SlideShare une entreprise Scribd logo
L’intelligence artificielle sur de bonnes bases
Par Claude Marson
Expert en tendances informatiques
▪L'intelligence, c’est quoi exactement ?
▪« libre arbitre », capacité de décider d’une conduite à tenir,
indépendamment de toute contrainte ou apprentissage
▪Un être humain a conscience de ce qu’il fait. Pour lui, la décision est
distincte de la conscience qu’il en a. L’algorithme d’IA, n’a pas cette
perception.
▪Personne ne sait ce qu’est la conscience, ni où elle se situe.
L'Intelligence Artificielle est-elle intelligente?
L'IA sur le devant de la scène
Tout est imbriqué dans tout
Les réseaux neuronaux
Les réseaux neuronaux
▪C'est en 1958 qu'apparaît le
premier réseau neuronal
artificiel : le Perceptron de
Franck Rosenblatt.
▪Il est constitué d'une couche de
neurones en entrée, dite
"perception" et d'une couche de
sortie, dite "décision".
Positionnement vis-à-vis des réseaux neuronaux
▪Trois attitudes possibles par rapport à l'alchimie des réseaux neuronaux
▪Expert
▪Architecte
▪Développeur : perçoit les réseaux neuronaux et leur comportement à
travers les API et la programmation. Sait comment lancer une fonction
d'entraînement, dont on comprend le principe et la finalité, mais sans lui
associer une formulation mathématique : 35 % des besoins.
Expert Architecte Programmeur
▪L'utilisateur peut ne pas être concerné par la "mécanique" qui se trouve dans
le produit qu'il achète.
▪ Bonnes connaissances de base
▪ Logique mathématique, séquencement des
opérations logiques, capacité de formalisation
abstraite
▪ Calcul vectoriel
▪ Calcul matriciel
▪ Résolution de systèmes d’équations
▪ Dérivées et intégrales
▪ Modèles statistiques et compréhension des
critères :
médiane, écart type…
▪ Notions de probabilités
▪ Lois statistiques : Gauss, Poisson, etc.
▪ L'idéal serait d'avoir des idées sur les
transformées de Fourier et les convolutions
▪ N'ayez pas peur…
▪ Il ne s’agit pas de se transformer en mathématicien de métier, mais l'IA ne peut pas
s’envisager sans un minimum de connaissances maîtrisées…
Les bases mathématiques
Toute la question est de savoir jusqu’où il faut aller…
Les réseaux neuronaux
Les réseaux neuronaux
Les réseaux neuronaux sont des plateformes, sur
lesquelles sont implémentés des algorithmes, qui
simulent le comportement d'un cerveau humain
(neurones et synapses), par un système de couches de
processeurs (neurones), reliées par des connexions
réseaux (synapses).
Le principe d'un réseau neuronal
Concrètement…
Exemple d'un réseau convolutif
Comprendre l’intelligence artificielle [webinaire]
Les architectures de « Machine Learning »
« Machine Learning » (apprentissage automatique)
▪ Le « Machine Learning » (apprentissage automatique) est un algorithme qui apprend
un concept de manière progressive : un objet, un visage, une langue, un
comportement, un sentiment…
▪ Appliqué aux réseaux neuronaux, c'est l'opération qui consiste à ajuster tous les
paramètres du réseau de façon à ce qu'il approche au plus près la relation fonctionnelle
entre les entrées et les cibles.
▪ L'algorithme le plus simple est la régression linéaire, qui permet de séparer des
familles de points entre elles.
Apprentissage supervisé
▪ S'applique aux deux formes d'apprentissage, automatique et profond.
▪ 2 phases :
▪ Découverte (entraînement), pendant laquelle le réseau apprend sur un « dataset » de
données labellisées.
▪ Production dans laquelle le réseau propose des solutions, issues de son « expérience ».
▪ Les données sont labellisées par des informations qui vont ajouter un sens aux données
brutes.
Apprentissage supervisé : les questions
à se poser
Acquisition des « datasets »
Le problème délicat du « dataset »
▪ Deux notions particulières du « machine learning », le sur-apprentissage (overfitting) et le
sous-apprentissage (underfitting).
▪ Le sur-apprentissage correspond au fait que le modèle s’adapte bien, voire trop bien aux
données d’apprentissage.
▪ Le sous-apprentissage s’applique à la situation où le modèle n’arrive pas à s’adapter aux
données d’apprentissage. Il « patauge » et ne reconnaît pas la totalité des objets qu’on lui
soumet.
▪ L’objectif d’un bon modèle est de se situer entre les deux extrêmes et qu’on ne puisse pas le
« soupçonner » d’ « underfitting » ou d’ « overfitting ».
Sous-apprentissage et sur-apprentissage
Apprentissage non supervisé
▪L'algorithme effectue un apprentissage sans se faire aider
par un « dataset ».
▪Conception beaucoup plus complexe.
▪L'idée est souvent de regrouper les objets en familles
(clusters), d'où la confusion qui est souvent faite entre
mode supervisé et « clustering » : il faut déterminer des
points communs entre les éléments d'une même famille.
Apprentissage par renforcement
▪Algorithme qui permet d’optimiser l’ensemble des conséquences
(récompenses ou punitions) résultant d’une série d’actions portant sur
un environnement, dont elles font varier l’état.
Les réseaux de capsules
▪Une autre conception des réseaux neuronaux (Geoffrey Hinton).
▪Une capsule embarque tous les éléments caractéristiques d’un objet, la
« pose » : sa position, taille et orientation, luminosité et déformation par
rapport à une représentation idéale.
« Deep Learning »
« Deep Learning » (apprentissage profond)
▪Le « deep learning » ou apprentissage en
profondeur, est un ensemble de méthodes
qui bénéficient des progrès des réseaux
neuronaux, pour reconnaître des objets,
images, images dans les images, sons,
phrases dans une communication
téléphonique, etc.
▪Toujours 2 phases : une phase d'éducation ou
d'entraînement, qui s'effectue sur des
données labellisées et une phase de
découverte, sur des données non labellisées.
Les API de « Deep Learning »
▪Il existe désormais une importante panoplie d’API
dédiées, exploitables sans avoir nécessairement une
connaissance fine des mécanismes internes de la
technologie.
Les applications du « Deep Learning »
On peut aussi raisonner à l'envers…
Approche des développeurs : partir de l'application et choisir la
meilleure technologie neuronale.
Les algorithmes vont-ils dominer le
monde ?
2 écoles : ceux qui voient les machines et leurs algorithmes nous dépasser et
nous ramener au rôle d’observateur « zombique » qui n’aura plus de prise sur les
évènements et ceux qui, au contraire, pensent que les êtres humains vont
trouver les ressources nécessaires pour se « transhumaniser », modifier leur
comportement génétique et créer un genre nouveau, peut-être éloigné de ce
qu’il est aujourd’hui.
▪ L’idée que prônent certains scientifiques est que l’IA n’a pas besoin de nous
être supérieure au sens intelligence du terme, pour nous remplacer et donc de
disposer de sa propre conscience et libre-arbitre.
▪ La raison : nous ne sommes pas un modèle d’efficacité et il n’y a aucune
raison de vouloir nous imiter.
▪ Au contraire, c’est en s’améliorant sur ses points forts, le traitement des
données, que l’algorithme saura d’abord nous accompagner, puis nous
supplanter.
Les algorithmes ont-ils besoin d'être
intelligents pour nous remplacer ?
Dataïsme : la religion des données
▪Le livre deYuval Noah Harari, « Homo Deus », est venu
apporter un éclairage intéressant au débat.
▪Pour l’historien, l’Homo Sapiens que nous sommes
perd le contrôle de sa destinée : « Les gens ne devraient
pas se concentrer sur la question de savoir comment
arrêter le progrès technologique, parce que c’est
impossible ».
▪Une nouvelle philosophie s’installe, le dataïsme, qui
possède ses « grands prêtres », les évangélistes
technologiques. Pour ces nouveaux prophètes, le
dataïsme est une foi universelle dans le pouvoir des
algorithmes.
▪ Initiation à l’intelligence artificielle (IA101)
▪ Introduction au Machine Learning et au Deep
Learning (IA102)
▪ Mise en œuvre d’un projet IoT (Objets connectés) (TI142)
Formations offertes
Merci et au plaisir
de vous rencontrer en 2019!

