SlideShare une entreprise Scribd logo
Jean-Antoine Moreau (Ingénieur)
© Jean-Antoine Moreau
copying and reproduction prohibited
Copyright Managed by ADAGP.
L’Intelligence ArtificielleL’Intelligence Artificielle
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 2 / 102
Contact Mobile Website MOOC
« C’est l’esprit qui mène le monde et non l’intelligence. »
Antoine de Saint-Exupéry
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 3 / 102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• C’est quoi ?
• Ça fait quoi ?
• Ça sert à quoi ?
• C’est comment ?
• On s’en sert comment ?
• Ses impacts
– Économiques;
– Sociaux.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 4 / 102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• L'expression intelligence artificielle a été
proposée au congrès de Dartmouth en 1956.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 5 / 102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Une machine sera considérée comme intelligente :
– Si elle reproduit le comportement d'un être humain
dans un domaine spécifique ou général;
– Si elle modélise le fonctionnement d'un être humain.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 6 / 102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Deux possibilités de réalisation d’un programme:
– Un programme efficace. Peu importe alors que la machine fasse
des calculs inaccessibles à l'homme, comme explorer quelques
centaines de millions (ou milliards) de possibilités à la seconde;
– On essaiera d'abord de comprendre comment l'homme fait, puis le
programme réalisé validera (ou non) les hypothèses qui auront été
faites.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 7 / 102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• La première possibilité est purement informatique;
• La seconde possibilité fait appel au courrant des sciences
cognitives (années 1960) en posant comme hypothèse de
base la pertinence de l'analogie entre les couples esprit|
cerveau et logiciel|matériel.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 8 / 102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Deux niveaux
– matériel ou physique;
– informationnel ou fonctionnel;
• Ces deux niveaux sont indépendants
– Ainsi un programme peut être exécuté sur des machines
possédant des architectures différentes.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 9 / 102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Le fonctionnalisme devient la notion centrale;
• Les processus sont effectifs c'est-à-dire calculables.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 10 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• La capacité brute de l'ordinateur ne suffit plus à
résoudre les problèmes complexes.
– Il est nécessaire d'y adjoindre
• des heuristiques;
• des méthodes de représentations des connaissances qui
proviennent le plus souvent d'une analyse de la manière dont
nous fonctionnons;
• Des paradigmes tels que :
– connectionnisme (réseaux neuronaux);
– algorithmes adaptatifs (algorithmes génétiques - algorithmes
évolutionnistes).
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 11 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• L'intelligence artificielle « faible »
– ne vise pas à évaluer;
– ne vise pas à évoluer;
– vise à effectuer une ou plusieurs tâches.
• L'intelligence artificielle « forte »
– approche qui consiste à chercher et à construire
• des systèmes de plus en plus autonomes;
• des algorithmes capables de résoudre des problèmes d’une
classe prédéfinie;
• la programmation d'un apprentissage (Machine Learning).
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 12 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Le concept d’intelligence artificielle forte
fait donc référence à une machine capable :
– de produire un comportement intelligent;
– d’éprouver une compréhension de ses propres
raisonnements.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 13 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Ainsi l’intelligence artificielle intègre :
– Le Deep learning (apprentissage profond);
– Les Réseaux à apprentissage (neuronique);
– Le Big Data;
– La Data Science;
– Les Algorithmes;
– Les Méthodes;
– Les Processus;
– La Robotique;
– La Théorie de l'information.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 14 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Approches :
– Logiciel;
– Système expert
• la résolution du problème s'appuie sur un ensemble de règles données
par l’expert humain du domaine;
• l’utilisation de la logique floue ne change pas la nature des
limitations d’emploi du programme: l'exécution reste totalement
déterministe;
– Auto apprentissage, Machine Learning, la Neuronique.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 15 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• EXPERT
– Programmation déclarative ou logique;
• NEURONIQUE
– Programmation fonctionnelle;
– Auto-adaptation;
– Auto-apprentissage.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 16 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Notion d’agent :
Un agent est tout ce qu'il peut être vu comme
quelque chose qui perçoit son environnement à
travers des capteurs et agit sur son environnement
à travers d'effecteurs.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 17 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Perception
Une perception est l'entrée perçu par l'agent à un moment donné.
• Séquence de Perception
La séquence de perception est l'histoire complète
de tout ce qu'un agent a perçu.
• Comportement
Le comportement d'un agent est décrit par la fonction d'agent qui
associe à chaque séquence de perception une action.
• Programme d’Agent
Un programme d'agent est une implémentation de la fonction d'agent.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 18 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Les systèmes experts
– permettent d'appliquer des règles pour prendre des décisions ou de découvrir de nouvelles connaissances.
• La logique floue
– permet de contrôler des systèmes informatiques ou mécaniques de manière plus souple que les programmes
traditionnels.
• La logique des possibilité
• Les algorithmes
• Le formalisme Objet
– objets, classes, instances, propriétés, héritage
• Les systèmes multi-agents
– simulent des foules ou permettant des comportements émergents à partir de plusieurs agents très simples.
• Les réseaux de neurones
– capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des
données.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 19 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Outils :
– Langages de programmation;
– Programmation et objets structurés;
– Moteur d’inférences;
– Bases de connaissances;
– Modélisation;
– Graphes.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 20 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Méthodes
– Procédures algorithmiques;
– Description d’experts;
– Apprentissage neuronal.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 21 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Fondements :
– Logique de Boole;
– Logique formelle;
– Logique des propositions;
– Logique combinatoire;
– Logique des prédicats;
– Syllogismes;
– Déduction;
– Heuristique;
– Énigmes;
– Paradoxes.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 22 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Fondements théoriques
– Décidabilité (Hilbert);
– Calculabilité (Turing);
– Incomplétude (Gödel).
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 23 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Intègre donc :
– La conception d’agents intelligents;
– Les disciplines étudiant la possibilité de faire exécuter par l’ordinateur des tâches
pour lesquelles l’homme est aujourd’hui meilleur que la machine;
– L’automatisation des activités associées au raisonnement humain, telles que la
décision, la résolution de problèmes, l’apprentissage;
– L’étude des mécanismes permettant à un agent de percevoir, raisonner, et agir;
– L´études des entités ayant un comportement intelligent.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 24 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Construction des machines qui raisonnent d'une manière
autonome et s'adaptent au changement et à l'environnement.
• Construction de programmes informatiques qui effectuent des
tâches qui sont, pour l’instant, accomplies par l’homme
puisqu'elles demandent des processus mentaux de haut
niveau.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 25 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Un ensemble de techniques visant à tenter
d’approcher le raisonnement humain.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 26 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Créer des systèmes qui pensent rationnellement;
• Créer des systèmes qui possèdent des comportements
rationnels;
• Créer des systèmes qui possèdent des comportements
structurés ou structurants.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 27 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Historique récent :
– Systèmes Experts (1969-1979);
– Dans l’Industrie (1980 à aujourd’hui);
– Réseaux de neurones (1986 à aujourd’hui).
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 28 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Domaines
• Apprentissage machine;
• Robotique;
• Domotique;
• Transport;
• Finance;
• Informatique Médicale;
• Bio-informatique;
• Cybercommerce;
• Infographie intelligente et jeux;
• Mégadonnées;
• Internet des objets.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 29 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Sous domaines
– Représentation des connaissances;
– Raisonnement Automatique;
– Résolution de problèmes généraux;
– Traitement du langage naturel;
– Vision artificielle;
– Robotique;
– Domotique (domestique et industrielle);
– Apprentissage automatique;
– Planification;
– Ordonnancement;
– Systèmes Experts;
– Logistique.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 30 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Formalisation d’un sujet à résoudre
– un état initial;
– un ensemble d’actions;
– une fonction de successeur, qui définit l’état résultant
de l’exécution;
– une action dans un état;
– un ensemble d’états buts;
– une fonction de coût, associant à chaque action un
nombre non-négatif dit le coût de l’action.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 31 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Un problème a résoudre peut être formalisé:
– comme un graphe orienté où les nœuds sont
des états accessibles depuis l’état initial et où
les arcs sont des actions.
Le graphe donne l’espace des états
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 32 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Une solution sera un chemin de l’état initial
à un état but.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 33 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Une solution est optimale si la somme des
coûts des actions du chemin est minimale
parmi toutes les solutions du problème.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 34 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Structure générale d’un algorithme de recherche:
– On commence toujours dans l’état initial et puis nous
exécutons les étapes suivantes en boucle jusqu’à
terminaison :
• s’il n’y a plus d’états à traiter, renvoyez échec
– sinon, choisir un des états à traiter (?)
• si l’état est un état but, renvoyez la solution correspondante
– sinon, supprimer cet état de l’ensemble des états à traiter, et le
remplacer par ses états successeurs.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 35 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Évaluation de l’algorithme :
– Complexité en temps;
– Complexité en espace;
– Complétude;
– Optimalité.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 36 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Arbre de Recherche de base, recherche
aveugle
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 37 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Algorithme de recherche dans les arbres
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 38 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Stratégies de recherche aveugle (non-informée) :
– Recherche en largeur d’abord;
– Recherche en coût uniforme;
– Recherche en profondeur d’abord;
– Recherche en profondeur limité;
– Recherche itérative en profondeur.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 39 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Algorithme de recherche
– Agent avec objectifs explicites
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 40 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• La stratégie de recherche s’évalue en 4 dimensions :
– La complétude
• Est ce que la stratégie trouve toujours une solution ?
– La complexité en temps
• Le nombre de nœud créés;
– La complexité en mémoire
• Le nombre de nœuds en mémoire;
– L’optimalité
• Est ce que la stratégie trouve toujours la solution la moins coûteuse ?
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 41 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Recherche en profondeur itérative
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 42 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Parcours en profondeur
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 43 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Parcours en largeur
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 44 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• États / Bornes
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 45 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Cas des Problèmes de Planification
– Prédicats
– Nom d’objet
– Etats
• État initial
• Etat but
– Préconditions
– Actions
– Fonction de successeur
– Test de but
– Coût des actions
– Effets
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 46 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Recherche en arrière
– Etat;
– Etat initial;
– Action;
– Fonction de successeur;
– Texte de but;
– Coût des actions.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 47 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Problème de satisfiabilité
Problème de satisfaction de contraintes
TRADUIT
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 48 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Types d’action
– Actions conditionnelles;
– Actions déterministes;
– Action non-déterministe;
– Action temporelle;
– Action dépendante ou affectant des états;
– Action mené par plusieurs agents.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 49 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Les types de buts
– Ensemble de but;
– Buts temporels.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 50 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Type de Plan
– Conditionnel
• Algorithme conditionnel;
• Algorithme non conditionnel.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 51 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Stratégie(s) optimale pour une classe de jeux
– Jeu fini;
– Jeu déterministe;
– Information complète;
– Somme nulle.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 52 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Formalisme
– État initial;
– Fonction de successeur;
– Test de terminalité;
– Fonction d’utilité.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 53 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Décisions en Temps Réel
– Fonction d’évaluation;
– Approfondissement sélective;
– Ordonnancement heuristique de la recherche;
– Table de transpositions;
– Mémorisation.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 54 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Décidabilité
– La logique des propositions est décidable (on peut montrer en un nombre
fini d’opérations qu’une formule est valide ou contradictoire);
– La logique des prédicats est indécidable (Gödel, 1931)
• La logique des prédicats est semi-décidable : on peut montrer en un nombre
fini d’opérations si une formule est valide mais pas si elle est contradictoire;
– La logique des prédicats réduite aux clauses de Horn est décidable
• Trois types de clauses de Horn :
– celles qui comportent un littéral positif et au moins un littéral négatif, appelées
clauses de Horn strictes;
– celles qui comportent un littéral positif et aucun littéral négatif, appelées clauses
de Horn positives;
– celles qui ne comportent que des littéraux négatifs, appelées clauses de Horn
négatives;
– Les clauses de Horn positives sont appelées faits;
