Aucun résultat trouvé

Votre recherche n’a donné aucun résultat.

Nous vous suggérons d’essayer ce qui suit pour trouver ce que vous recherchez :

  • Vérifiez l’orthographe de votre recherche par mot clé.
  • Utilisez des synonymes pour le mot clé que vous avez saisi, par exemple, essayez « application » au lieu de « logiciel ».
  • Essayez l’une des recherches les plus utilisées ci-dessous.
  • Lancez une nouvelle recherche.
Questions fréquentes

Qu’est-ce que l’intelligence artificielle (IA)?

Qu’est-ce que l’intelligence artificielle?

En termes très simples, l’intelligence artificielle (IA) fait référence aux systèmes ou aux machines qui imitent l’intelligence humaine pour accomplir des tâches et qui peuvent s’améliorer itérativement en fonction des données qu’ils recueillent. L’IA revêt un certain nombre de formes. Voici quelques exemples :

  • les agents conversationnels utilisent l’IA pour comprendre les problèmes de client plus rapidement et fournir des réponses de façon plus efficace;
  • les assistants intelligents utilisent l’IA pour analyser les informations critiques de grands jeux de données en forme libre pour améliorer la planification;
  • les moteurs de recommandation peuvent fournir des recommandations automatisées pour des émissions de télévision en fonction des habitudes d’écoute des utilisateurs.

L’IA porte bien plus sur le processus et la capacité de pensée et d’analyse de données super puissantes que sur tout format ou toute fonction particulière. Bien que l’IA évoque des images de robots humanoïdes très fonctionnels prêts à conquérir le monde, elle ne vise pas à remplacer les humains. Elle est conçue pour améliorer considérablement les capacités et les contributions humaines, ce qui en fait un actif opérationnel très précieux.

Termes liés à l’intelligence artificielle

L’IA est devenue un terme passe-partout pour les applications effectuant des tâches complexes qui exigeaient auparavant une intervention humaine, comme communiquer avec des clients en ligne ou jouer aux échecs. Il est souvent utilisé de façon interchangeable avec ses sous-domaines, qui incluent l’apprentissage automatique et l’apprentissage profond. Il existe toutefois des différences. Par exemple, l’apprentissage automatique se concentre sur la conception de systèmes qui apprennent ou qui améliorent leur rendement en fonction des données qu’ils consomment. Il est important de noter que même si tout apprentissage automatique repose sur l’intelligence artificielle, cette dernière concerne bien plus que l’apprentissage automatique.

Pour obtenir la pleine valeur de l’IA, de nombreuses entreprises investissement de façon importante dans des équipes de science des données. La science des données, un domaine interdisciplinaire qui utilise des méthodes scientifiques et autres pour extraire une valeur des données, combine des compétences de domaines tels que les statistiques et l’informatique à des connaissances en affaires pour analyser les données recueillies de plusieurs sources.

Comment l’IA peut-elle aider les entreprises?

Le principe fondamental de l’IA est de reproduire, puis d’améliorer, la façon dont les humains perçoivent le monde et y réagissent. Elle devient rapidement la pierre angulaire de l’innovation. Optimisée par différentes formes d’apprentissage automatique qui reconnaissent les tendances se dégageant des données pour établir des prédictions, l’IA peut ajouter de la valeur à votre entreprise en :

  • fournissant une compréhension plus globale de l’abondance de données disponibles;
  • s’appuyant sur des prédictions pour automatiser des tâches excessivement complexes ou mondaines.

L’IA dans l’entreprise

L’IA dans l’entreprise

La technologie d’intelligence artificielle améliore le rendement et la productivité des entreprises en automatisant les processus ou les tâches qui nécessitaient auparavant la puissance humaine. L’IA peut également exploiter les données à une échelle qu’aucun autre humain n’a pu le faire. Cette capacité peut apporter des avantages substantiels sur le plan des affaires. Par exemple, Netflix utilise l’apprentissage automatique pour offrir un niveau de personnalisation qui a permis à l’entreprise d’augmenter sa clientèle de plus de 25 % en 2017.