Contenu connexe

Tendances

Intelligence artificielle et robotique
Intelligence artificielle et robotiqueIntelligence artificielle et robotique
Intelligence artificielle et robotique
SKYWARE COMPAGNY
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
PROF ALAIN NDEDI
 
AI_course.pdf
AI_course.pdfAI_course.pdf
AI_course.pdf
MissaouiWissal
 
Deep learning
Deep learningDeep learning
Deep learning
Bilal Rezkellah
 
Introduction: Intelligence Artificielle, Machine Learning et Deep Learning
Introduction: Intelligence Artificielle, Machine Learning et Deep LearningIntroduction: Intelligence Artificielle, Machine Learning et Deep Learning
Introduction: Intelligence Artificielle, Machine Learning et Deep Learning
Ncib Lotfi
 
Réseaux des neurones
Réseaux des neuronesRéseaux des neurones
Réseaux des neurones
Med Zaibi
 
Intelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéIntelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécurité
OPcyberland
 
Machine Learning et Intelligence Artificielle
Machine Learning et Intelligence ArtificielleMachine Learning et Intelligence Artificielle
Machine Learning et Intelligence Artificielle
Soft Computing
 
IA et éducation
IA et éducationIA et éducation
IA et éducation
François Guité
 
Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)
Soumia Elyakote HERMA
 
ChatGPT, Midjourney, la déferlante des IA génératives dans l'enseignement
ChatGPT, Midjourney, la déferlante des IA génératives dans l'enseignementChatGPT, Midjourney, la déferlante des IA génératives dans l'enseignement
ChatGPT, Midjourney, la déferlante des IA génératives dans l'enseignement
Alain Goudey
 
Deep learning
Deep learningDeep learning
Deep learning
Rostom Mamadji
 
Les réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNNLes réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNN
SALMARACHIDI1
 
Introduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptxIntroduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptx
whatinspiremyworld
 
Les 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learningLes 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learning
Hakim Nasaoui
 
Introduction au Deep Learning
Introduction au Deep Learning Introduction au Deep Learning
Introduction au Deep Learning
Niji
 
Les réseaux de neurones
Les réseaux de neuronesLes réseaux de neurones
Les réseaux de neurones
Mariam Amchayd
 
réseaux de neurones artificiels
réseaux de neurones artificiels réseaux de neurones artificiels
réseaux de neurones artificiels
Oussama Werfelli
 
Projet ROBOT MOBILE SUIVEUR DE LIGNE BASE SUR LE TRAITEMENT D'IMAGE
Projet ROBOT MOBILE SUIVEUR DE LIGNE BASE SUR LE TRAITEMENT D'IMAGEProjet ROBOT MOBILE SUIVEUR DE LIGNE BASE SUR LE TRAITEMENT D'IMAGE
Projet ROBOT MOBILE SUIVEUR DE LIGNE BASE SUR LE TRAITEMENT D'IMAGE
HASSOU mohamed
 