– Les clauses négatives représentent des buts à atteindre.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 55 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• La Représentation des connaissances
– Logique propositionnelle
• (exemple: Un nombre premier est un entier naturel qui admet exactement deux diviseurs distincts
entiers et positifs qui sont alors 1 et lui-même);
– Logique du premier ordre
• Un modèle en logique du premier ordre est composé d’un ensemble non vide et d’une fonction
d’interprétation;
– Logiques de description
– Logiques temporelles
• à partir de la logique propositionnelle avec l’ajout d’un certain nombre de quantificateurs temporels;
– Logique floue
• logique floue tente de répondre à ce problème en permettant aux propositions de prendre les valeurs entre
0 (faux) et 1 (vrai);
– Exemple : Par exemple une verre peu être vide ou rempli d’eau, il peut être aussi entre les deux : pas tellement plein;
– Logiques de connaissances et/ou croyances
• Exemple: le temps est couvert, il va sans doute pleuvoir;
– Logiques non-monotones
• Si je vous dis que l’Airbus A320 est un avion, il va de soit qu’il vole. Si je vous montre la maquette de
cet avion; cela fait perdre la conséquence que dans ce cas cet avion vole.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 56 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Types de raisonnement
– Raisonnement déductif
• Déduire;
– Raisonnement abductif
• Expliquer des observations;
– Raisonnement inductif
• Forme d’apprentissage
– Exemple une personne qui n’aurait vu que des stylos à
bille, ne saurait pas que l’on peut écrire à la plume.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 57 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Raisonnement déductif en logique propositionnelle
– Tester si une formule est bien une conséquence logique
d’une autre formule, et le deuxième étant de produire les
conséquences d’une formule donnée;
– Méthode de la table de vérité;
– Mise en forme clausale.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 58 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• L’apprentissage
– Apprentissage supervisé;
– Apprentissage non-supervisé;
– Apprentissage par renforcement.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 59 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Apprentissage
– Acquisition de concept;
– Apprentissage Symbolique Automatique.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 60 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Types d’apprentissage
• Connexionniste
• Symbolique
– acquisition de nouveaux concepts ou symboles;
• Deductif
– classification de données;
– classification de théorèmes;
• Inductif
– classification de concepts;
– découverte de classes;
• Analogique
– Déductif;
– Inductif.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 61 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Mode d’apprentissage
– Systèmes
• Supervisé
– des exemples sont donnés au système;
• Non-supervisé
– le système observe;
• Renforcement
– mécanisme de punitions;
– récompenses.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 62 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Principe de l’apprentissage inductif
– Descripteurs :
• Ensembles de mots représentant les propriétés du problème;
– Concepts :
• Éléments du domaine essentiels selon l'expert;
– Exemples :
• Ensemble de descripteurs qui représentent un situation du problème traite
illustrant un concept;
– Théorie du domaine :
• Ensemble de connaissances générales sur le domaine, relations entre les
descripteurs.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 63 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Apprentissage basé sur l’explication
– Déduction de nouvelles règles directement
adaptes a des exemples d'entraînement;
• à partir d'une description du monde sous forme de
faits et règles.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 64 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Apprentissage supervisé
– Table de vérité;
– Méthode des arbres de décision;
– Algorithmique (dont algorithme d'élimination);
– Pseudo-code
• Structuré;
• type conditionnel;
– Espace des versions.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 65 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Deep Learning
– Technique d'apprentissage permettant à un
programme :
• de reconnaître le contenu d'une image;
• de comprendre le langage parlé.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 66 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• La technologie du Deep Learning apprend à
représenter le monde environnant :
– Comment la machine va représenter
• la parole;
• l'image.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 67 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Le Deep Learning utilise l'apprentissage supervisé;
– L'architecture interne de la machine est composé d'un « réseau de
neurones
• C’est une machine virtuelle composée de milliers d'unités (les
neurones);
• Chaque entité effectue de petits calculs simples;
• Les résultats de la première couche d’unité (de neurones) vont servir
d'entrée au calcul des autres.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 68 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Les réseaux de neurones ;
• Les logiques de raisonnement ;
• Le raisonnement temporel.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 69 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Neurone formel
– 5 éléments dans la couche d'entrée,
• composée de 5 synapses appliquant un coefficient
multiplicateur au signaux reçus.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 70 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Un neurone formel est composé
– D’entrées xi ;
– De sortie yi ;
– D’une somme pondérée h = Σ (xi.yi) ;
– D’un seuil d’activation Ɵ ;
– D’une fonction d’activation définissant la sortie
y = f (h – )Ɵ ;
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 71 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• La fonction d’activation :
– Fonction à seuil;
– Fonction linéaire par morceau;
– Fonction sigmoïde.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 72 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Réseau de Neurone
– Ensemble de neurones formels classes en sous-groupes
et fonctionnant en parallèle;
– Traitements indépendants dans chaque sous groupe;
– Propagation de l'information de la couche d'entrée à la
couche de sortie en passant par des couches, dites
‘cachées’
• Chaque neurone de la couche cachée est connecté a tous les
neurones de la couche précédente et suivante;
– Connaissances stockées.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 73 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Réseau de Neurone multi-couches
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 74 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Réseau de Neurone type d’apprentissage
– Supervise :
• Le réseau s'adapte par comparaison entre son résultat et la réponse attendue;
• Le réseau se modifie jusqu‘à ce qu'il trouve la bonne sortie;
– Le renforcement :
• Le réseau estime son erreur. Il tente de maximiser un index de performance
fourni, appelé signal de renforcement;
• Le système est capable, de savoir si la réponse qu'il fournit est correcte ou non,
mais il ne connaît pas la bonne réponse;
– Auto-organisationnel :
• Basé sur des probabilités;
• Le réseau s'adapte en fonction des régularités statistiques de l'entrée et
détermine des catégories en leur attribuant et en optimisant une valeur de
qualité.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 75 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Le Deep Learning va se généraliser dans touteLe Deep Learning va se généraliser dans toute
l'électronique de décision.l'électronique de décision.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 76 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Méthode en Robotique
1. Perception;
2. Prise de décision;
3. Action;
4. Communication;
5. Apprentissage.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 77 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Gestion d'un Projet d'Intelligence Artificielle
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 78 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Définir
• L'Objectif du projet;
• Les Attentes;
• Les Exigences clients (Dossier des exigences);
• La Méthode ou les Méthodes utilisées;
• Le Plan Projet;
• La Qualité et Méthodologie (Plan d'Assurance Qualité);
• Fonctionnalités;
• Interaction;
• Décomposition en sous-projets;
• Définition des tâches à réaliser;
• Planification;
• Compétences nécessaires;
• Moyens;
• Ressources;
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 79 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Pour trouver la solution
• Voir le problème à résoudre;
• Voir la solution;
• Voir l’impact.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 80 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Pour voir le problème, il faut
– Couper dans la Complexité;
– Arriver à des Solutions simples et claires;
– Développer un Plan d’Action.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 81 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Méthode simple :
– Fixer le but à atteindre;
– Trouver l’approche ayant le plus d’impact;
– Trouver la technologie la plus appropriée pour cette approche;
– Toujours chercher et se remettre en question;
– Focaliser sur l’objectif;
– Ne pas lâcher face à la complexité;
– Mesurer (Indicateurs, Tableaux de bord);
– Partager les résultats;
– Favoriser le changement.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 82 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
RetombéesRetombées
ImpactsImpacts
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 83 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Les retombées
– Objets, agents,méthodologies, représentation des connaissances;
– Approches causals et qualitatives;
– Modélisation;
– Fouille de données;
– Fouille de texte;
– Statistiques non linéaires (utilisation des réseaux neuronaux);
– Programmation par contraintes;
– Nouvelles méthodes d’optimisation (l'évolution artificielle);
– Dialogue homme/machine;
– Automatisation des Processus;
– Processus rendus calculables, donc sans rupture;
– Fusion capteur - donnée;
– Robotique;
– Domotique;
– Élaboration des gammes de choix;
– Aide à la décision;
– Système à base de connaissance;
– Programmation automatique;
– Propagation des contraintes sur exigence client;
– Impacts sur les gammes de produits;
– Impacts sur les gammes de services;
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 84 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Permet l’innovation sur
– « Problem solving thinking »;
– Recherche efficace multi-supports;
– Extraction automatique des connaissances modélisées de documents;
– Sécurité de Systèmes d'Information;
– Gestion du Capital Humain;
– Gestion globale de l ’innovation;
– Knowledge Innovation.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 85 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Impact économique, Création de valeur sur
– Véhicules intelligents;
– Robotique;
– Domotique;
– Systèmes à base de connaissances pour le diagnostic;
– Système intelligent d’action et d’assistance à distance;
– Automatisation des actions de maintenance préventive;
– Systèmes intelligents de contrôle de l ’environnement;
– Systèmes Intelligents pour la gestion des données en fonction des besoins
métiers;
– Gestion des connaissances;
– Systèmes avancés pour la formation;
– Technologies du langage;
– Méthodes et outils pour le partage des connaissances.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 86 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Amélioration de la compétitivité
– Unités de production autonomes et reconfigurables
donc adaptables;
– Commande avancée;
– Système adaptables auto-programmables;
– Systèmes intelligents de gestion de production;
– Technologies intelligentes pour le transport terrestre,
aéronautique et marin.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 87 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• De nouveau systèmes d’information
– Nouvelles architectures logicielles;
– Mémoire technique d’entreprise;
– Organisation intégrée avec une cohérence
algorithmique avec Business Plan et Business Model;
– Systèmes Intelligents pour :
• Rendre les règles de gestion métiers adaptables et traçables;
• La gestion et l’enrichissement des données en fonction des
besoins métiers.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 88 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Support à la recherche
• L’approche cognitive permet de proposer des théories et de
les tester empiriquement;
• Symbolique,
• Modélisation;
• Fonctionnalisme;
• Connexionnisme.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 89 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Gouvernance de l’Intelligence Artificielle
dans l’Entreprise
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 90 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Quel peut être le rôle de l'intelligence artificielle
dans l'entreprise ?
– Permettre une intelligence
• des organisations;
• des processus;
– Mieux répondre aux exigences
• Du Big Data;
• De la Data Science.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 91 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Les organisations devront placer
les algorithmes au coeur de leur organisation.
L’organisation
Fonctionnalités
Adaptabilité sur Cas et Opérations et Conditions
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 92 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• L’entreprise aura la responsabilité
– De l’analyse;
– De la faisabilité technique et juridique des solutions qu’elle mettra
en place;
– De l’adaptation de ses structures;
– De la protection de la propriété intellectuelle et industrielle;
– Des questions éthiques;
– De l’évolution des méthodes de management;
– De la Gestion des Ressources Humaines;
– De la Protection Intellectuelle;
– De l’impact de ses travaux d’intelligence artificielle.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 93 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Les données sont considérées comme une nouvelle
matière première, elles permettent
– d'optimiser et fluidifier ses processus;
– d'améliorer la productivité;
– d'aider à la décision;
– de connaitre les tendances des marchés;
– de connaitre les opinons des consommateurs, des clients, des
investisseurs;
– une valeur ajoutée sur les gammes de produits et de services.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 94 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Les entreprises vont subir une grande transformation
Transition Intelligente
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 95 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• Métiers directement impactés
– Les métiers d’algorithmique;
– La modélisation;
– La simulation;
– La gestion de la data;
– Le codage/ la programmation.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 96 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
• La responsabilité sur les données est partagée
– le concepteur;
– le programmeur;
– l’intégrateur;
– l’utilisateur.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 97 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Le robot se caractérise par
• une polyvalence;
• un apprentissage;
• une autonomie;
• une interactivité.
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 98 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Exemple B to C, le robot interagit avec le marché et
apprend
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 99 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Informatique
Numérique
Intelligence
Artificielle
Transitions
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 100 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
Projets
Open Source & API
Google Magenta Project
Microsoft's Project Oxford
Microsoft Cognitive Services – APIs
QnA Maker Integrate Microsoft Cognitive Services
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 101 /
102
Contact Mobile Website MOOC
Intelligence ArtificielleIntelligence Artificielle
« Pour résoudre un problème ou pour atteindre un but, vous
n'avez pas besoin de connaître toutes les réponses à
l'avance. Mais vous devez avoir une idée claire du
problème ou l'objectif que vous souhaitez atteindre. »
Citation de Mr W. Clement Stone
© Jean-Antoine
Moreau
copying and
reproduction
prohibited
Copyright Managed
by ADAGP.
JAM 102 /
102
Contact Mobile Website MOOC
Fin de la partie publiée en ligne

