SlideShare une entreprise Scribd logo
www.cetic.be
Intelligence	Artificielle:	la	situation	dans	
les	entreprises	wallonnes…	et	ailleurs
Mathieu	Goeminne
1
www.cetic.be
Positionnement	du	CETIC
2
www.cetic.be
Positionnement	du	CETIC
3
Recherche	appliquée Études	de	faisabilité Preuves	de	concept Transferts	technologiques
www.cetic.be
Agenda
• Comment	en	sommes-nous	arrivés	à	l’IA?	
• Comment	une	machine	peut-elle	apprendre?	
• Exemples	d’exploitation	
• Les	enjeux	économiques	et	sociaux	
• Vers	une	singularité	technologique?
4
www.cetic.be
Comment	en	sommes-nous	arrivés	à	l’IA?
5
www.cetic.be
Machine	Learning?
• 70’:	Généralisation	du	stockage	
structuré	de	données.	
• Questions	:	Quelle	valeur	au-
delà	de	la	restitution	des	
données?	
• Comment	tirer	de	
l’information	des	données?	
• Comment	découvrir	des	
tendances/structures	à	
partir	des	données?
6
www.cetic.be
Machine	Learning?
• Expérience.		
• Basée	sur	les	causes.	
• Pro:	processus	cognitif	
«	facile	»	
• Pro:	le	bon	sens	et	les	
conventions	à	la	rescousse.	
• Cons:	complexité	croissante	du	
contexte	et	des	relations	entre	
les	différentes	données.	
• Cons:	trop	de	données	pour	
baser	les	«	lois	»	sur	(tous)	les	
faits.	
• Connaissance.	
• Basée	sur	les	corrélations.	
• Cons:	processus	cognitif	très	
difficile.	
• Pro:	potentiellement	plus	
rationnel.	
• Pro:	traite	des	milliers/millions	
d’entrées.
7
Approche	«	expert	» Approche	«	machine	learning	»
www.cetic.be
Ajouter	de	la	valeur
8
Difficulté
Valeur
Analyse
descriptive
Analyse
prédictive
Analyse
prescriptive
Que s’est-il passé?
Que va-t-il se passer?
Comment faire en sorte
que ça se passe?
www.cetic.be
Et	l’Intelligence	Artificielle	dans	tout	ça?
9
www.cetic.be 10
www.cetic.be
Exemples
11
Véhicules	et	robots	autonomes
Interfaces	vocales
Analyse	de	sentiments
Résolution	de	problèmes	complexes
www.cetic.be
Comment	une	machine	peut-elle	apprendre?
Tentative	de	démystification	d’un	réseau	de	neurones
12
www.cetic.be
Un	neurone	formel
13
www.cetic.be
Un	réseau	de	neurones
14
www.cetic.be
Apprentissage	supervisé?
• Le	problème	revient	à	trouver	les	bonnes	valeurs	pour	les	paramètres	de	poids	
et	de	seuil.	
• Méthode:		
1. Commencer	par	des	valeurs	choisies	au	hazard.	
2. Faire	varier	légèrement	les	valeurs.	
3. Soumettre	en	entrée	les	caractéristiques	d’une	situation	bien	connue.	
4. Comparer	le	résultat	des	valeurs	courantes	avec	celui	des	valeurs	
précédentes.	
• Si	le	nouveau	résultat	est	plus	proche	de	la	réalité	que	le	précédent,	
«	récompenser	»	le	paramétrage	actuel	et	continuer	dans	cette	
direction.	
• Sinon,	«	affaiblir	»	le	paramétrage	actuel	et	chercher	d’autres	valeurs	
légèrement	différentes	qui	pourraient	donner	de	meilleurs	résultats.	
5. Recommencer	en	(3)	jusqu’à	ce	que	les	résultats	du	réseau	soient	
suffisamment	proches	des	résultats	attendus.
15
www.cetic.be
Exemples	d’exploitation
en	Wallonie…	et	un	peu	au-delà
16
www.cetic.be
Secteur	de	l’énergie
• Maintenance	prédictive	d’éoliennes.	
• Prédiction	de	la	formation	de	givre	sur	les	pales.	
• Basée	sur	le	comportement	de	l’éolienne	plutôt	que	les	
capteurs	météo.	
• Améliore	la	productivité.
17
Crédits:	MicroMega	Dynamics
www.cetic.be
Secteur	du	transport
• La	Wallonie	ne	produit	pas	(encore)	de	voitures	autonomes.	
• Mais	la	mise	en	œuvre	d’IA	dans	le	transport	est	une	réalité.
18
• Projet	Inograms	
• Machine	Learning	pour	prédire	la	