ChatGPT et IA : impacts sur le processus d'évaluation des étudiants
ChatGPT et IA : impacts sur le processus d'évaluation des étudiantsChatGPT et IA : impacts sur le processus d'évaluation des étudiants
ChatGPT et IA : impacts sur le processus d'évaluation des étudiants
Alain Goudey
 

Tendances (20)

Intelligence artificielle et robotique
Intelligence artificielle et robotiqueIntelligence artificielle et robotique
Intelligence artificielle et robotique
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
 
AI_course.pdf
AI_course.pdfAI_course.pdf
AI_course.pdf
 
Deep learning
Deep learningDeep learning
Deep learning
 
Introduction: Intelligence Artificielle, Machine Learning et Deep Learning
Introduction: Intelligence Artificielle, Machine Learning et Deep LearningIntroduction: Intelligence Artificielle, Machine Learning et Deep Learning
Introduction: Intelligence Artificielle, Machine Learning et Deep Learning
 
Réseaux des neurones
Réseaux des neuronesRéseaux des neurones
Réseaux des neurones
 
Intelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéIntelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécurité
 
Machine Learning et Intelligence Artificielle
Machine Learning et Intelligence ArtificielleMachine Learning et Intelligence Artificielle
Machine Learning et Intelligence Artificielle
 
IA et éducation
IA et éducationIA et éducation
IA et éducation
 
Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)
 
ChatGPT, Midjourney, la déferlante des IA génératives dans l'enseignement
ChatGPT, Midjourney, la déferlante des IA génératives dans l'enseignementChatGPT, Midjourney, la déferlante des IA génératives dans l'enseignement
ChatGPT, Midjourney, la déferlante des IA génératives dans l'enseignement
 
Deep learning
Deep learningDeep learning
Deep learning
 
Les réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNNLes réseaux de neurones convolutifs CNN
Les réseaux de neurones convolutifs CNN
 
Introduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptxIntroduction a IA(The first course of IA).pptx
Introduction a IA(The first course of IA).pptx
 
Les 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learningLes 10 plus populaires algorithmes du machine learning
Les 10 plus populaires algorithmes du machine learning
 
Introduction au Deep Learning
Introduction au Deep Learning Introduction au Deep Learning
Introduction au Deep Learning
 
Les réseaux de neurones
Les réseaux de neuronesLes réseaux de neurones
Les réseaux de neurones
 
réseaux de neurones artificiels
réseaux de neurones artificiels réseaux de neurones artificiels
réseaux de neurones artificiels
 
Projet ROBOT MOBILE SUIVEUR DE LIGNE BASE SUR LE TRAITEMENT D'IMAGE
Projet ROBOT MOBILE SUIVEUR DE LIGNE BASE SUR LE TRAITEMENT D'IMAGEProjet ROBOT MOBILE SUIVEUR DE LIGNE BASE SUR LE TRAITEMENT D'IMAGE
Projet ROBOT MOBILE SUIVEUR DE LIGNE BASE SUR LE TRAITEMENT D'IMAGE
 
ChatGPT et IA : impacts sur le processus d'évaluation des étudiants
ChatGPT et IA : impacts sur le processus d'évaluation des étudiantsChatGPT et IA : impacts sur le processus d'évaluation des étudiants
ChatGPT et IA : impacts sur le processus d'évaluation des étudiants
 

Similaire à Comprendre l’intelligence artificielle [webinaire]

Penser le laboratoire du futur... l'impact de L'IA
 Penser le laboratoire du futur... l'impact de L'IA  Penser le laboratoire du futur... l'impact de L'IA
Penser le laboratoire du futur... l'impact de L'IA
Yvon Gervaise
 
I BELIEVE I CAN FLY ( version française)
I BELIEVE I CAN FLY ( version française)I BELIEVE I CAN FLY ( version française)
I BELIEVE I CAN FLY ( version française)
Sebastien Juras
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielle
Sebastien Warin
 
Parlez-vous le langage IA ? 30 notions pour comprendre l'IA
Parlez-vous le langage IA ? 30 notions pour comprendre l'IAParlez-vous le langage IA ? 30 notions pour comprendre l'IA
Parlez-vous le langage IA ? 30 notions pour comprendre l'IA
BigBrain Evolution
 
On ne voit que ce que l’on regarde (French)
On ne voit que ce  que l’on regarde (French)On ne voit que ce  que l’on regarde (French)
On ne voit que ce que l’on regarde (French)
Nicolas Rougier
 
La Big Question du Big Data
La Big Question du Big DataLa Big Question du Big Data
La Big Question du Big Data
ITrust - Cybersecurity as a Service
 
Intelligence collective 2.0
Intelligence collective 2.0Intelligence collective 2.0
Intelligence collective 2.0
Antoine Taly
 
Intelligence Artificielle - La technique et l'éthique
Intelligence Artificielle - La technique et l'éthique Intelligence Artificielle - La technique et l'éthique
Intelligence Artificielle - La technique et l'éthique
Appstud
 
35 000 micro-décisions par jour : Comment mesurer et réduire l'effort cogniti...
35 000 micro-décisions par jour : Comment mesurer et réduire l'effort cogniti...35 000 micro-décisions par jour : Comment mesurer et réduire l'effort cogniti...
35 000 micro-décisions par jour : Comment mesurer et réduire l'effort cogniti...
Pierre-Majorique Léger
 
Cours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécuritéCours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécurité
OPcyberland
 