Contenu connexe

Tendances

COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
PROF ALAIN NDEDI
 
Intelligence artificielle
Intelligence artificielleIntelligence artificielle
Intelligence artificielleMed Zaibi
 
Intelligence artificielle et robotique
Intelligence artificielle et robotiqueIntelligence artificielle et robotique
Intelligence artificielle et robotique
SKYWARE COMPAGNY
 
Intelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agentIntelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agent
Noureddine Djebbari
 
Introduction to Machine learning
Introduction to Machine learningIntroduction to Machine learning
Introduction to Machine learning
Quentin Ambard
 
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.pptEXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
wassimbousmaa
 
Agent intelligent
Agent intelligentAgent intelligent
Agent intelligent
Sid Ahmed Benkraoua
 
Les systèmes intelligents
Les systèmes intelligentsLes systèmes intelligents
Les systèmes intelligents
Nour El Houda Megherbi
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
Mohamed Heny SELMI
 
Présentation PFE Computer Vision
Présentation PFE Computer VisionPrésentation PFE Computer Vision
Présentation PFE Computer Vision
Rihab Ben Rhouma
 
Intelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéIntelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécurité
OPcyberland
 
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
 
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine LearnigAI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine Learnig
Felipe Sanchez Garzon
 
Introduction au Machine Learning
Introduction au Machine LearningIntroduction au Machine Learning
Introduction au Machine Learning
Mathieu Goeminne
 
Machine Learning et Intelligence Artificielle
Machine Learning et Intelligence ArtificielleMachine Learning et Intelligence Artificielle
Machine Learning et Intelligence Artificielle
Soft Computing
 
Rapport projet Master 2 - Intelligence Artificielle
Rapport projet Master 2 - Intelligence ArtificielleRapport projet Master 2 - Intelligence Artificielle
Rapport projet Master 2 - Intelligence Artificielle
Yanis Marchand
 
Intelligence artificielle et travail
Intelligence artificielle et travailIntelligence artificielle et travail
Intelligence artificielle et travail
France Stratégie
 
Les réseaux de neurones
Les réseaux de neuronesLes réseaux de neurones
Les réseaux de neurones
Mariam Amchayd
 
Le Reseau De Neurones
Le Reseau De NeuronesLe Reseau De Neurones
Le Reseau De Neuronesguestf80d95
 
réseaux de neurones artificiels
réseaux de neurones artificiels réseaux de neurones artificiels
réseaux de neurones artificiels
Oussama Werfelli
 

Tendances (20)

COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
 
Intelligence artificielle
Intelligence artificielleIntelligence artificielle
Intelligence artificielle
 
Intelligence artificielle et robotique
Intelligence artificielle et robotiqueIntelligence artificielle et robotique
Intelligence artificielle et robotique
 
Intelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agentIntelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agent
 
Introduction to Machine learning
Introduction to Machine learningIntroduction to Machine learning
Introduction to Machine learning
 
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.pptEXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
 
Agent intelligent
Agent intelligentAgent intelligent
Agent intelligent
 
Les systèmes intelligents
Les systèmes intelligentsLes systèmes intelligents
Les systèmes intelligents
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
 
Présentation PFE Computer Vision
Présentation PFE Computer VisionPrésentation PFE Computer Vision
Présentation PFE Computer Vision
 
Intelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéIntelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécurité
 
Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)
 
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine LearnigAI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine Learnig
 
Introduction au Machine Learning
Introduction au Machine LearningIntroduction au Machine Learning
Introduction au Machine Learning
 
Machine Learning et Intelligence Artificielle
Machine Learning et Intelligence ArtificielleMachine Learning et Intelligence Artificielle
Machine Learning et Intelligence Artificielle
 
Rapport projet Master 2 - Intelligence Artificielle
Rapport projet Master 2 - Intelligence ArtificielleRapport projet Master 2 - Intelligence Artificielle
Rapport projet Master 2 - Intelligence Artificielle
 
Intelligence artificielle et travail
Intelligence artificielle et travailIntelligence artificielle et travail
Intelligence artificielle et travail
 
Les réseaux de neurones
Les réseaux de neuronesLes réseaux de neurones
Les réseaux de neurones
 
Le Reseau De Neurones
Le Reseau De NeuronesLe Reseau De Neurones
Le Reseau De Neurones
 
réseaux de neurones artificiels
réseaux de neurones artificiels réseaux de neurones artificiels
réseaux de neurones artificiels
 

En vedette

105 langevin xavier ia(intelligence artificielle)
105 langevin xavier ia(intelligence artificielle)105 langevin xavier ia(intelligence artificielle)
105 langevin xavier ia(intelligence artificielle)Xavier Langevin
 
Vers un monde digital plus intelligent
Vers un monde digital plus intelligentVers un monde digital plus intelligent
Vers un monde digital plus intelligent
François DUCROT
 
Réseaux des neurones
Réseaux des neuronesRéseaux des neurones
Réseaux des neuronesMed Zaibi
 
Développement informatique : Chaines de caractères et expressions regulières
Développement informatique : Chaines de caractères et expressions regulièresDéveloppement informatique : Chaines de caractères et expressions regulières
Développement informatique : Chaines de caractères et expressions regulières
ECAM Brussels Engineering School
 