distance	de	freinage	des	trains	(des	
dizaines	de	paramètres:	train,	voie,	
météo,	…):	optimisation	de	la	vitesse.		
• Assistant	de	planification	automatique	
de	la	maintenance.	
• Autre	projet:	prédiction	de	l’usure	du	
matériel	en	fonction	de	sa	vibration	lors	du	
passage	d’un	train.
www.cetic.be
Domaine	judiciaire
• Aujourd’hui:	assistance	des	
parties	en	préparation	des	
procès.	
• Demain	(?):	rationalisation	des	
décisions	de	justice	grâce	à	une	
jurisprudence	constante.	
• Ex:	Pythagoria	(Luxembourg),	
spécialisée	dans	la	fouille	
automatique	de	données.
19
« Nous sommes en contact avec des start-up pour avancer sur des logiciels
qui intègrent des composantes d'intelligence artificielle »
— Jean-Pierre Buyle, ancien Bâtonnier du Barreau de Bruxelles
www.cetic.be
Les	enjeux	économiques	et	sociaux
20
« Tout comme l’électricité a augmenté les capacités physiques de l’homme,
l’intelligence artificielle augmente de manière significative nos capacités
cognitives »
— Olivier Guillaume, fondateur d’O2
www.cetic.be
Les	robots	prendront-ils	notre	job?
• À	l’horizon	2020-2030,	de	nombreux	emplois	seraient	totalement	
automatisables
21
Pays Automatisable Source
U.S.A 47	—	75	% [1]
Angleterre 35	% [2]
France 15	—	42	% [3,4]
Wallonie ?
[1]	‘The	Future	of	Employment:	How	susceptible	are	jobs	to	computerisation?’,	C.	Frey,	and	M.	Osborne	(2013)	
[2]	‘Automation	transforming	UK	industries’,	Deloitte	(2016)	
[3]	‘L’effet	de	l’automatisation	sur	l’emploi	:	ce	qu’on	sait	et	ce	qu’on	ignore’,	France	Stratégie	(2016)	
[4]	‘Les	classes	moyennes	face	à	la	transformation	digitale’,	Roland	Berger,	(2014)
www.cetic.be
Offres	d’emploi	hebdomadaires	par	le	Forem
22
www.cetic.be
Vers	une	singularité	technologique?
23
« L’IA ne vous hait pas, pas plus qu’elle ne vous aime. Mais vous êtes
faits d’atomes qu’elle pourrait utiliser pour autre chose. »
—Eliezer Yudkowsky
www.cetic.be
Singularité	technologique?
• Peut-on	construire	une	IA	qui	pourrait	construire	une	IA	plus	
«	intelligente	»	qu’elle-même?	
• Si	oui,	ce	n’est	qu’une	question	de	temps	avant	qu’une	IA	ne	crée	
une	IA	qui	placerait	l’évolution	technologique	hors	de	portée	de	
l’intelligence	humaine.	
• 2020	—	2050	?
24
[1]
[1]	Jean-Pierre	Petit,	«	À	quoi	rêvent	les	robots?	»,	Belin
www.cetic.be 25
www.cetic.be 26
« Il est une chose dont nous avons maintenant la certitude:
les robots changent la face du monde et nous mènent vers un
avenir que nous ne pouvons encore clairement définir. »
—	Isaac	Asimov
www.cetic.be
linkedin.com/company/cetic
info@cetic.be	
+32	71	490	700
twitter.com/@CETIC	
twitter.com/@CETIC_be
www.cetic.be
Aéropole	de	Charleroi-Gosselies		
Avenue	Jean	Mermoz	28	
B-6041	Charleroi	-	Belgique
Questions	?
Mathieu	Goeminne		
	mathieu.goeminne@cetic.be
www.cetic.be
Les	lois	de	la	robotique	d’Asimov
Première	loi:	Un	robot	ne	peut	porter	atteinte	à	un	être	humain,	ni,	
en	restant	passif,	permettre	qu'un	être	humain	soit	exposé	au	
danger	;	
Deuxième	loi:	Un	robot	doit	obéir	aux	ordres	qui	lui	sont	donnés	par	
un	être	humain,	sauf	si	de	tels	ordres	entrent	en	conflit	avec	la	
première	loi	;	
Troisième	loi:	Un	robot	doit	protéger	son	existence	tant	que	cette	
protection	n'entre	pas	en	conflit	avec	la	première	ou	la	deuxième	loi.	
Loi	zéro:	Un	robot	ne	peut	pas	faire	de	mal	à	l'humanité,	ni,	par	son	
inaction,	permettre	que	l'humanité	soit	blessée.
28