2 What is intelligence
2 What is intelligence2 What is intelligence
2 What is intelligence
Romaric Saounde Tsopnang
 
Les enjeux de l'information et de l'algorithmique dans notre société
Les enjeux de l'information et de l'algorithmique dans notre sociétéLes enjeux de l'information et de l'algorithmique dans notre société
Les enjeux de l'information et de l'algorithmique dans notre société
François-Guillaume Ribreau
 
Intelligence artificielle et bio-inspiration : s’adapter aux contextes change...
Intelligence artificielle et bio-inspiration : s’adapter aux contextes change...Intelligence artificielle et bio-inspiration : s’adapter aux contextes change...
Intelligence artificielle et bio-inspiration : s’adapter aux contextes change...
Nancy BOVY
 
A quoi ressemblera le travail de demain ?
A quoi ressemblera le travail de demain ?A quoi ressemblera le travail de demain ?
A quoi ressemblera le travail de demain ?
Chris Delepierre
 
Ch3 sma-architectures-2012
Ch3 sma-architectures-2012Ch3 sma-architectures-2012
Ch3 sma-architectures-2012
Sofia Zahid
 
IntelligenceArtificielle.pdf
IntelligenceArtificielle.pdfIntelligenceArtificielle.pdf
IntelligenceArtificielle.pdf
harizi riadh
 
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
OPcyberland
 

Similaire à Comprendre l’intelligence artificielle [webinaire] (20)

Penser le laboratoire du futur... l'impact de L'IA
 Penser le laboratoire du futur... l'impact de L'IA  Penser le laboratoire du futur... l'impact de L'IA
Penser le laboratoire du futur... l'impact de L'IA
 
I BELIEVE I CAN FLY ( version française)
I BELIEVE I CAN FLY ( version française)I BELIEVE I CAN FLY ( version française)
I BELIEVE I CAN FLY ( version française)
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielle
 
Parlez-vous le langage IA ? 30 notions pour comprendre l'IA
Parlez-vous le langage IA ? 30 notions pour comprendre l'IAParlez-vous le langage IA ? 30 notions pour comprendre l'IA
Parlez-vous le langage IA ? 30 notions pour comprendre l'IA
 
On ne voit que ce que l’on regarde (French)
On ne voit que ce  que l’on regarde (French)On ne voit que ce  que l’on regarde (French)
On ne voit que ce que l’on regarde (French)
 
La Big Question du Big Data
La Big Question du Big DataLa Big Question du Big Data
La Big Question du Big Data
 
Intelligence collective 2.0
Intelligence collective 2.0Intelligence collective 2.0
Intelligence collective 2.0
 
Intelligence Artificielle - La technique et l'éthique
Intelligence Artificielle - La technique et l'éthique Intelligence Artificielle - La technique et l'éthique
Intelligence Artificielle - La technique et l'éthique
 
35 000 micro-décisions par jour : Comment mesurer et réduire l'effort cogniti...
35 000 micro-décisions par jour : Comment mesurer et réduire l'effort cogniti...35 000 micro-décisions par jour : Comment mesurer et réduire l'effort cogniti...
35 000 micro-décisions par jour : Comment mesurer et réduire l'effort cogniti...
 
technomyths
technomythstechnomyths
technomyths
 
Cours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécuritéCours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécurité
 
2 What is intelligence
2 What is intelligence2 What is intelligence
2 What is intelligence
 
Les enjeux de l'information et de l'algorithmique dans notre société
Les enjeux de l'information et de l'algorithmique dans notre sociétéLes enjeux de l'information et de l'algorithmique dans notre société
Les enjeux de l'information et de l'algorithmique dans notre société
 
Intelligence artificielle et bio-inspiration : s’adapter aux contextes change...
Intelligence artificielle et bio-inspiration : s’adapter aux contextes change...Intelligence artificielle et bio-inspiration : s’adapter aux contextes change...
Intelligence artificielle et bio-inspiration : s’adapter aux contextes change...
 
A quoi ressemblera le travail de demain ?
A quoi ressemblera le travail de demain ?A quoi ressemblera le travail de demain ?
A quoi ressemblera le travail de demain ?
 
Ch3 sma-architectures-2012
Ch3 sma-architectures-2012Ch3 sma-architectures-2012
Ch3 sma-architectures-2012
 
Illusions cognitives
Illusions cognitivesIllusions cognitives
Illusions cognitives
 
Réseaux de neurones
Réseaux de neurones Réseaux de neurones
Réseaux de neurones
 
IntelligenceArtificielle.pdf
IntelligenceArtificielle.pdfIntelligenceArtificielle.pdf
IntelligenceArtificielle.pdf
 
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
 

Plus de Technologia Formation

Webinaire Cohésion - Optimisez vos communications par courriel et clavardage
Webinaire Cohésion - Optimisez vos communications par courriel et clavardageWebinaire Cohésion - Optimisez vos communications par courriel et clavardage
Webinaire Cohésion - Optimisez vos communications par courriel et clavardage
Technologia Formation
 
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Technologia Formation
 
Webinaire Technologia | DAX : nouvelles fonctions
Webinaire Technologia | DAX : nouvelles fonctionsWebinaire Technologia | DAX : nouvelles fonctions
Webinaire Technologia | DAX : nouvelles fonctions
Technologia Formation
 
Conférence Sommet de la formation 2024 : Développer des compétences pour la m...
Conférence Sommet de la formation 2024 : Développer des compétences pour la m...Conférence Sommet de la formation 2024 : Développer des compétences pour la m...
Conférence Sommet de la formation 2024 : Développer des compétences pour la m...
Technologia Formation
 