La plupart des sociétés ont fait de la science des données une priorité et y investissent beaucoup d’argent. Dans un récent sondage de Gartner auprès de plus de 3 000 directeurs informatiques, les répondants ont classé l’analyse et la veille stratégique au sommet de la différenciation technologique pour leur entreprise. Ils considèrent que ces technologies sont les plus stratégiques pour leur entreprise; c’est pour cette raison qu’elles attirent la plupart des nouveaux investissements.

L’IA a une valeur pour la plupart des fonctions, des entreprises et des industries. Elle comporte des applications générales et propres au secteur d’activité comme :

  • l’utilisation de données transactionnelles et démographiques pour prédire combien certains clients dépenseront tout au long de leur relation avec une entreprise (ou la valeur à vie des clients);
  • l’optimisation des prix en fonction du comportement et des préférences des clients;
  • l’utilisation de la reconnaissance d’image pour détecter des signes de cancer dans les radiographies.

Comment les entreprises utilisent-elles l’IA?

Comment les entreprises utilisent-elles l’IA?

D’après le Harvard Business Review, les entreprises utilisent l’IA surtout pour :

  • détecter et dissuader les intrusions de sécurité (44 %);
  • résoudre des problèmes technologiques d’utilisateurs (41 %);
  • réduire le travail de gestion de la production (34 %);
  • évaluer la conformité interne quant à l’utilisation de fournisseurs approuvés (34 %).

Qu’est-ce qui stimule l’adoption de l’IA?

Trois facteurs stimulent de développement de l’IA d’une industrie à l’autre :

  • La capacité informatique abordable à haut rendement est facilement accessible. L’abondance de la puissance de calcul des produits dans le nuage permet d’accéder facilement à une puissance de calcul abordable à haut rendement. Avant ce développement, les seuls environnements informatiques disponibles pour l’IA étaient non infonuagiques et coûteux.
  • Des quantités énormes de données sont disponibles à des fins d’entraînement. L’IA doit apprendre à partir de beaucoup de données pour faire les bonnes prédictions. L’apparition de différents outils pour l’étiquetage des données, en plus de la facilité avec laquelle les entreprises peuvent stocker et traiter des données structurées et non structurées à prix abordable, permet à un plus grand nombre d’organisations de concevoir et d’entraîner des algorithmes d’IA.
  • L’IA appliquée procure un avantage concurrentiel. Les entreprises reconnaissent de plus en plus l’avantage concurrentiel lié à l’application de renseignements produits par l’IA à des objectifs d’affaires et en font une priorité à l’échelle de l’entreprise. Par exemple, des recommandations ciblées fournies par l’IA peuvent aider les entreprises à prendre de meilleures décisions plus rapidement. Un grand nombre des fonctionnalités et des capacités de l’IA peuvent entraîner, entre autres, une réduction des coûts et des risques, une accélération du temps de mise en marché, et plus encore.

5 mythes courants au sujet de l’intelligence artificielle en entreprise

Bien que de nombreuses entreprises aient adopté avec succès l’IA, il y a aussi beaucoup de désinformation au sujet de celle-ci, en particulier à propos de ce que vous pouvez faire et ne pouvez pas faire. Nous expliquons ici cinq mythes courants au sujet de l’IA :