Développement informatique : Programmation fonctionnelle, décorateur et génér...
Développement informatique : Programmation fonctionnelle, décorateur et génér...Développement informatique : Programmation fonctionnelle, décorateur et génér...
Développement informatique : Programmation fonctionnelle, décorateur et génér...
ECAM Brussels Engineering School
 
Programmation orientée objet : Object, classe et encapsulation
Programmation orientée objet : Object, classe et encapsulationProgrammation orientée objet : Object, classe et encapsulation
Programmation orientée objet : Object, classe et encapsulation
ECAM Brussels Engineering School
 
Développement informatique : Programmation réseau
Développement informatique : Programmation réseauDéveloppement informatique : Programmation réseau
Développement informatique : Programmation réseau
ECAM Brussels Engineering School
 
Johnny-Five : Robotique et IoT en JavaScript
Johnny-Five : Robotique et IoT en JavaScriptJohnny-Five : Robotique et IoT en JavaScript
Johnny-Five : Robotique et IoT en JavaScript
ECAM Brussels Engineering School
 
Programmation de systèmes embarqués : Systèmes temps réel et PRUSS
Programmation de systèmes embarqués : Systèmes temps réel et PRUSSProgrammation de systèmes embarqués : Systèmes temps réel et PRUSS
Programmation de systèmes embarqués : Systèmes temps réel et PRUSS
ECAM Brussels Engineering School
 
Programmation de systèmes embarqués : Internet of Things : système connecté e...
Programmation de systèmes embarqués : Internet of Things : système connecté e...Programmation de systèmes embarqués : Internet of Things : système connecté e...
Programmation de systèmes embarqués : Internet of Things : système connecté e...
ECAM Brussels Engineering School
 
Développement informatique : Programmation concurrente
Développement informatique : Programmation concurrenteDéveloppement informatique : Programmation concurrente
Développement informatique : Programmation concurrente
ECAM Brussels Engineering School
 
Laboratoire de transmission numérique : Présentation du projet
Laboratoire de transmission numérique : Présentation du projetLaboratoire de transmission numérique : Présentation du projet
Laboratoire de transmission numérique : Présentation du projet
ECAM Brussels Engineering School
 
Python avancé : Tuple et objet
Python avancé : Tuple et objetPython avancé : Tuple et objet
Python avancé : Tuple et objet
ECAM Brussels Engineering School
 
UKO-JAVA1001-slides
UKO-JAVA1001-slidesUKO-JAVA1001-slides
Programmation de systèmes embarqués : Introduction aux systèmes embarqués
Programmation de systèmes embarqués : Introduction aux systèmes embarquésProgrammation de systèmes embarqués : Introduction aux systèmes embarqués
Programmation de systèmes embarqués : Introduction aux systèmes embarqués
ECAM Brussels Engineering School
 
Python avancé : Ensemble, dictionnaire et base de données
Python avancé : Ensemble, dictionnaire et base de donnéesPython avancé : Ensemble, dictionnaire et base de données
Python avancé : Ensemble, dictionnaire et base de données
ECAM Brussels Engineering School
 
Arbre et algorithme de recherche
Arbre et algorithme de rechercheArbre et algorithme de recherche
Arbre et algorithme de recherche
ECAM Brussels Engineering School
 
Outils de gestion de projets
Outils de gestion de projetsOutils de gestion de projets
Outils de gestion de projets
ECAM Brussels Engineering School
 
Modélisation avec UML
Modélisation avec UMLModélisation avec UML
Modélisation avec UML
ECAM Brussels Engineering School
 
Développement informatique : Gestion de projet, versioning, debugging, testin...
Développement informatique : Gestion de projet, versioning, debugging, testin...Développement informatique : Gestion de projet, versioning, debugging, testin...
Développement informatique : Gestion de projet, versioning, debugging, testin...
ECAM Brussels Engineering School
 

En vedette (20)

105 langevin xavier ia(intelligence artificielle)
105 langevin xavier ia(intelligence artificielle)105 langevin xavier ia(intelligence artificielle)
105 langevin xavier ia(intelligence artificielle)
 
Vers un monde digital plus intelligent
Vers un monde digital plus intelligentVers un monde digital plus intelligent
Vers un monde digital plus intelligent
 
Réseaux des neurones
Réseaux des neuronesRéseaux des neurones
Réseaux des neurones
 
Développement informatique : Chaines de caractères et expressions regulières
Développement informatique : Chaines de caractères et expressions regulièresDéveloppement informatique : Chaines de caractères et expressions regulières
Développement informatique : Chaines de caractères et expressions regulières
 
Développement informatique : Programmation fonctionnelle, décorateur et génér...
Développement informatique : Programmation fonctionnelle, décorateur et génér...Développement informatique : Programmation fonctionnelle, décorateur et génér...
Développement informatique : Programmation fonctionnelle, décorateur et génér...
 
Programmation orientée objet : Object, classe et encapsulation
Programmation orientée objet : Object, classe et encapsulationProgrammation orientée objet : Object, classe et encapsulation
Programmation orientée objet : Object, classe et encapsulation
 
Développement informatique : Programmation réseau
Développement informatique : Programmation réseauDéveloppement informatique : Programmation réseau
Développement informatique : Programmation réseau
 
Johnny-Five : Robotique et IoT en JavaScript
Johnny-Five : Robotique et IoT en JavaScriptJohnny-Five : Robotique et IoT en JavaScript
Johnny-Five : Robotique et IoT en JavaScript
 
Programmation de systèmes embarqués : Systèmes temps réel et PRUSS
Programmation de systèmes embarqués : Systèmes temps réel et PRUSSProgrammation de systèmes embarqués : Systèmes temps réel et PRUSS
Programmation de systèmes embarqués : Systèmes temps réel et PRUSS
 
Programmation de systèmes embarqués : Internet of Things : système connecté e...
Programmation de systèmes embarqués : Internet of Things : système connecté e...Programmation de systèmes embarqués : Internet of Things : système connecté e...
Programmation de systèmes embarqués : Internet of Things : système connecté e...
 
Développement informatique : Programmation concurrente
Développement informatique : Programmation concurrenteDéveloppement informatique : Programmation concurrente
Développement informatique : Programmation concurrente
 
Laboratoire de transmission numérique : Présentation du projet
Laboratoire de transmission numérique : Présentation du projetLaboratoire de transmission numérique : Présentation du projet
Laboratoire de transmission numérique : Présentation du projet
 
Python avancé : Tuple et objet
Python avancé : Tuple et objetPython avancé : Tuple et objet
Python avancé : Tuple et objet
 
UKO-JAVA1001-slides
UKO-JAVA1001-slidesUKO-JAVA1001-slides
UKO-JAVA1001-slides
 
Programmation de systèmes embarqués : Introduction aux systèmes embarqués
Programmation de systèmes embarqués : Introduction aux systèmes embarquésProgrammation de systèmes embarqués : Introduction aux systèmes embarqués
Programmation de systèmes embarqués : Introduction aux systèmes embarqués
 
Python avancé : Ensemble, dictionnaire et base de données
Python avancé : Ensemble, dictionnaire et base de donnéesPython avancé : Ensemble, dictionnaire et base de données
Python avancé : Ensemble, dictionnaire et base de données
 
Arbre et algorithme de recherche
Arbre et algorithme de rechercheArbre et algorithme de recherche
Arbre et algorithme de recherche
 
Outils de gestion de projets
Outils de gestion de projetsOutils de gestion de projets
Outils de gestion de projets
 
Modélisation avec UML
Modélisation avec UMLModélisation avec UML
Modélisation avec UML
 
Développement informatique : Gestion de projet, versioning, debugging, testin...
Développement informatique : Gestion de projet, versioning, debugging, testin...Développement informatique : Gestion de projet, versioning, debugging, testin...
Développement informatique : Gestion de projet, versioning, debugging, testin...
 

Similaire à l'Intelligence Artificielle Jean-Antoine Moreau

2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
aOS Community
 
Reverse-Engineering Pour le Fun et le Profit
Reverse-Engineering Pour le Fun et le ProfitReverse-Engineering Pour le Fun et le Profit
Reverse-Engineering Pour le Fun et le ProfitSoufiane Tahiri
 
Intro IA.pdf
Intro IA.pdfIntro IA.pdf
Intro IA.pdf
SoumayaMabrouk2
 
Programmation en technologie (C.Blin)
Programmation en technologie (C.Blin)Programmation en technologie (C.Blin)
Programmation en technologie (C.Blin)
APMEPIledeFrance
 
Internet et ia
Internet et ia Internet et ia
Internet et ia
SKYWARE COMPAGNY
 
Euratech'trends : Machine Learning
Euratech'trends : Machine LearningEuratech'trends : Machine Learning
Euratech'trends : Machine Learning
EuraTechnologies
 
Conférence les technologies du numérique st exupéry 8 nov. 2017
Conférence les technologies du numérique st exupéry 8 nov.  2017Conférence les technologies du numérique st exupéry 8 nov.  2017
Conférence les technologies du numérique st exupéry 8 nov. 2017
SinGuy
 
Une perspective multi-source de données pour l'Intelligence Technologique
Une perspective multi-source de données pour l'Intelligence TechnologiqueUne perspective multi-source de données pour l'Intelligence Technologique
Une perspective multi-source de données pour l'Intelligence Technologique
VIA INNO
 
Blockchain Jean-Antoine Moreau
Blockchain   Jean-Antoine MoreauBlockchain   Jean-Antoine Moreau
Blockchain Jean-Antoine Moreau
Jean-Antoine Moreau
 
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Session ...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Session ...Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Session ...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Session ...
I MT
 
8 trend dsi pharma vf
8 trend dsi pharma vf8 trend dsi pharma vf
8 trend dsi pharma vf
Bertrand Petit
 
Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?
Aymeric
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielle
Sebastien Warin
 
