
Mobile: 98545336
13Avril 2018