  • Mythe 1 : L’IA en entreprise nécessite une approche personnalisée que vous devez développer à l’interne.
    Réalité : La plupart des entreprises adoptent l’IA en combinant des solutions internes et des solutions prêtes à l’emploi. Les solutions d’IA développées à l’interne permettent aux entreprises une personnalisation pour les besoins commerciaux uniques de l’entreprise, alors que les solutions d’IA prêtes à utiliser permettent de simplifier la mise en œuvre pour les problèmes d’affaires les plus courants.
  • Mythe 2 : L’intelligence artificielle offre des résultats impressionnants immédiats.
    Réalité : Le parcours vers la réussite de l’IA nécessite du temps, de la planification, une vision claire et un échéancier bien établi. Vous avez besoin d’un cadre stratégique et d’une approche itérative afin d’éviter la création d’un ensemble aléatoire de solutions d’IA déconnectées.
  • Mythe 3 : L’IA en entreprise n’exige pas une exécution par des gens.
    Réalité : L’IA en entreprise n’est pas une question de robots qui contrôlent tout. La valeur de l’IA constitue à augmenter les capacités humaines de vos employés afin qu’ils puissent se concentrer sur des tâches plus stratégiques. De plus, l’IA a besoin de personnes pour l’alimenter avec de bonnes données et pour la faire fonctionner de la bonne façon.
  • Mythe 4 : Plus il y a de données, mieux c’est.
    Réalité : L’IA en entreprise a besoin de données intelligentes. Pour obtenir des perspectives d’affaires les plus efficaces, vos données doivent être de haute qualité, à jour, pertinentes et enrichies.
  • Mythe 5 : L’IA en entreprise n’a besoin que de données et de modèles pour réussir.
    Réalité : Les données, les algorithmes, et les modèles sont un début, mais une solution d’IA doit être évolutive afin de répondre aux besoins commerciaux changeants. À ce jour, la plupart des solutions d’IA en entreprise ont été fabriquées de façon artisanale par les scientifiques des données. Ces solutions demandent une configuration manuelle et de la maintenance, et celles-ci ne sont pas évolutives. Pour mettre en œuvre les projets d’IA, vous avez besoin de solutions qui répondront aux nouvelles exigences, au fur et à mesure que vous évoluez avec l’IA.

Avantages et défis de l’opérationnalisation de l’IA

Il existe de nombreux témoignages de réussites de clients qui démontrent l’importance de l’IA. Les entreprises qui ajoutent l’apprentissage automatique et des interactions cognitives aux processus et aux applications d’affaires traditionnels peuvent accroître grandement l’expérience de l’utilisateur et la productivité.

Il existe toutefois certains obstacles. Peu d’entreprises ont déployé l’IA à grande échelle pour plusieurs raisons. Par exemple, si elles n’utilisent pas l’informatique en nuage, les projets d’IA sont souvent coûteux sur le plan des ressources informatiques. Ils sont également complexes à créer et nécessitent une expertise qui est à la fois rare et en demande. Savoir quand et où incorporer l’IA, ainsi que quand se tourner vers un tiers, aidera à réduire au minimum ces difficultés.

Clients satisfaits de l’IA

L’IA est le facteur principal du succès dans certains témoignages de clients :

  • D’après le Harvard Business Review, l’Associated Press a produit 12 fois plus de reportages en entraînant le logiciel d’IA à rédiger automatiquement de courts rapports sur les résultats. Cet effort a libéré ses journalistes pour qu’ils rédigent des reportages plus approfondis.
  • Deep Patient, un outil optimisé par l’IA conçu par l’Icahn School of Medicine de l’hôpital Mount Sinai, permet aux médecins de distinguer les patients à risque élevé avant que des maladies soient diagnostiquées. L’outil analyse les antécédents médicaux du patient pour prédire presque 80 maladies jusqu’à un an avant leur apparition, d’après insideBIGDATA.

L’IA prête à utiliser facilite l’opérationnalisation de l’IA

L’apparition des solutions et des outils optimisés par l’IA signifie qu’un plus grand nombre d’entreprises peuvent tirer profit de l’intelligence artificielle à un prix moindre et en moins de temps. L’IA prête à utiliser se rapporte aux solutions, aux outils et aux logiciels qui sont dotés de capacités d’IA intégrées ou qui automatisent le processus décisionnel algorithmique.

L’IA prête à utiliser peut aller des bases de données autonomes, qui peuvent se restaurer elles-mêmes à l’aide de l’apprentissage automatique, à des modèles intégrés qui peuvent être appliqués à différents jeux de données pour résoudre des défis comme la reconnaissance d’image et l’analyse de texte. Elle peut aider les entreprises à obtenir un rendement rapide, à augmenter la productivité, à réduire les coûts et à améliorer les relations avec les clients.