Contenu connexe

Similaire à Intelligence artificielle : la situation dans les entreprises wallonnes

3.débat sur les algorithmes
3.débat sur les algorithmes3.débat sur les algorithmes
3.débat sur les algorithmes
richard peirano
 
Chatbots : opportunités et challenges dans un contexte entrepreneurial
Chatbots : opportunités et challenges dans un contexte entrepreneurial Chatbots : opportunités et challenges dans un contexte entrepreneurial
Chatbots : opportunités et challenges dans un contexte entrepreneurial
Ons Dridi
 
Connected Event - Du Big Data au Smart Data 7Oct2015 - EPFL
Connected Event - Du Big Data au Smart Data 7Oct2015 - EPFLConnected Event - Du Big Data au Smart Data 7Oct2015 - EPFL
Connected Event - Du Big Data au Smart Data 7Oct2015 - EPFL
Raphael Rollier
 
Dossier presse chaire-big-data-market-insights
Dossier presse chaire-big-data-market-insightsDossier presse chaire-big-data-market-insights
Dossier presse chaire-big-data-market-insights
Télécom Paris
 
Accueil Des Nouveaux Enseignants 2010 Agh
Accueil Des Nouveaux Enseignants 2010 AghAccueil Des Nouveaux Enseignants 2010 Agh
Accueil Des Nouveaux Enseignants 2010 Agh
Ahuntsic
 
Transfert des connaissances en milieu de travail: Conférence des traducteurs ...
Transfert des connaissances en milieu de travail: Conférence des traducteurs ...Transfert des connaissances en milieu de travail: Conférence des traducteurs ...
Transfert des connaissances en milieu de travail: Conférence des traducteurs ...
Michel Héon PhD
 
La PI dans les espaces de co-création et d'innovation ouverte. Propriété inte...
La PI dans les espaces de co-création et d'innovation ouverte. Propriété inte...La PI dans les espaces de co-création et d'innovation ouverte. Propriété inte...
La PI dans les espaces de co-création et d'innovation ouverte. Propriété inte...
Robert Viseur
 
Réveil en Form' - Pi dans les systèmes ouverts - Robert Viseur 1
Réveil en Form' - Pi dans les systèmes ouverts - Robert Viseur 1Réveil en Form' - Pi dans les systèmes ouverts - Robert Viseur 1
Réveil en Form' - Pi dans les systèmes ouverts - Robert Viseur 1
ReveilenForm
 
Audit des systemes d'information
Audit des systemes d'informationAudit des systemes d'information
Audit des systemes d'information
Annick Franck Monyie Fouda
 
Big Data Des méandres des outils au potentiel business
Big Data   Des méandres des outils au potentiel businessBig Data   Des méandres des outils au potentiel business
Big Data Des méandres des outils au potentiel business
Mouhsine LAKHDISSI
 
Festival Online de la Data 2020 - La data devient l'affaire de tous
Festival Online de la Data 2020 - La data devient l'affaire de tousFestival Online de la Data 2020 - La data devient l'affaire de tous
Festival Online de la Data 2020 - La data devient l'affaire de tous
Alexandra Loria
 
Machine Learning & Interpretabilité
Machine Learning & InterpretabilitéMachine Learning & Interpretabilité
Machine Learning & Interpretabilité
Jasmine Anteunis
 
OLPC, on n'a pas fini d'en parler...
OLPC, on n'a pas fini d'en parler...OLPC, on n'a pas fini d'en parler...
OLPC, on n'a pas fini d'en parler...
Destiny TCHEHOUALI
 
Intelligence Economique et Innovation pour les étudiants de l'ECE - Séance 2
Intelligence Economique et Innovation pour les étudiants de l'ECE - Séance 2Intelligence Economique et Innovation pour les étudiants de l'ECE - Séance 2
Intelligence Economique et Innovation pour les étudiants de l'ECE - Séance 2
Maxime Deschamps
 
20141216 La veille en TPE / PME by competitic
20141216 La veille en TPE / PME by competitic20141216 La veille en TPE / PME by competitic
20141216 La veille en TPE / PME by competitic
COMPETITIC
 
Atelier recherche et veille 5 mars
Atelier recherche et veille 5 marsAtelier recherche et veille 5 mars
Atelier recherche et veille 5 mars
polenumerique33
 
L'émergence d'une nouvelle filière de formation : data science
L'émergence d'une nouvelle filière de formation : data scienceL'émergence d'une nouvelle filière de formation : data science
L'émergence d'une nouvelle filière de formation : data science
Kezhan SHI
 