Webinaire Cohésion | Le pouvoir du mentorat au travail : pour qui, pourquoi, ...
Webinaire Cohésion | Le pouvoir du mentorat au travail : pour qui, pourquoi, ...Webinaire Cohésion | Le pouvoir du mentorat au travail : pour qui, pourquoi, ...
Webinaire Cohésion | Le pouvoir du mentorat au travail : pour qui, pourquoi, ...
Technologia Formation
 
Webinaire Cohésion | Les clés d’un processus de transformation numérique
Webinaire Cohésion | Les clés d’un processus de transformation numériqueWebinaire Cohésion | Les clés d’un processus de transformation numérique
Webinaire Cohésion | Les clés d’un processus de transformation numérique
Technologia Formation
 
Webinaire | Empathie : compétence clé de la gestion de conflits
Webinaire | Empathie : compétence clé de la gestion de conflitsWebinaire | Empathie : compétence clé de la gestion de conflits
Webinaire | Empathie : compétence clé de la gestion de conflits
Technologia Formation
 
Webinaire Technologia | Bienveillance au travail : une notion mal comprise
Webinaire Technologia | Bienveillance au travail : une notion mal compriseWebinaire Technologia | Bienveillance au travail : une notion mal comprise
Webinaire Technologia | Bienveillance au travail : une notion mal comprise
Technologia Formation
 
Webinaire Cohésion | ESG : Choisir de passer à l’action et connaître les bonn...
Webinaire Cohésion | ESG : Choisir de passer à l’action et connaître les bonn...Webinaire Cohésion | ESG : Choisir de passer à l’action et connaître les bonn...
Webinaire Cohésion | ESG : Choisir de passer à l’action et connaître les bonn...
Technologia Formation
 
Webinaire Gestion de projets: Intégrer l’IA comme alliée de votre succès
Webinaire Gestion de projets: Intégrer l’IA comme alliée de votre succèsWebinaire Gestion de projets: Intégrer l’IA comme alliée de votre succès
Webinaire Gestion de projets: Intégrer l’IA comme alliée de votre succès
Technologia Formation
 
Webinaire Cohésion - Vision Board par Lamia Rarrbo.pptx
Webinaire Cohésion - Vision Board par Lamia Rarrbo.pptxWebinaire Cohésion - Vision Board par Lamia Rarrbo.pptx
Webinaire Cohésion - Vision Board par Lamia Rarrbo.pptx
Technologia Formation
 
Automatiser avec Smartsheet.pdf
Automatiser avec Smartsheet.pdfAutomatiser avec Smartsheet.pdf
Automatiser avec Smartsheet.pdf
Technologia Formation
 
Webinaire - SAFe : comprendre l’agilité à l’échelle d’une organisation
Webinaire - SAFe : comprendre l’agilité à l’échelle d’une organisationWebinaire - SAFe : comprendre l’agilité à l’échelle d’une organisation
Webinaire - SAFe : comprendre l’agilité à l’échelle d’une organisation
Technologia Formation
 
Webinaire Technologia - Les nouveautés Teams – 5 octobre 2022
Webinaire Technologia - Les nouveautés Teams – 5 octobre 2022Webinaire Technologia - Les nouveautés Teams – 5 octobre 2022
Webinaire Technologia - Les nouveautés Teams – 5 octobre 2022
Technologia Formation
 
Webinaire Technologia - Les nouveautés Teams - 15 juin 2022
Webinaire Technologia - Les nouveautés Teams - 15 juin 2022Webinaire Technologia - Les nouveautés Teams - 15 juin 2022
Webinaire Technologia - Les nouveautés Teams - 15 juin 2022
Technologia Formation
 
Webinaire Technologia - Campagnes numériques: réussir sa planification
Webinaire Technologia - Campagnes numériques: réussir sa planificationWebinaire Technologia - Campagnes numériques: réussir sa planification
Webinaire Technologia - Campagnes numériques: réussir sa planification
Technologia Formation
 
Webinaire gestion du changement 21-11-24
Webinaire gestion du  changement 21-11-24Webinaire gestion du  changement 21-11-24
Webinaire gestion du changement 21-11-24
Technologia Formation
 
Webinaire Technologia - Safe : Qu'est-ce que l'agilité à l'échelle?
Webinaire Technologia - Safe : Qu'est-ce que l'agilité à l'échelle?Webinaire Technologia - Safe : Qu'est-ce que l'agilité à l'échelle?
Webinaire Technologia - Safe : Qu'est-ce que l'agilité à l'échelle?
Technologia Formation
 
Webinaire Technologia - L'intergénérationnel : les défis et les opportunités
Webinaire Technologia - L'intergénérationnel : les défis et les opportunitésWebinaire Technologia - L'intergénérationnel : les défis et les opportunités
Webinaire Technologia - L'intergénérationnel : les défis et les opportunités
Technologia Formation
 
Webinaire Technologia - Le Design Thinking, le chaînon manquant pour propulse...
Webinaire Technologia - Le Design Thinking, le chaînon manquant pour propulse...Webinaire Technologia - Le Design Thinking, le chaînon manquant pour propulse...
Webinaire Technologia - Le Design Thinking, le chaînon manquant pour propulse...
Technologia Formation
 

Plus de Technologia Formation (20)

Webinaire Cohésion - Optimisez vos communications par courriel et clavardage
Webinaire Cohésion - Optimisez vos communications par courriel et clavardageWebinaire Cohésion - Optimisez vos communications par courriel et clavardage
Webinaire Cohésion - Optimisez vos communications par courriel et clavardage
 
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
 
Webinaire Technologia | DAX : nouvelles fonctions
Webinaire Technologia | DAX : nouvelles fonctionsWebinaire Technologia | DAX : nouvelles fonctions
Webinaire Technologia | DAX : nouvelles fonctions
 
Conférence Sommet de la formation 2024 : Développer des compétences pour la m...
Conférence Sommet de la formation 2024 : Développer des compétences pour la m...Conférence Sommet de la formation 2024 : Développer des compétences pour la m...
Conférence Sommet de la formation 2024 : Développer des compétences pour la m...
 