Comment utiliser l’IA

Communiquez avec les clients par l’intermédiaire d’agents conversationnels. Les agents conversationnels utilisent le traitement du langage naturel pour comprendre les clients et leur permettre de poser des questions et d’obtenir des renseignements. Ces agents conversationnels apprennent au fil du temps afin d’ajouter plus de valeur aux interactions avec les clients.

Surveillez votre centre de données. Les équipes d’opérations des TI peuvent économiser d’énormes quantités de temps et d’énergie consacrés à la surveillance de systèmes en intégrant toutes les données liées au Web, aux applications, au rendement de la base de données, à l’expérience utilisateur et aux journaux à une plateforme de données en nuage qui surveille automatiquement les seuils et détecte les anomalies.

Effectuez des analyses opérationnelles sans spécialiste. Les outils d’analyse avec une interface utilisateur visuelle permettent aux personnes non techniques d’interroger facilement un système et d’obtenir une réponse compréhensible.

Obstacles à la réalisation du plein potentiel de l’IA

Malgré la promesse de l’IA, de nombreuses entreprises ne réalisent pas le plein potentiel de l’apprentissage automatique et d’autres fonctions d’IA connexes. Pourquoi? Ironiquement, il s’avère que le problème repose, en grande partie… sur les gens. Des flux de travail inefficaces peuvent empêcher les entreprises d’obtenir la pleine valeur de leurs mises en œuvre de l’IA.

Par exemple, les spécialistes des données peuvent avoir de la difficulté à obtenir les ressources et les données dont ils ont besoin pour concevoir des modèles d’apprentissage automatique. Ils peuvent avoir du mal à collaborer avec leurs collègues. Et ils ont de nombreux outils à source ouverte à gérer, alors que les développeurs d’applications doivent parfois reprogrammer entièrement les modèles que les spécialistes des données ont créés avant qu’ils puissent les intégrer à leurs applications.

Compte tenu de la liste de plus en plus longue d’outils d’IA à source ouverte, le personnel des TI finit par passer plus de temps à soutenir les équipes de science des données en mettant continuellement à jour les environnements de travail. Ce problème est aggravé par la normalisation limitée de la façon dont les équipes de science des données aiment travailler.

Enfin, les cadres supérieurs peuvent ne pas être en mesure de visualiser le plein potentiel des investissements en IA de leur entreprise. Par conséquent, ils n’apportent pas suffisamment de parrainage ou de ressources pour créer l’écosystème collaboratif et intégré nécessaire pour que l’IA soit efficace.

Création de la culture appropriée

Tirer le meilleur parti de l’IA et éviter les problèmes qui nuisent à des mises en œuvre réussies signifie de mettre en place une culture d’équipe qui appuie entièrement l’écosystème d’IA. Dans ce type d’environnement :

  • les analystes commerciaux travaillent avec les spécialistes des données pour définir les problèmes et les objectifs;
  • les ingénieurs des données gèrent les données et la plateforme de données sous-jacentes pour qu’elle soit pleinement opérationnelle à des fins d’analyse;
  • les spécialistes des données préparent, explorent, visualisent et modélisent des données sur une plateforme de science des données;
  • les architectes en TI gèrent l’infrastructure sous-jacente requise pour soutenir la science des données à l’échelle, que ce soit sur place ou en nuage;
  • les développeurs d’applications déploient des modèles dans des applications pour concevoir des produits axés sur les données.

De l’intelligence artificielle à l’intelligence adaptative

À mesure que les capacités d’IA se frayent un chemin dans les activités principales d’une entreprise, un nouveau terme fait son apparition : « intelligence adaptative ». Les applications d’intelligence adaptative aident les entreprises à prendre de meilleures décisions d’affaires en combinant la puissance des données internes et externes en temps réel à la science des données et à une infrastructure informatique hautement évolutive.