#PortraitDeStartuper #19 - KeeeX - Laurent Henocque
#PortraitDeStartuper #19 - KeeeX - Laurent Henocque#PortraitDeStartuper #19 - KeeeX - Laurent Henocque
#PortraitDeStartuper #19 - KeeeX - Laurent Henocque
Sébastien Bourguignon
 

Similaire à Intelligence artificielle : la situation dans les entreprises wallonnes (20)

3.débat sur les algorithmes
3.débat sur les algorithmes3.débat sur les algorithmes
3.débat sur les algorithmes
 
Chatbots : opportunités et challenges dans un contexte entrepreneurial
Chatbots : opportunités et challenges dans un contexte entrepreneurial Chatbots : opportunités et challenges dans un contexte entrepreneurial
Chatbots : opportunités et challenges dans un contexte entrepreneurial
 
Connected Event - Du Big Data au Smart Data 7Oct2015 - EPFL
Connected Event - Du Big Data au Smart Data 7Oct2015 - EPFLConnected Event - Du Big Data au Smart Data 7Oct2015 - EPFL
Connected Event - Du Big Data au Smart Data 7Oct2015 - EPFL
 
Dossier presse chaire-big-data-market-insights
Dossier presse chaire-big-data-market-insightsDossier presse chaire-big-data-market-insights
Dossier presse chaire-big-data-market-insights
 
Accueil Des Nouveaux Enseignants 2010 Agh
Accueil Des Nouveaux Enseignants 2010 AghAccueil Des Nouveaux Enseignants 2010 Agh
Accueil Des Nouveaux Enseignants 2010 Agh
 
Transfert des connaissances en milieu de travail: Conférence des traducteurs ...
Transfert des connaissances en milieu de travail: Conférence des traducteurs ...Transfert des connaissances en milieu de travail: Conférence des traducteurs ...
Transfert des connaissances en milieu de travail: Conférence des traducteurs ...
 
La PI dans les espaces de co-création et d'innovation ouverte. Propriété inte...
La PI dans les espaces de co-création et d'innovation ouverte. Propriété inte...La PI dans les espaces de co-création et d'innovation ouverte. Propriété inte...
La PI dans les espaces de co-création et d'innovation ouverte. Propriété inte...
 
Réveil en Form' - Pi dans les systèmes ouverts - Robert Viseur 1
Réveil en Form' - Pi dans les systèmes ouverts - Robert Viseur 1Réveil en Form' - Pi dans les systèmes ouverts - Robert Viseur 1
Réveil en Form' - Pi dans les systèmes ouverts - Robert Viseur 1
 
Audit des systemes d'information
Audit des systemes d'informationAudit des systemes d'information
Audit des systemes d'information
 
Big Data Des méandres des outils au potentiel business
Big Data   Des méandres des outils au potentiel businessBig Data   Des méandres des outils au potentiel business
Big Data Des méandres des outils au potentiel business
 
Festival Online de la Data 2020 - La data devient l'affaire de tous
Festival Online de la Data 2020 - La data devient l'affaire de tousFestival Online de la Data 2020 - La data devient l'affaire de tous
Festival Online de la Data 2020 - La data devient l'affaire de tous
 
Machine Learning & Interpretabilité
Machine Learning & InterpretabilitéMachine Learning & Interpretabilité
Machine Learning & Interpretabilité
 
OLPC, on n'a pas fini d'en parler...
OLPC, on n'a pas fini d'en parler...OLPC, on n'a pas fini d'en parler...
OLPC, on n'a pas fini d'en parler...
 
Hiqhm
HiqhmHiqhm
Hiqhm
 
Intelligence Economique et Innovation pour les étudiants de l'ECE - Séance 2
Intelligence Economique et Innovation pour les étudiants de l'ECE - Séance 2Intelligence Economique et Innovation pour les étudiants de l'ECE - Séance 2
Intelligence Economique et Innovation pour les étudiants de l'ECE - Séance 2
 
20141216 La veille en TPE / PME by competitic
20141216 La veille en TPE / PME by competitic20141216 La veille en TPE / PME by competitic
20141216 La veille en TPE / PME by competitic
 
Atelier recherche et veille 5 mars
Atelier recherche et veille 5 marsAtelier recherche et veille 5 mars
Atelier recherche et veille 5 mars
 
L'émergence d'une nouvelle filière de formation : data science
L'émergence d'une nouvelle filière de formation : data scienceL'émergence d'une nouvelle filière de formation : data science
L'émergence d'une nouvelle filière de formation : data science
 