Webinaire Cohésion | Le pouvoir du mentorat au travail : pour qui, pourquoi, ...
Webinaire Cohésion | Le pouvoir du mentorat au travail : pour qui, pourquoi, ...Webinaire Cohésion | Le pouvoir du mentorat au travail : pour qui, pourquoi, ...
Webinaire Cohésion | Le pouvoir du mentorat au travail : pour qui, pourquoi, ...
 
Webinaire Cohésion | Les clés d’un processus de transformation numérique
Webinaire Cohésion | Les clés d’un processus de transformation numériqueWebinaire Cohésion | Les clés d’un processus de transformation numérique
Webinaire Cohésion | Les clés d’un processus de transformation numérique
 
Webinaire | Empathie : compétence clé de la gestion de conflits
Webinaire | Empathie : compétence clé de la gestion de conflitsWebinaire | Empathie : compétence clé de la gestion de conflits
Webinaire | Empathie : compétence clé de la gestion de conflits
 
Webinaire Technologia | Bienveillance au travail : une notion mal comprise
Webinaire Technologia | Bienveillance au travail : une notion mal compriseWebinaire Technologia | Bienveillance au travail : une notion mal comprise
Webinaire Technologia | Bienveillance au travail : une notion mal comprise
 
Webinaire Cohésion | ESG : Choisir de passer à l’action et connaître les bonn...
Webinaire Cohésion | ESG : Choisir de passer à l’action et connaître les bonn...Webinaire Cohésion | ESG : Choisir de passer à l’action et connaître les bonn...
Webinaire Cohésion | ESG : Choisir de passer à l’action et connaître les bonn...
 
Webinaire Gestion de projets: Intégrer l’IA comme alliée de votre succès
Webinaire Gestion de projets: Intégrer l’IA comme alliée de votre succèsWebinaire Gestion de projets: Intégrer l’IA comme alliée de votre succès
Webinaire Gestion de projets: Intégrer l’IA comme alliée de votre succès
 
Webinaire Cohésion - Vision Board par Lamia Rarrbo.pptx
Webinaire Cohésion - Vision Board par Lamia Rarrbo.pptxWebinaire Cohésion - Vision Board par Lamia Rarrbo.pptx
Webinaire Cohésion - Vision Board par Lamia Rarrbo.pptx
 
Automatiser avec Smartsheet.pdf
Automatiser avec Smartsheet.pdfAutomatiser avec Smartsheet.pdf
Automatiser avec Smartsheet.pdf
 
Webinaire - SAFe : comprendre l’agilité à l’échelle d’une organisation
Webinaire - SAFe : comprendre l’agilité à l’échelle d’une organisationWebinaire - SAFe : comprendre l’agilité à l’échelle d’une organisation
Webinaire - SAFe : comprendre l’agilité à l’échelle d’une organisation
 
Webinaire Technologia - Les nouveautés Teams – 5 octobre 2022
Webinaire Technologia - Les nouveautés Teams – 5 octobre 2022Webinaire Technologia - Les nouveautés Teams – 5 octobre 2022
Webinaire Technologia - Les nouveautés Teams – 5 octobre 2022
 
Webinaire Technologia - Les nouveautés Teams - 15 juin 2022
Webinaire Technologia - Les nouveautés Teams - 15 juin 2022Webinaire Technologia - Les nouveautés Teams - 15 juin 2022
Webinaire Technologia - Les nouveautés Teams - 15 juin 2022
 
Webinaire Technologia - Campagnes numériques: réussir sa planification
Webinaire Technologia - Campagnes numériques: réussir sa planificationWebinaire Technologia - Campagnes numériques: réussir sa planification
Webinaire Technologia - Campagnes numériques: réussir sa planification
 
Webinaire gestion du changement 21-11-24
Webinaire gestion du  changement 21-11-24Webinaire gestion du  changement 21-11-24
Webinaire gestion du changement 21-11-24
 
Webinaire Technologia - Safe : Qu'est-ce que l'agilité à l'échelle?
Webinaire Technologia - Safe : Qu'est-ce que l'agilité à l'échelle?Webinaire Technologia - Safe : Qu'est-ce que l'agilité à l'échelle?
Webinaire Technologia - Safe : Qu'est-ce que l'agilité à l'échelle?
 
Webinaire Technologia - L'intergénérationnel : les défis et les opportunités
Webinaire Technologia - L'intergénérationnel : les défis et les opportunitésWebinaire Technologia - L'intergénérationnel : les défis et les opportunités
Webinaire Technologia - L'intergénérationnel : les défis et les opportunités
 
Webinaire Technologia - Le Design Thinking, le chaînon manquant pour propulse...
Webinaire Technologia - Le Design Thinking, le chaînon manquant pour propulse...Webinaire Technologia - Le Design Thinking, le chaînon manquant pour propulse...
Webinaire Technologia - Le Design Thinking, le chaînon manquant pour propulse...
 