Présentation aux participants de l'Accélérateur Banque Nationale
Présentation aux participants de l'Accélérateur Banque NationalePrésentation aux participants de l'Accélérateur Banque Nationale
Présentation aux participants de l'Accélérateur Banque Nationale
Pierre-Majorique Léger
 
Etude : Processus / Méthode pour l’Élaboration du Schéma Directeur des Systè...
Etude : Processus / Méthode pour l’Élaboration  du Schéma Directeur des Systè...Etude : Processus / Méthode pour l’Élaboration  du Schéma Directeur des Systè...
Etude : Processus / Méthode pour l’Élaboration du Schéma Directeur des Systè...
Jean-Antoine Moreau
 
Opportunité pour le DSI CIO dans ce nouveau monde digital
Opportunité pour le DSI CIO dans ce nouveau monde digitalOpportunité pour le DSI CIO dans ce nouveau monde digital
Opportunité pour le DSI CIO dans ce nouveau monde digital
Bertrand Petit
 
How AI metyourcomex
How AI metyourcomexHow AI metyourcomex
How AI metyourcomex
Loic Poujol
 
presentation machine learing and deep learning (1).pptx
presentation machine learing and deep learning (1).pptxpresentation machine learing and deep learning (1).pptx
presentation machine learing and deep learning (1).pptx
someone15872
 
Cours intro ia_2015_2016
Cours intro ia_2015_2016Cours intro ia_2015_2016
Cours intro ia_2015_2016
Serge Garlatti
 
Savoir-faire, défis et opportunités : Axe ergonomie et sécurité du nouveau la...
Savoir-faire, défis et opportunités : Axe ergonomie et sécurité du nouveau la...Savoir-faire, défis et opportunités : Axe ergonomie et sécurité du nouveau la...
Savoir-faire, défis et opportunités : Axe ergonomie et sécurité du nouveau la...
IRSST
 

Similaire à l'Intelligence Artificielle Jean-Antoine Moreau (20)

2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
2019-06-04 aOS Strasbourg - Décideurs 1 - L'intelligence artificielle démysti...
 
Reverse-Engineering Pour le Fun et le Profit
Reverse-Engineering Pour le Fun et le ProfitReverse-Engineering Pour le Fun et le Profit
Reverse-Engineering Pour le Fun et le Profit
 
Intro IA.pdf
Intro IA.pdfIntro IA.pdf
Intro IA.pdf
 
Programmation en technologie (C.Blin)
Programmation en technologie (C.Blin)Programmation en technologie (C.Blin)
Programmation en technologie (C.Blin)
 
Internet et ia
Internet et ia Internet et ia
Internet et ia
 
Euratech'trends : Machine Learning
Euratech'trends : Machine LearningEuratech'trends : Machine Learning
Euratech'trends : Machine Learning
 
Conférence les technologies du numérique st exupéry 8 nov. 2017
Conférence les technologies du numérique st exupéry 8 nov.  2017Conférence les technologies du numérique st exupéry 8 nov.  2017
Conférence les technologies du numérique st exupéry 8 nov. 2017
 
Une perspective multi-source de données pour l'Intelligence Technologique
Une perspective multi-source de données pour l'Intelligence TechnologiqueUne perspective multi-source de données pour l'Intelligence Technologique
Une perspective multi-source de données pour l'Intelligence Technologique
 
Blockchain Jean-Antoine Moreau
Blockchain   Jean-Antoine MoreauBlockchain   Jean-Antoine Moreau
Blockchain Jean-Antoine Moreau
 
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Session ...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Session ...Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Session ...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Session ...
 
8 trend dsi pharma vf
8 trend dsi pharma vf8 trend dsi pharma vf
8 trend dsi pharma vf
 
Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielle
 
Présentation aux participants de l'Accélérateur Banque Nationale
Présentation aux participants de l'Accélérateur Banque NationalePrésentation aux participants de l'Accélérateur Banque Nationale
Présentation aux participants de l'Accélérateur Banque Nationale
 
Etude : Processus / Méthode pour l’Élaboration du Schéma Directeur des Systè...
Etude : Processus / Méthode pour l’Élaboration  du Schéma Directeur des Systè...Etude : Processus / Méthode pour l’Élaboration  du Schéma Directeur des Systè...
Etude : Processus / Méthode pour l’Élaboration du Schéma Directeur des Systè...
 
Opportunité pour le DSI CIO dans ce nouveau monde digital
Opportunité pour le DSI CIO dans ce nouveau monde digitalOpportunité pour le DSI CIO dans ce nouveau monde digital
Opportunité pour le DSI CIO dans ce nouveau monde digital
 
How AI metyourcomex
How AI metyourcomexHow AI metyourcomex
How AI metyourcomex
 
presentation machine learing and deep learning (1).pptx
presentation machine learing and deep learning (1).pptxpresentation machine learing and deep learning (1).pptx
presentation machine learing and deep learning (1).pptx
 
Cours intro ia_2015_2016
Cours intro ia_2015_2016Cours intro ia_2015_2016
Cours intro ia_2015_2016
 
Savoir-faire, défis et opportunités : Axe ergonomie et sécurité du nouveau la...
Savoir-faire, défis et opportunités : Axe ergonomie et sécurité du nouveau la...Savoir-faire, défis et opportunités : Axe ergonomie et sécurité du nouveau la...
Savoir-faire, défis et opportunités : Axe ergonomie et sécurité du nouveau la...
 

Plus de Jean-Antoine Moreau

Histoire de la Drogue en France
Histoire de la Drogue en FranceHistoire de la Drogue en France
Histoire de la Drogue en France
Jean-Antoine Moreau
 
Management of the Performance Jean-Antoine Moreau
Management of the Performance Jean-Antoine MoreauManagement of the Performance Jean-Antoine Moreau
Management of the Performance Jean-Antoine Moreau
Jean-Antoine Moreau
 
Management de la Performance Jean-Antoine Moreau
Management de la Performance Jean-Antoine MoreauManagement de la Performance Jean-Antoine Moreau
Management de la Performance Jean-Antoine Moreau
Jean-Antoine Moreau
 
Le Budget Jean-Antoine Moreau
Le Budget Jean-Antoine MoreauLe Budget Jean-Antoine Moreau
Le Budget Jean-Antoine Moreau
Jean-Antoine Moreau
 
Stratégie Économique Jean-Antoine Moreau
Stratégie Économique Jean-Antoine MoreauStratégie Économique Jean-Antoine Moreau
Stratégie Économique Jean-Antoine Moreau
Jean-Antoine Moreau
 
Economic Strategy Jean-Antoine Moreau
Economic Strategy Jean-Antoine MoreauEconomic Strategy Jean-Antoine Moreau
Economic Strategy Jean-Antoine Moreau
Jean-Antoine Moreau
 
Stratégie Industrielle Jean-Antoine Moreau
Stratégie Industrielle Jean-Antoine MoreauStratégie Industrielle Jean-Antoine Moreau
Stratégie Industrielle Jean-Antoine Moreau
Jean-Antoine Moreau
 
Industrial Strategy Jean-Antoine Moreau
Industrial Strategy Jean-Antoine MoreauIndustrial Strategy Jean-Antoine Moreau
Industrial Strategy Jean-Antoine Moreau
Jean-Antoine Moreau
 
Regional Economic Development Jean-Antoine Moreau
Regional Economic Development Jean-Antoine MoreauRegional Economic Development Jean-Antoine Moreau
Regional Economic Development Jean-Antoine Moreau
Jean-Antoine Moreau
 
MARKETING STRATEGY Jean-Antoine Moreau
MARKETING STRATEGY Jean-Antoine MoreauMARKETING STRATEGY Jean-Antoine Moreau
MARKETING STRATEGY Jean-Antoine Moreau
Jean-Antoine Moreau
 
Politique Industrielle Seconde Partie
Politique Industrielle Seconde PartiePolitique Industrielle Seconde Partie
Politique Industrielle Seconde Partie
Jean-Antoine Moreau
 
Politique industrielle Jean-Antoine Moreau
Politique industrielle Jean-Antoine MoreauPolitique industrielle Jean-Antoine Moreau
Politique industrielle Jean-Antoine Moreau
Jean-Antoine Moreau
 
Réindustrialisation,Politique Industrielle,Plan Industriel Jean-Antoine Moreau
Réindustrialisation,Politique Industrielle,Plan Industriel Jean-Antoine MoreauRéindustrialisation,Politique Industrielle,Plan Industriel Jean-Antoine Moreau
Réindustrialisation,Politique Industrielle,Plan Industriel Jean-Antoine Moreau
Jean-Antoine Moreau
 
Le Chômage en France Etude, Impacts sociétaux et économiques
Le Chômage en France Etude, Impacts sociétaux et économiquesLe Chômage en France Etude, Impacts sociétaux et économiques
Le Chômage en France Etude, Impacts sociétaux et économiques
Jean-Antoine Moreau
 
Diagnostic Projet Jean-Antoine Moreau
Diagnostic Projet  Jean-Antoine MoreauDiagnostic Projet  Jean-Antoine Moreau
Diagnostic Projet Jean-Antoine Moreau
Jean-Antoine Moreau
 
Élaborer et Mesurer Une Stratégie d’Entreprise Modèle Méthode simple d’évalua...
Élaborer et Mesurer Une Stratégie d’Entreprise Modèle Méthode simple d’évalua...Élaborer et Mesurer Une Stratégie d’Entreprise Modèle Méthode simple d’évalua...
Élaborer et Mesurer Une Stratégie d’Entreprise Modèle Méthode simple d’évalua...
Jean-Antoine Moreau
 
Systemic approach to commercial programming and commercial choices Jean-Antoi...
Systemic approach to commercial programming and commercial choices Jean-Antoi...Systemic approach to commercial programming and commercial choices Jean-Antoi...
Systemic approach to commercial programming and commercial choices Jean-Antoi...
Jean-Antoine Moreau
 