Essentiellement, ces applications rendent votre entreprise plus intelligente. Cela vous permet d’offrir à vos clients de meilleurs produits, de meilleures recommandations et de meilleurs services, ce qui se traduit par meilleurs résultats opérationnels.

L’IA comme impératif stratégique et avantage concurrentiel

L’IA est un impératif stratégique pour toute entreprise qui désire augmenter l’efficacité, obtenir de nouvelles possibilités de revenus et fidéliser davantage les clients. Elle devient rapidement un avantage concurrentiel pour de nombreuses organisations. L’IA permet aux entreprises d’en faire plus en moins de temps, de créer des expériences client intéressantes et personnalisées et de prédire les résultats opérationnels qui favorisent une rentabilité accrue.

Mais, l’IA est encore une technologie nouvelle et complexe. Pour en tirer le maximum, vous avez besoin d’expertise en matière d’élaboration et de gestion de solutions d’IA à l’échelle. Un projet d’IA efficace nécessite plus que la simple embauche d’un spécialiste des données. Les entreprises doivent mettre en œuvre des outils, des processus et des stratégies de gestion appropriés pour garantir le succès de l’IA.

Pratiques exemplaires pour tirer le maximum de l’IA

Le Harvard Business Review fait les recommandations suivantes pour la mise en œuvre de l’IA :

  • Appliquez des capacités d’IA pour les activités qui ont l’incidence la plus importante et la plus immédiate sur les revenus et les coûts.
  • Utilisez l’IA pour accroître la productivité avec le même nombre d’employés, plutôt qu’éliminer ou ajouter des effectifs.
  • Amorcez la mise en œuvre de l’IA en arrière-guichet, non dans les secteurs qui ont trait au service à la clientèle (les services des TI et de la comptabilité en profiteront le plus).

Obtenir de l’aide avec votre cheminement vers l’IA

Il est impossible d’échapper à la transformation vers l’IA. Pour rester concurrentielle, chaque entreprise doit éventuellement adopter l’IA et établir un écosystème d’IA. Les sociétés qui n’adoptent pas l’IA d’une façon ou d’une autre au cours des 10 prochaines années ne seront pas en mesure de suivre le rythme.

Bien que votre entreprise puisse être l’exception, la plupart des entreprises n’ont pas les talents et l’expertise à l’interne pour concevoir le type d’écosystème et de solutions qui peuvent optimiser les capacités d’IA.

Si vous avez besoin d’aide pour concevoir la bonne stratégie et accéder aux outils appropriés pour réussir votre processus de transformation vers l’IA, vous devriez rechercher un partenaire innovateur qui possède une expertise approfondie du domaine et un portefeuille complet en matière d’IA.

Construisez, testez et déployez des applications sur Oracle Cloud gratuitement.

Bibliothèque d’apprentissage de l’intelligence artificielle

En savoir plus sur la science des données
En savoir plus sur la science des données

Les entreprises combinent activement des statistiques à des concepts d’informatique comme l’apprentissage automatique et l’intelligence artificielle pour extraire des renseignements de mégadonnées afin de stimuler l’innovation et de transformer la prise de décision.

En savoir plus sur l’apprentissage automatique
En savoir plus sur l’apprentissage automatique

L’apprentissage automatique, un sous-domaine de l’intelligence artificielle (IA), se concentre sur la conception de systèmes qui apprennent au moyen de données dans le but d’automatiser et d’accélérer le délai relatif à la prise de décision et de rendre plus rapide le délai lié à l’obtention d’un rendement.

Nouvelles et opinions
Nouvelles et opinions

L’intelligence artificielle, l’apprentissage automatique et la science des données transforment la façon dont les entreprises traitent les problèmes complexes pour modifier la trajectoire de leurs secteurs respectifs. Lisez les plus récents articles pour comprendre la façon dont le secteur et vos pairs tiennent compte de ces technologies.