Pourquoi les tice
Pourquoi les ticePourquoi les tice
Pourquoi les tice
 
#PortraitDeStartuper #19 - KeeeX - Laurent Henocque
#PortraitDeStartuper #19 - KeeeX - Laurent Henocque#PortraitDeStartuper #19 - KeeeX - Laurent Henocque
#PortraitDeStartuper #19 - KeeeX - Laurent Henocque
 

Plus de Mathieu Goeminne

Utilisation de l’IA dans le manufacturing - Retour d'expérience
Utilisation de l’IA dans le manufacturing - Retour d'expérienceUtilisation de l’IA dans le manufacturing - Retour d'expérience
Utilisation de l’IA dans le manufacturing - Retour d'expérience
Mathieu Goeminne
 
Spark - au dela du dataframe avec Tungsten et Catalyst
Spark - au dela du dataframe avec Tungsten et CatalystSpark - au dela du dataframe avec Tungsten et Catalyst
Spark - au dela du dataframe avec Tungsten et Catalyst
Mathieu Goeminne
 
Se noyer dans les yeux de Cassandre
Se noyer dans les yeux de CassandreSe noyer dans les yeux de Cassandre
Se noyer dans les yeux de Cassandre
Mathieu Goeminne
 
SMACK : Une pile logicielle open source pour le traitement big data
SMACK : Une pile logicielle open source pour le traitement big dataSMACK : Une pile logicielle open source pour le traitement big data
SMACK : Une pile logicielle open source pour le traitement big data
Mathieu Goeminne
 
Du capteur à l'amélioration de procédés - Opportunités du machine learning po...
Du capteur à l'amélioration de procédés - Opportunités du machine learning po...Du capteur à l'amélioration de procédés - Opportunités du machine learning po...
Du capteur à l'amélioration de procédés - Opportunités du machine learning po...
Mathieu Goeminne
 
De la collecte des données à l’exploitation de modèles -- Utilisation de SMAC...
De la collecte des données à l’exploitation de modèles -- Utilisation de SMAC...De la collecte des données à l’exploitation de modèles -- Utilisation de SMAC...
De la collecte des données à l’exploitation de modèles -- Utilisation de SMAC...
Mathieu Goeminne
 
Co-Evolving Code-Related and Database-related Changes in Data Intensive Softw...
Co-Evolving Code-Related and Database-related Changes in Data Intensive Softw...Co-Evolving Code-Related and Database-related Changes in Data Intensive Softw...
Co-Evolving Code-Related and Database-related Changes in Data Intensive Softw...
Mathieu Goeminne
 

Plus de Mathieu Goeminne (7)

Utilisation de l’IA dans le manufacturing - Retour d'expérience
Utilisation de l’IA dans le manufacturing - Retour d'expérienceUtilisation de l’IA dans le manufacturing - Retour d'expérience
Utilisation de l’IA dans le manufacturing - Retour d'expérience
 
Spark - au dela du dataframe avec Tungsten et Catalyst
Spark - au dela du dataframe avec Tungsten et CatalystSpark - au dela du dataframe avec Tungsten et Catalyst
Spark - au dela du dataframe avec Tungsten et Catalyst
 
Se noyer dans les yeux de Cassandre
Se noyer dans les yeux de CassandreSe noyer dans les yeux de Cassandre
Se noyer dans les yeux de Cassandre
 
SMACK : Une pile logicielle open source pour le traitement big data
SMACK : Une pile logicielle open source pour le traitement big dataSMACK : Une pile logicielle open source pour le traitement big data
SMACK : Une pile logicielle open source pour le traitement big data
 
Du capteur à l'amélioration de procédés - Opportunités du machine learning po...
Du capteur à l'amélioration de procédés - Opportunités du machine learning po...Du capteur à l'amélioration de procédés - Opportunités du machine learning po...
Du capteur à l'amélioration de procédés - Opportunités du machine learning po...
 
De la collecte des données à l’exploitation de modèles -- Utilisation de SMAC...
De la collecte des données à l’exploitation de modèles -- Utilisation de SMAC...De la collecte des données à l’exploitation de modèles -- Utilisation de SMAC...
De la collecte des données à l’exploitation de modèles -- Utilisation de SMAC...
 
Co-Evolving Code-Related and Database-related Changes in Data Intensive Softw...
Co-Evolving Code-Related and Database-related Changes in Data Intensive Softw...Co-Evolving Code-Related and Database-related Changes in Data Intensive Softw...
Co-Evolving Code-Related and Database-related Changes in Data Intensive Softw...
 

Intelligence artificielle : la situation dans les entreprises wallonnes