SQL Jean-Antoine Moreau
SQL  Jean-Antoine MoreauSQL  Jean-Antoine Moreau
SQL Jean-Antoine Moreau
Jean-Antoine Moreau
 
La Gestion de Configuration des logiciels et du Système d’Information Cours J...
La Gestion de Configuration des logiciels et du Système d’Information Cours J...La Gestion de Configuration des logiciels et du Système d’Information Cours J...
La Gestion de Configuration des logiciels et du Système d’Information Cours J...
Jean-Antoine Moreau
 
Linux sécurité informatique cours Jean-Antoine Moreau
Linux sécurité informatique cours Jean-Antoine MoreauLinux sécurité informatique cours Jean-Antoine Moreau
Linux sécurité informatique cours Jean-Antoine Moreau
Jean-Antoine Moreau
 

Plus de Jean-Antoine Moreau (20)

Histoire de la Drogue en France
Histoire de la Drogue en FranceHistoire de la Drogue en France
Histoire de la Drogue en France
 
Management of the Performance Jean-Antoine Moreau
Management of the Performance Jean-Antoine MoreauManagement of the Performance Jean-Antoine Moreau
Management of the Performance Jean-Antoine Moreau
 
Management de la Performance Jean-Antoine Moreau
Management de la Performance Jean-Antoine MoreauManagement de la Performance Jean-Antoine Moreau
Management de la Performance Jean-Antoine Moreau
 
Le Budget Jean-Antoine Moreau
Le Budget Jean-Antoine MoreauLe Budget Jean-Antoine Moreau
Le Budget Jean-Antoine Moreau
 
Stratégie Économique Jean-Antoine Moreau
Stratégie Économique Jean-Antoine MoreauStratégie Économique Jean-Antoine Moreau
Stratégie Économique Jean-Antoine Moreau
 
Economic Strategy Jean-Antoine Moreau
Economic Strategy Jean-Antoine MoreauEconomic Strategy Jean-Antoine Moreau
Economic Strategy Jean-Antoine Moreau
 
Stratégie Industrielle Jean-Antoine Moreau
Stratégie Industrielle Jean-Antoine MoreauStratégie Industrielle Jean-Antoine Moreau
Stratégie Industrielle Jean-Antoine Moreau
 
Industrial Strategy Jean-Antoine Moreau
Industrial Strategy Jean-Antoine MoreauIndustrial Strategy Jean-Antoine Moreau
Industrial Strategy Jean-Antoine Moreau
 
Regional Economic Development Jean-Antoine Moreau
Regional Economic Development Jean-Antoine MoreauRegional Economic Development Jean-Antoine Moreau
Regional Economic Development Jean-Antoine Moreau
 
MARKETING STRATEGY Jean-Antoine Moreau
MARKETING STRATEGY Jean-Antoine MoreauMARKETING STRATEGY Jean-Antoine Moreau
MARKETING STRATEGY Jean-Antoine Moreau
 
Politique Industrielle Seconde Partie
Politique Industrielle Seconde PartiePolitique Industrielle Seconde Partie
Politique Industrielle Seconde Partie
 
Politique industrielle Jean-Antoine Moreau
Politique industrielle Jean-Antoine MoreauPolitique industrielle Jean-Antoine Moreau
Politique industrielle Jean-Antoine Moreau
 
Réindustrialisation,Politique Industrielle,Plan Industriel Jean-Antoine Moreau
Réindustrialisation,Politique Industrielle,Plan Industriel Jean-Antoine MoreauRéindustrialisation,Politique Industrielle,Plan Industriel Jean-Antoine Moreau
Réindustrialisation,Politique Industrielle,Plan Industriel Jean-Antoine Moreau
 
Le Chômage en France Etude, Impacts sociétaux et économiques
Le Chômage en France Etude, Impacts sociétaux et économiquesLe Chômage en France Etude, Impacts sociétaux et économiques
Le Chômage en France Etude, Impacts sociétaux et économiques
 
Diagnostic Projet Jean-Antoine Moreau
Diagnostic Projet  Jean-Antoine MoreauDiagnostic Projet  Jean-Antoine Moreau
Diagnostic Projet Jean-Antoine Moreau
 
Élaborer et Mesurer Une Stratégie d’Entreprise Modèle Méthode simple d’évalua...
Élaborer et Mesurer Une Stratégie d’Entreprise Modèle Méthode simple d’évalua...Élaborer et Mesurer Une Stratégie d’Entreprise Modèle Méthode simple d’évalua...
Élaborer et Mesurer Une Stratégie d’Entreprise Modèle Méthode simple d’évalua...
 
Systemic approach to commercial programming and commercial choices Jean-Antoi...
Systemic approach to commercial programming and commercial choices Jean-Antoi...Systemic approach to commercial programming and commercial choices Jean-Antoi...
Systemic approach to commercial programming and commercial choices Jean-Antoi...
 
SQL Jean-Antoine Moreau
SQL  Jean-Antoine MoreauSQL  Jean-Antoine Moreau
SQL Jean-Antoine Moreau
 
La Gestion de Configuration des logiciels et du Système d’Information Cours J...
La Gestion de Configuration des logiciels et du Système d’Information Cours J...La Gestion de Configuration des logiciels et du Système d’Information Cours J...
La Gestion de Configuration des logiciels et du Système d’Information Cours J...
 
Linux sécurité informatique cours Jean-Antoine Moreau
Linux sécurité informatique cours Jean-Antoine MoreauLinux sécurité informatique cours Jean-Antoine Moreau
Linux sécurité informatique cours Jean-Antoine Moreau
 