Dernier

Auguste Herbin.pptx Peintre français
Auguste   Herbin.pptx Peintre   françaisAuguste   Herbin.pptx Peintre   français
Auguste Herbin.pptx Peintre français
Txaruka
 
Bonnard, Pierre et Marthe.pptx
Bonnard,     Pierre     et    Marthe.pptxBonnard,     Pierre     et    Marthe.pptx
Bonnard, Pierre et Marthe.pptx
Txaruka
 
MÉDIATION ORALE - MON NOUVEL APPARTEMENT.pdf
MÉDIATION ORALE - MON NOUVEL APPARTEMENT.pdfMÉDIATION ORALE - MON NOUVEL APPARTEMENT.pdf
MÉDIATION ORALE - MON NOUVEL APPARTEMENT.pdf
lebaobabbleu
 
Compréhension orale La famille de Sophie (12).pdf
Compréhension orale  La famille de Sophie (12).pdfCompréhension orale  La famille de Sophie (12).pdf
Compréhension orale La famille de Sophie (12).pdf
lebaobabbleu
 
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGESGUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
DjibrilToure5
 
1e geo metropolisation metropolisation x
1e geo metropolisation metropolisation x1e geo metropolisation metropolisation x
1e geo metropolisation metropolisation x
NadineHG
 
A1- Compréhension orale - présentations.pdf
A1- Compréhension orale - présentations.pdfA1- Compréhension orale - présentations.pdf
A1- Compréhension orale - présentations.pdf
lebaobabbleu
 
1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif
NadineHG
 

Dernier (8)

Auguste Herbin.pptx Peintre français
Auguste   Herbin.pptx Peintre   françaisAuguste   Herbin.pptx Peintre   français
Auguste Herbin.pptx Peintre français
 
Bonnard, Pierre et Marthe.pptx
Bonnard,     Pierre     et    Marthe.pptxBonnard,     Pierre     et    Marthe.pptx
Bonnard, Pierre et Marthe.pptx
 
MÉDIATION ORALE - MON NOUVEL APPARTEMENT.pdf
MÉDIATION ORALE - MON NOUVEL APPARTEMENT.pdfMÉDIATION ORALE - MON NOUVEL APPARTEMENT.pdf
MÉDIATION ORALE - MON NOUVEL APPARTEMENT.pdf
 
Compréhension orale La famille de Sophie (12).pdf
Compréhension orale  La famille de Sophie (12).pdfCompréhension orale  La famille de Sophie (12).pdf
Compréhension orale La famille de Sophie (12).pdf
 
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGESGUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
GUIDE POUR L’EVRAS BALISES ET APPRENTISSAGES
 
1e geo metropolisation metropolisation x
1e geo metropolisation metropolisation x1e geo metropolisation metropolisation x
1e geo metropolisation metropolisation x
 
A1- Compréhension orale - présentations.pdf
A1- Compréhension orale - présentations.pdfA1- Compréhension orale - présentations.pdf
A1- Compréhension orale - présentations.pdf
 
1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif1e Espaces productifs 2024.Espaces productif
1e Espaces productifs 2024.Espaces productif
 

Comprendre l’intelligence artificielle [webinaire]