l'Intelligence Artificielle Jean-Antoine Moreau

  • 1. Jean-Antoine Moreau (Ingénieur) © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. L’Intelligence ArtificielleL’Intelligence Artificielle
  • 2. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 2 / 102 Contact Mobile Website MOOC « C’est l’esprit qui mène le monde et non l’intelligence. » Antoine de Saint-Exupéry
  • 3. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 3 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • C’est quoi ? • Ça fait quoi ? • Ça sert à quoi ? • C’est comment ? • On s’en sert comment ? • Ses impacts – Économiques; – Sociaux.
  • 4. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 4 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • L'expression intelligence artificielle a été proposée au congrès de Dartmouth en 1956.
  • 5. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 5 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Une machine sera considérée comme intelligente : – Si elle reproduit le comportement d'un être humain dans un domaine spécifique ou général; – Si elle modélise le fonctionnement d'un être humain.
  • 6. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 6 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Deux possibilités de réalisation d’un programme: – Un programme efficace. Peu importe alors que la machine fasse des calculs inaccessibles à l'homme, comme explorer quelques centaines de millions (ou milliards) de possibilités à la seconde; – On essaiera d'abord de comprendre comment l'homme fait, puis le programme réalisé validera (ou non) les hypothèses qui auront été faites.
  • 7. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 7 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La première possibilité est purement informatique; • La seconde possibilité fait appel au courrant des sciences cognitives (années 1960) en posant comme hypothèse de base la pertinence de l'analogie entre les couples esprit| cerveau et logiciel|matériel.
  • 8. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 8 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Deux niveaux – matériel ou physique; – informationnel ou fonctionnel; • Ces deux niveaux sont indépendants – Ainsi un programme peut être exécuté sur des machines possédant des architectures différentes.
  • 9. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 9 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Le fonctionnalisme devient la notion centrale; • Les processus sont effectifs c'est-à-dire calculables.
  • 10. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 10 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La capacité brute de l'ordinateur ne suffit plus à résoudre les problèmes complexes. – Il est nécessaire d'y adjoindre • des heuristiques; • des méthodes de représentations des connaissances qui proviennent le plus souvent d'une analyse de la manière dont nous fonctionnons; • Des paradigmes tels que : – connectionnisme (réseaux neuronaux); – algorithmes adaptatifs (algorithmes génétiques - algorithmes évolutionnistes).
  • 11. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 11 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • L'intelligence artificielle « faible » – ne vise pas à évaluer; – ne vise pas à évoluer; – vise à effectuer une ou plusieurs tâches. • L'intelligence artificielle « forte » – approche qui consiste à chercher et à construire • des systèmes de plus en plus autonomes; • des algorithmes capables de résoudre des problèmes d’une classe prédéfinie; • la programmation d'un apprentissage (Machine Learning).
  • 12. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 12 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Le concept d’intelligence artificielle forte fait donc référence à une machine capable : – de produire un comportement intelligent; – d’éprouver une compréhension de ses propres raisonnements.
  • 13. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 13 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Ainsi l’intelligence artificielle intègre : – Le Deep learning (apprentissage profond); – Les Réseaux à apprentissage (neuronique); – Le Big Data; – La Data Science; – Les Algorithmes; – Les Méthodes; – Les Processus; – La Robotique; – La Théorie de l'information.
  • 14. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 14 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Approches : – Logiciel; – Système expert • la résolution du problème s'appuie sur un ensemble de règles données par l’expert humain du domaine; • l’utilisation de la logique floue ne change pas la nature des limitations d’emploi du programme: l'exécution reste totalement déterministe; – Auto apprentissage, Machine Learning, la Neuronique.
  • 15. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 15 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • EXPERT – Programmation déclarative ou logique; • NEURONIQUE – Programmation fonctionnelle; – Auto-adaptation; – Auto-apprentissage.
  • 16. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 16 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Notion d’agent : Un agent est tout ce qu'il peut être vu comme quelque chose qui perçoit son environnement à travers des capteurs et agit sur son environnement à travers d'effecteurs.
  • 17. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 17 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Perception Une perception est l'entrée perçu par l'agent à un moment donné. • Séquence de Perception La séquence de perception est l'histoire complète de tout ce qu'un agent a perçu. • Comportement Le comportement d'un agent est décrit par la fonction d'agent qui associe à chaque séquence de perception une action. • Programme d’Agent Un programme d'agent est une implémentation de la fonction d'agent.
  • 18. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 18 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Les systèmes experts – permettent d'appliquer des règles pour prendre des décisions ou de découvrir de nouvelles connaissances. • La logique floue – permet de contrôler des systèmes informatiques ou mécaniques de manière plus souple que les programmes traditionnels. • La logique des possibilité • Les algorithmes • Le formalisme Objet – objets, classes, instances, propriétés, héritage • Les systèmes multi-agents – simulent des foules ou permettant des comportements émergents à partir de plusieurs agents très simples. • Les réseaux de neurones – capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des données.
  • 19. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 19 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Outils : – Langages de programmation; – Programmation et objets structurés; – Moteur d’inférences; – Bases de connaissances; – Modélisation; – Graphes.
  • 20. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 20 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Méthodes – Procédures algorithmiques; – Description d’experts; – Apprentissage neuronal.
  • 21. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 21 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Fondements : – Logique de Boole; – Logique formelle; – Logique des propositions; – Logique combinatoire; – Logique des prédicats; – Syllogismes; – Déduction; – Heuristique; – Énigmes; – Paradoxes.
  • 22. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 22 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Fondements théoriques – Décidabilité (Hilbert); – Calculabilité (Turing); – Incomplétude (Gödel).
  • 23. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 23 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Intègre donc : – La conception d’agents intelligents; – Les disciplines étudiant la possibilité de faire exécuter par l’ordinateur des tâches pour lesquelles l’homme est aujourd’hui meilleur que la machine; – L’automatisation des activités associées au raisonnement humain, telles que la décision, la résolution de problèmes, l’apprentissage; – L’étude des mécanismes permettant à un agent de percevoir, raisonner, et agir; – L´études des entités ayant un comportement intelligent.
  • 24. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 24 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Construction des machines qui raisonnent d'une manière autonome et s'adaptent au changement et à l'environnement. • Construction de programmes informatiques qui effectuent des tâches qui sont, pour l’instant, accomplies par l’homme puisqu'elles demandent des processus mentaux de haut niveau.
  • 25. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 25 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Un ensemble de techniques visant à tenter d’approcher le raisonnement humain.
  • 26. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 26 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Créer des systèmes qui pensent rationnellement; • Créer des systèmes qui possèdent des comportements rationnels; • Créer des systèmes qui possèdent des comportements structurés ou structurants.
  • 27. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 27 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Historique récent : – Systèmes Experts (1969-1979); – Dans l’Industrie (1980 à aujourd’hui); – Réseaux de neurones (1986 à aujourd’hui).
  • 28. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 28 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Domaines • Apprentissage machine; • Robotique; • Domotique; • Transport; • Finance; • Informatique Médicale; • Bio-informatique; • Cybercommerce; • Infographie intelligente et jeux; • Mégadonnées; • Internet des objets.
  • 29. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 29 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Sous domaines – Représentation des connaissances; – Raisonnement Automatique; – Résolution de problèmes généraux; – Traitement du langage naturel; – Vision artificielle; – Robotique; – Domotique (domestique et industrielle); – Apprentissage automatique; – Planification; – Ordonnancement; – Systèmes Experts; – Logistique.
  • 30. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 30 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Formalisation d’un sujet à résoudre – un état initial; – un ensemble d’actions; – une fonction de successeur, qui définit l’état résultant de l’exécution; – une action dans un état; – un ensemble d’états buts; – une fonction de coût, associant à chaque action un nombre non-négatif dit le coût de l’action.
  • 31. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 31 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Un problème a résoudre peut être formalisé: – comme un graphe orienté où les nœuds sont des états accessibles depuis l’état initial et où les arcs sont des actions. Le graphe donne l’espace des états
  • 32. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 32 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Une solution sera un chemin de l’état initial à un état but.
  • 33. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 33 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Une solution est optimale si la somme des coûts des actions du chemin est minimale parmi toutes les solutions du problème.
  • 34. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 34 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Structure générale d’un algorithme de recherche: – On commence toujours dans l’état initial et puis nous exécutons les étapes suivantes en boucle jusqu’à terminaison : • s’il n’y a plus d’états à traiter, renvoyez échec – sinon, choisir un des états à traiter (?) • si l’état est un état but, renvoyez la solution correspondante – sinon, supprimer cet état de l’ensemble des états à traiter, et le remplacer par ses états successeurs.
  • 35. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 35 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Évaluation de l’algorithme : – Complexité en temps; – Complexité en espace; – Complétude; – Optimalité.
  • 36. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 36 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Arbre de Recherche de base, recherche aveugle
  • 37. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 37 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Algorithme de recherche dans les arbres
  • 38. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 38 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Stratégies de recherche aveugle (non-informée) : – Recherche en largeur d’abord; – Recherche en coût uniforme; – Recherche en profondeur d’abord; – Recherche en profondeur limité; – Recherche itérative en profondeur.
  • 39. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 39 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Algorithme de recherche – Agent avec objectifs explicites
  • 40. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 40 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La stratégie de recherche s’évalue en 4 dimensions : – La complétude • Est ce que la stratégie trouve toujours une solution ? – La complexité en temps • Le nombre de nœud créés; – La complexité en mémoire • Le nombre de nœuds en mémoire; – L’optimalité • Est ce que la stratégie trouve toujours la solution la moins coûteuse ?
  • 41. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 41 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Recherche en profondeur itérative
  • 42. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 42 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Parcours en profondeur
  • 43. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 43 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Parcours en largeur
  • 44. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 44 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • États / Bornes
  • 45. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 45 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Cas des Problèmes de Planification – Prédicats – Nom d’objet – Etats • État initial • Etat but – Préconditions – Actions – Fonction de successeur – Test de but – Coût des actions – Effets
  • 46. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 46 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Recherche en arrière – Etat; – Etat initial; – Action; – Fonction de successeur; – Texte de but; – Coût des actions.
  • 47. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 47 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Problème de satisfiabilité Problème de satisfaction de contraintes TRADUIT
  • 48. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 48 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Types d’action – Actions conditionnelles; – Actions déterministes; – Action non-déterministe; – Action temporelle; – Action dépendante ou affectant des états; – Action mené par plusieurs agents.
  • 49. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 49 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Les types de buts – Ensemble de but; – Buts temporels.
  • 50. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 50 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Type de Plan – Conditionnel • Algorithme conditionnel; • Algorithme non conditionnel.
  • 51. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 51 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Stratégie(s) optimale pour une classe de jeux – Jeu fini; – Jeu déterministe; – Information complète; – Somme nulle.
  • 52. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 52 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Formalisme – État initial; – Fonction de successeur; – Test de terminalité; – Fonction d’utilité.
  • 53. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 53 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Décisions en Temps Réel – Fonction d’évaluation; – Approfondissement sélective; – Ordonnancement heuristique de la recherche; – Table de transpositions; – Mémorisation.
  • 54. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 54 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Décidabilité – La logique des propositions est décidable (on peut montrer en un nombre fini d’opérations qu’une formule est valide ou contradictoire); – La logique des prédicats est indécidable (Gödel, 1931) • La logique des prédicats est semi-décidable : on peut montrer en un nombre fini d’opérations si une formule est valide mais pas si elle est contradictoire; – La logique des prédicats réduite aux clauses de Horn est décidable • Trois types de clauses de Horn : – celles qui comportent un littéral positif et au moins un littéral négatif, appelées clauses de Horn strictes; – celles qui comportent un littéral positif et aucun littéral négatif, appelées clauses de Horn positives; – celles qui ne comportent que des littéraux négatifs, appelées clauses de Horn négatives; – Les clauses de Horn positives sont appelées faits; – Les clauses négatives représentent des buts à atteindre.
  • 55. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 55 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La Représentation des connaissances – Logique propositionnelle • (exemple: Un nombre premier est un entier naturel qui admet exactement deux diviseurs distincts entiers et positifs qui sont alors 1 et lui-même); – Logique du premier ordre • Un modèle en logique du premier ordre est composé d’un ensemble non vide et d’une fonction d’interprétation; – Logiques de description – Logiques temporelles • à partir de la logique propositionnelle avec l’ajout d’un certain nombre de quantificateurs temporels; – Logique floue • logique floue tente de répondre à ce problème en permettant aux propositions de prendre les valeurs entre 0 (faux) et 1 (vrai); – Exemple : Par exemple une verre peu être vide ou rempli d’eau, il peut être aussi entre les deux : pas tellement plein; – Logiques de connaissances et/ou croyances • Exemple: le temps est couvert, il va sans doute pleuvoir; – Logiques non-monotones • Si je vous dis que l’Airbus A320 est un avion, il va de soit qu’il vole. Si je vous montre la maquette de cet avion; cela fait perdre la conséquence que dans ce cas cet avion vole.
  • 56. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 56 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Types de raisonnement – Raisonnement déductif • Déduire; – Raisonnement abductif • Expliquer des observations; – Raisonnement inductif • Forme d’apprentissage – Exemple une personne qui n’aurait vu que des stylos à bille, ne saurait pas que l’on peut écrire à la plume.
  • 57. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 57 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Raisonnement déductif en logique propositionnelle – Tester si une formule est bien une conséquence logique d’une autre formule, et le deuxième étant de produire les conséquences d’une formule donnée; – Méthode de la table de vérité; – Mise en forme clausale.
  • 58. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 58 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • L’apprentissage – Apprentissage supervisé; – Apprentissage non-supervisé; – Apprentissage par renforcement.
  • 59. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 59 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Apprentissage – Acquisition de concept; – Apprentissage Symbolique Automatique.
  • 60. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 60 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Types d’apprentissage • Connexionniste • Symbolique – acquisition de nouveaux concepts ou symboles; • Deductif – classification de données; – classification de théorèmes; • Inductif – classification de concepts; – découverte de classes; • Analogique – Déductif; – Inductif.
  • 61. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 61 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Mode d’apprentissage – Systèmes • Supervisé – des exemples sont donnés au système; • Non-supervisé – le système observe; • Renforcement – mécanisme de punitions; – récompenses.
  • 62. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 62 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Principe de l’apprentissage inductif – Descripteurs : • Ensembles de mots représentant les propriétés du problème; – Concepts : • Éléments du domaine essentiels selon l'expert; – Exemples : • Ensemble de descripteurs qui représentent un situation du problème traite illustrant un concept; – Théorie du domaine : • Ensemble de connaissances générales sur le domaine, relations entre les descripteurs.
  • 63. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 63 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Apprentissage basé sur l’explication – Déduction de nouvelles règles directement adaptes a des exemples d'entraînement; • à partir d'une description du monde sous forme de faits et règles.
  • 64. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 64 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Apprentissage supervisé – Table de vérité; – Méthode des arbres de décision; – Algorithmique (dont algorithme d'élimination); – Pseudo-code • Structuré; • type conditionnel; – Espace des versions.
  • 65. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 65 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Deep Learning – Technique d'apprentissage permettant à un programme : • de reconnaître le contenu d'une image; • de comprendre le langage parlé.
  • 66. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 66 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La technologie du Deep Learning apprend à représenter le monde environnant : – Comment la machine va représenter • la parole; • l'image.
  • 67. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 67 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Le Deep Learning utilise l'apprentissage supervisé; – L'architecture interne de la machine est composé d'un « réseau de neurones • C’est une machine virtuelle composée de milliers d'unités (les neurones); • Chaque entité effectue de petits calculs simples; • Les résultats de la première couche d’unité (de neurones) vont servir d'entrée au calcul des autres.
  • 68. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 68 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Les réseaux de neurones ; • Les logiques de raisonnement ; • Le raisonnement temporel.
  • 69. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 69 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Neurone formel – 5 éléments dans la couche d'entrée, • composée de 5 synapses appliquant un coefficient multiplicateur au signaux reçus.
  • 70. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 70 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Un neurone formel est composé – D’entrées xi ; – De sortie yi ; – D’une somme pondérée h = Σ (xi.yi) ; – D’un seuil d’activation Ɵ ; – D’une fonction d’activation définissant la sortie y = f (h – )Ɵ ;
  • 71. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 71 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La fonction d’activation : – Fonction à seuil; – Fonction linéaire par morceau; – Fonction sigmoïde.
  • 72. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 72 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Réseau de Neurone – Ensemble de neurones formels classes en sous-groupes et fonctionnant en parallèle; – Traitements indépendants dans chaque sous groupe; – Propagation de l'information de la couche d'entrée à la couche de sortie en passant par des couches, dites ‘cachées’ • Chaque neurone de la couche cachée est connecté a tous les neurones de la couche précédente et suivante; – Connaissances stockées.
  • 73. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 73 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Réseau de Neurone multi-couches
  • 74. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 74 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Réseau de Neurone type d’apprentissage – Supervise : • Le réseau s'adapte par comparaison entre son résultat et la réponse attendue; • Le réseau se modifie jusqu‘à ce qu'il trouve la bonne sortie; – Le renforcement : • Le réseau estime son erreur. Il tente de maximiser un index de performance fourni, appelé signal de renforcement; • Le système est capable, de savoir si la réponse qu'il fournit est correcte ou non, mais il ne connaît pas la bonne réponse; – Auto-organisationnel : • Basé sur des probabilités; • Le réseau s'adapte en fonction des régularités statistiques de l'entrée et détermine des catégories en leur attribuant et en optimisant une valeur de qualité.
  • 75. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 75 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Le Deep Learning va se généraliser dans touteLe Deep Learning va se généraliser dans toute l'électronique de décision.l'électronique de décision.
  • 76. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 76 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Méthode en Robotique 1. Perception; 2. Prise de décision; 3. Action; 4. Communication; 5. Apprentissage.
  • 77. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 77 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Gestion d'un Projet d'Intelligence Artificielle
  • 78. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 78 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Définir • L'Objectif du projet; • Les Attentes; • Les Exigences clients (Dossier des exigences); • La Méthode ou les Méthodes utilisées; • Le Plan Projet; • La Qualité et Méthodologie (Plan d'Assurance Qualité); • Fonctionnalités; • Interaction; • Décomposition en sous-projets; • Définition des tâches à réaliser; • Planification; • Compétences nécessaires; • Moyens; • Ressources;
  • 79. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 79 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Pour trouver la solution • Voir le problème à résoudre; • Voir la solution; • Voir l’impact.
  • 80. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 80 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Pour voir le problème, il faut – Couper dans la Complexité; – Arriver à des Solutions simples et claires; – Développer un Plan d’Action.
  • 81. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 81 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Méthode simple : – Fixer le but à atteindre; – Trouver l’approche ayant le plus d’impact; – Trouver la technologie la plus appropriée pour cette approche; – Toujours chercher et se remettre en question; – Focaliser sur l’objectif; – Ne pas lâcher face à la complexité; – Mesurer (Indicateurs, Tableaux de bord); – Partager les résultats; – Favoriser le changement.
  • 82. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 82 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle RetombéesRetombées ImpactsImpacts
  • 83. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 83 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Les retombées – Objets, agents,méthodologies, représentation des connaissances; – Approches causals et qualitatives; – Modélisation; – Fouille de données; – Fouille de texte; – Statistiques non linéaires (utilisation des réseaux neuronaux); – Programmation par contraintes; – Nouvelles méthodes d’optimisation (l'évolution artificielle); – Dialogue homme/machine; – Automatisation des Processus; – Processus rendus calculables, donc sans rupture; – Fusion capteur - donnée; – Robotique; – Domotique; – Élaboration des gammes de choix; – Aide à la décision; – Système à base de connaissance; – Programmation automatique; – Propagation des contraintes sur exigence client; – Impacts sur les gammes de produits; – Impacts sur les gammes de services;
  • 84. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 84 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Permet l’innovation sur – « Problem solving thinking »; – Recherche efficace multi-supports; – Extraction automatique des connaissances modélisées de documents; – Sécurité de Systèmes d'Information; – Gestion du Capital Humain; – Gestion globale de l ’innovation; – Knowledge Innovation.
  • 85. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 85 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Impact économique, Création de valeur sur – Véhicules intelligents; – Robotique; – Domotique; – Systèmes à base de connaissances pour le diagnostic; – Système intelligent d’action et d’assistance à distance; – Automatisation des actions de maintenance préventive; – Systèmes intelligents de contrôle de l ’environnement; – Systèmes Intelligents pour la gestion des données en fonction des besoins métiers; – Gestion des connaissances; – Systèmes avancés pour la formation; – Technologies du langage; – Méthodes et outils pour le partage des connaissances.
  • 86. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 86 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Amélioration de la compétitivité – Unités de production autonomes et reconfigurables donc adaptables; – Commande avancée; – Système adaptables auto-programmables; – Systèmes intelligents de gestion de production; – Technologies intelligentes pour le transport terrestre, aéronautique et marin.
  • 87. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 87 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • De nouveau systèmes d’information – Nouvelles architectures logicielles; – Mémoire technique d’entreprise; – Organisation intégrée avec une cohérence algorithmique avec Business Plan et Business Model; – Systèmes Intelligents pour : • Rendre les règles de gestion métiers adaptables et traçables; • La gestion et l’enrichissement des données en fonction des besoins métiers.
  • 88. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 88 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Support à la recherche • L’approche cognitive permet de proposer des théories et de les tester empiriquement; • Symbolique, • Modélisation; • Fonctionnalisme; • Connexionnisme.
  • 89. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 89 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Gouvernance de l’Intelligence Artificielle dans l’Entreprise
  • 90. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 90 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Quel peut être le rôle de l'intelligence artificielle dans l'entreprise ? – Permettre une intelligence • des organisations; • des processus; – Mieux répondre aux exigences • Du Big Data; • De la Data Science.
  • 91. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 91 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Les organisations devront placer les algorithmes au coeur de leur organisation. L’organisation Fonctionnalités Adaptabilité sur Cas et Opérations et Conditions
  • 92. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 92 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • L’entreprise aura la responsabilité – De l’analyse; – De la faisabilité technique et juridique des solutions qu’elle mettra en place; – De l’adaptation de ses structures; – De la protection de la propriété intellectuelle et industrielle; – Des questions éthiques; – De l’évolution des méthodes de management; – De la Gestion des Ressources Humaines; – De la Protection Intellectuelle; – De l’impact de ses travaux d’intelligence artificielle.
  • 93. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 93 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Les données sont considérées comme une nouvelle matière première, elles permettent – d'optimiser et fluidifier ses processus; – d'améliorer la productivité; – d'aider à la décision; – de connaitre les tendances des marchés; – de connaitre les opinons des consommateurs, des clients, des investisseurs; – une valeur ajoutée sur les gammes de produits et de services.
  • 94. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 94 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Les entreprises vont subir une grande transformation Transition Intelligente
  • 95. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 95 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Métiers directement impactés – Les métiers d’algorithmique; – La modélisation; – La simulation; – La gestion de la data; – Le codage/ la programmation.
  • 96. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 96 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La responsabilité sur les données est partagée – le concepteur; – le programmeur; – l’intégrateur; – l’utilisateur.
  • 97. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 97 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Le robot se caractérise par • une polyvalence; • un apprentissage; • une autonomie; • une interactivité.
  • 98. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 98 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Exemple B to C, le robot interagit avec le marché et apprend
  • 99. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 99 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Informatique Numérique Intelligence Artificielle Transitions
  • 100. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 100 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Projets Open Source & API Google Magenta Project Microsoft's Project Oxford Microsoft Cognitive Services – APIs QnA Maker Integrate Microsoft Cognitive Services
  • 101. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 101 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle « Pour résoudre un problème ou pour atteindre un but, vous n'avez pas besoin de connaître toutes les réponses à l'avance. Mais vous devez avoir une idée claire du problème ou l'objectif que vous souhaitez atteindre. » Citation de Mr W. Clement Stone
  • 102. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 102 / 102 Contact Mobile Website MOOC Fin de la partie publiée en ligne