  • 1. L’intelligence artificielle sur de bonnes bases Par Claude Marson Expert en tendances informatiques
  • 2. ▪L'intelligence, c’est quoi exactement ? ▪« libre arbitre », capacité de décider d’une conduite à tenir, indépendamment de toute contrainte ou apprentissage ▪Un être humain a conscience de ce qu’il fait. Pour lui, la décision est distincte de la conscience qu’il en a. L’algorithme d’IA, n’a pas cette perception. ▪Personne ne sait ce qu’est la conscience, ni où elle se situe. L'Intelligence Artificielle est-elle intelligente?
  • 3. L'IA sur le devant de la scène
  • 4. Tout est imbriqué dans tout
  • 6. Les réseaux neuronaux ▪C'est en 1958 qu'apparaît le premier réseau neuronal artificiel : le Perceptron de Franck Rosenblatt. ▪Il est constitué d'une couche de neurones en entrée, dite "perception" et d'une couche de sortie, dite "décision".
  • 7. Positionnement vis-à-vis des réseaux neuronaux ▪Trois attitudes possibles par rapport à l'alchimie des réseaux neuronaux ▪Expert ▪Architecte ▪Développeur : perçoit les réseaux neuronaux et leur comportement à travers les API et la programmation. Sait comment lancer une fonction d'entraînement, dont on comprend le principe et la finalité, mais sans lui associer une formulation mathématique : 35 % des besoins. Expert Architecte Programmeur ▪L'utilisateur peut ne pas être concerné par la "mécanique" qui se trouve dans le produit qu'il achète.
  • 8. ▪ Bonnes connaissances de base ▪ Logique mathématique, séquencement des opérations logiques, capacité de formalisation abstraite ▪ Calcul vectoriel ▪ Calcul matriciel ▪ Résolution de systèmes d’équations ▪ Dérivées et intégrales ▪ Modèles statistiques et compréhension des critères : médiane, écart type… ▪ Notions de probabilités ▪ Lois statistiques : Gauss, Poisson, etc. ▪ L'idéal serait d'avoir des idées sur les transformées de Fourier et les convolutions ▪ N'ayez pas peur… ▪ Il ne s’agit pas de se transformer en mathématicien de métier, mais l'IA ne peut pas s’envisager sans un minimum de connaissances maîtrisées… Les bases mathématiques Toute la question est de savoir jusqu’où il faut aller…
  • 10. Les réseaux neuronaux Les réseaux neuronaux sont des plateformes, sur lesquelles sont implémentés des algorithmes, qui simulent le comportement d'un cerveau humain (neurones et synapses), par un système de couches de processeurs (neurones), reliées par des connexions réseaux (synapses).
  • 11. Le principe d'un réseau neuronal
  • 13. Exemple d'un réseau convolutif
  • 15. Les architectures de « Machine Learning »
  • 16. « Machine Learning » (apprentissage automatique) ▪ Le « Machine Learning » (apprentissage automatique) est un algorithme qui apprend un concept de manière progressive : un objet, un visage, une langue, un comportement, un sentiment… ▪ Appliqué aux réseaux neuronaux, c'est l'opération qui consiste à ajuster tous les paramètres du réseau de façon à ce qu'il approche au plus près la relation fonctionnelle entre les entrées et les cibles. ▪ L'algorithme le plus simple est la régression linéaire, qui permet de séparer des familles de points entre elles.
  • 17. Apprentissage supervisé ▪ S'applique aux deux formes d'apprentissage, automatique et profond. ▪ 2 phases : ▪ Découverte (entraînement), pendant laquelle le réseau apprend sur un « dataset » de données labellisées. ▪ Production dans laquelle le réseau propose des solutions, issues de son « expérience ». ▪ Les données sont labellisées par des informations qui vont ajouter un sens aux données brutes.
  • 18. Apprentissage supervisé : les questions à se poser
  • 19. Acquisition des « datasets »
  • 20. Le problème délicat du « dataset »
  • 21. ▪ Deux notions particulières du « machine learning », le sur-apprentissage (overfitting) et le sous-apprentissage (underfitting). ▪ Le sur-apprentissage correspond au fait que le modèle s’adapte bien, voire trop bien aux données d’apprentissage. ▪ Le sous-apprentissage s’applique à la situation où le modèle n’arrive pas à s’adapter aux données d’apprentissage. Il « patauge » et ne reconnaît pas la totalité des objets qu’on lui soumet. ▪ L’objectif d’un bon modèle est de se situer entre les deux extrêmes et qu’on ne puisse pas le « soupçonner » d’ « underfitting » ou d’ « overfitting ». Sous-apprentissage et sur-apprentissage
  • 22. Apprentissage non supervisé ▪L'algorithme effectue un apprentissage sans se faire aider par un « dataset ». ▪Conception beaucoup plus complexe. ▪L'idée est souvent de regrouper les objets en familles (clusters), d'où la confusion qui est souvent faite entre mode supervisé et « clustering » : il faut déterminer des points communs entre les éléments d'une même famille.
  • 23. Apprentissage par renforcement ▪Algorithme qui permet d’optimiser l’ensemble des conséquences (récompenses ou punitions) résultant d’une série d’actions portant sur un environnement, dont elles font varier l’état.
  • 24. Les réseaux de capsules ▪Une autre conception des réseaux neuronaux (Geoffrey Hinton). ▪Une capsule embarque tous les éléments caractéristiques d’un objet, la « pose » : sa position, taille et orientation, luminosité et déformation par rapport à une représentation idéale.
  • 26. « Deep Learning » (apprentissage profond) ▪Le « deep learning » ou apprentissage en profondeur, est un ensemble de méthodes qui bénéficient des progrès des réseaux neuronaux, pour reconnaître des objets, images, images dans les images, sons, phrases dans une communication téléphonique, etc. ▪Toujours 2 phases : une phase d'éducation ou d'entraînement, qui s'effectue sur des données labellisées et une phase de découverte, sur des données non labellisées.
  • 27. Les API de « Deep Learning » ▪Il existe désormais une importante panoplie d’API dédiées, exploitables sans avoir nécessairement une connaissance fine des mécanismes internes de la technologie.
  • 28. Les applications du « Deep Learning »
  • 29. On peut aussi raisonner à l'envers… Approche des développeurs : partir de l'application et choisir la meilleure technologie neuronale.
  • 30. Les algorithmes vont-ils dominer le monde ? 2 écoles : ceux qui voient les machines et leurs algorithmes nous dépasser et nous ramener au rôle d’observateur « zombique » qui n’aura plus de prise sur les évènements et ceux qui, au contraire, pensent que les êtres humains vont trouver les ressources nécessaires pour se « transhumaniser », modifier leur comportement génétique et créer un genre nouveau, peut-être éloigné de ce qu’il est aujourd’hui.
  • 31. ▪ L’idée que prônent certains scientifiques est que l’IA n’a pas besoin de nous être supérieure au sens intelligence du terme, pour nous remplacer et donc de disposer de sa propre conscience et libre-arbitre. ▪ La raison : nous ne sommes pas un modèle d’efficacité et il n’y a aucune raison de vouloir nous imiter. ▪ Au contraire, c’est en s’améliorant sur ses points forts, le traitement des données, que l’algorithme saura d’abord nous accompagner, puis nous supplanter. Les algorithmes ont-ils besoin d'être intelligents pour nous remplacer ?
  • 32. Dataïsme : la religion des données ▪Le livre deYuval Noah Harari, « Homo Deus », est venu apporter un éclairage intéressant au débat. ▪Pour l’historien, l’Homo Sapiens que nous sommes perd le contrôle de sa destinée : « Les gens ne devraient pas se concentrer sur la question de savoir comment arrêter le progrès technologique, parce que c’est impossible ». ▪Une nouvelle philosophie s’installe, le dataïsme, qui possède ses « grands prêtres », les évangélistes technologiques. Pour ces nouveaux prophètes, le dataïsme est une foi universelle dans le pouvoir des algorithmes.
  • 33. ▪ Initiation à l’intelligence artificielle (IA101) ▪ Introduction au Machine Learning et au Deep Learning (IA102) ▪ Mise en œuvre d’un projet IoT (Objets connectés) (TI142) Formations offertes
  • 34. Merci et au plaisir de vous rencontrer en 2019!