L’IA, sujet sensible ou arme miracle?

Faisant partie des technologies de base pour l’analyse de grands ensembles de données complexes, non structurés resp. hétérogènes, l’intelligence artificielle (IA) joue un rôle extrêmement important en tant qu’outil de numérisation. Les méthodes issues de l’IA ont un grand potentiel – notamment pour l’économie du bois.

«Se demander quelles informations pourraient m’aider si j’en disposais au préalable est une bonne approche du thème de l’IA», explique Oliver Bracht, CEO et Chief Data Scientist chez Eoda GmbH dans un entretien avec IT-ZOOM. Il est important de ne pas prioriser la technologie, mais d’évaluer les données dont on a besoin et comment elles peuvent être collectées de manière raisonnable. La mise en œuvre technique ne doit être considérée que dans un second temps. «Les projets d’IA échouent davantage en raison du volume et de la qualité des données que de la technologie», constate Oliver Bracht. Il n’est pas nécessaire que ce soit toujours une «véritable» IA. «Le Deep Learning (voir encadré) nécessite beaucoup de données, poursuit-il. En tant que PME, le risque existe que l’on affirme ne pas disposer d’une telle quantité de données.» Ainsi, la méthode de classification Random Forest convient également aux prévisions mais ne nécessite pas autant de données. Un Random Forest est constitué de plusieurs arbres de décision indépendants. Olivier Bracht est convaincu qu’il est souvent possible d’aller très loin, même avec des méthodes relativement simples. Il est toutefois important que les PME abordent elles aussi le thème de l’IA à un stade précoce et qu’elles développent leurs propres compétences.

Approche «do-it-yourself»
Pour le commun des mortels, l’introduction au thème n’a probablement jamais été aussi facile qu’aujourd’hui. Depuis le début des années 2000, on observe une démocratisation croissante de la technologie dans tous les domaines MINT (mathématiques, informatique, sciences naturelles et technique). Aujourd’hui, par exemple, les effets du mouvement dit «maker» et du développement distribué et collaboratif de logiciels sur les innovations dans tous les secteurs économiques sont évidents. Outre l’émergence de réseaux et de start-up à succès, ce développement, soutenu par des amateurs intéressés, a également permis d’aborder des sujets complexes avec une initiation à bas seuil. Enfin, le potentiel d’une masse intéressée a également été reconnu par les géants de la technologie (Google et Microsoft notamment) qui mettent désormais à disposition des outils et des instructions partiellement libres et incluant également des mégatendances telles que l’IA.

Microsoft Power Automate concerne ainsi directement les entreprises et il est facile à utiliser. Cet environnement permet la programmation graphique de l’automatisation des processus contrôlés par des robots (RPA, traitement automatisé de processus commerciaux structurés par des robots logiciels), qui, outre Microsoft Office 365, permet également l’intégration de logiciels existants. La connaissance d’un langage de programmation n’est pas nécessaire. Outre les tâches administratives simples, l’environnement peut être utilisé pour créer rapidement des flux de travail plus complexes à l’aide de l’IA. Par exemple, l’AI Builder permet l’extraction intelligente d’informations à partir de documents.

Approfondir le thème de l’IA
Les personnes souhaitant apprendre un langage de script simple peuvent découvrir davantage de possibilités de Machine Learning (ou «apprentissage automatique») et d’IA sur Watson, la plateforme cloud d’IBM. Cette offre gratuite donne un aperçu des possibilités et des limites des technologies d’IA par le biais d’exemples bien documentés. De cette façon, il est possible de mettre en œuvre ses propres applications de test. L’utilisateur ne doit ainsi s’occuper que de l’interface avec le Watson Cloud, les systèmes d’IA entraînés étant fournis par IBM. Dans le cadre d’une mise en œuvre productive, ces applications tests peuvent être transférées ultérieurement aux services payants.

Si vous voulez étudier la question de façon encore plus détaillée, le Framework Tensorflow gratuit de Google offre tous les outils pour entraîner vos propres solutions d’IA et les mettre en œuvre. Bien que ce système soit également bien documenté et proposé avec des exemples, son utilisation nécessite des connaissances en programmation et une compréhension de base des algorithmes.

La balle est dans votre camp
Les exemples mentionnés sont donnés à titre d’incitation. Il existe une myriade d’autres possibilités, plus ou moins complexes et plus ou moins coûteuses, de s’atteler au thème de l’IA. L’approche «do-it-yourself» peut offrir une alternative intéressante, surtout pour un petit secteur spécialisé et finement structuré tel que l’économie suisse du bois. Tentez l’expérience et laissez-vous stimuler par vos propres idées. Dans le domaine de la gestion d’entreprise, les employés disposant d’une formation en informatique ou manifestant de l’enthousiasme pour celle-ci ont de bonnes chances de maîtriser les outils et d’obtenir des résultats clairs après une période de formation raisonnable.

Utilisation dans l’économie du bois
L’IA est encore peu utilisée dans l’économie du bois. Les premières implémentations ont eu lieu dans le cadre de l’EMPA de Dübendorf. Il s’agit en l’occurrence d’analyse d’images ayant pour but d’effectuer un classement de la résistance des planches et le contrôle des processus lors de la production de panneaux de fibres. Il existe des approches supplémentaires qui peuvent être transférées depuis d’autres domaines. Ainsi, la reconnaissance vocale basée sur l’IA joue un rôle de plus en plus important dans le service à la clientèle sous la forme de «chat bots» et pour la génération automatisée de descriptions de produits. Les systèmes déjà disponibles dans le commerce pourraient être tout aussi utiles pour les portails de distribution de produits en bois. Les outils de traduction basés sur l’IA offrent également un moyen efficace de rendre les portails en ligne accessibles à un public plus large, et surtout plus international. La technologie peut également être utile dans le cadre de l’optimisation des processus. Ainsi, les solutions d’automatisation dans la comptabilité ou la maintenance prédictive permettant une meilleure planification de la maintenance sont de plus en plus renforcées par l’IA.

De passionnantes possibilités
La Haute école spécialisée bernoise BFH est également concernée par l’IA. Deux projets sont actuellement en préparation pour démontrer leur utilisation dans l’économie du bois. L’un d’eux porte sur les travaux de planification et met en lumière la capacité de l’IA à augmenter le nombre de variantes en un clic de souris et, ainsi, à améliorer l’expérience du client. L’autre se penche sur la prise numérisée des mesures et intègre des propositions de solutions automatisées. «Il existe de nombreuses possibilités passionnantes et nous y travaillons», souligne Rolf Baumann, responsable de l’Institut de l’économie numérique de la construction et du bois.

 

L’intelligence artificielle (IA) implique souvent une machine intelligente dont les capacités cognitives sont souvent égales ou supérieures à celles d’un être humain. Il s’agit en fait d’un terme générique qui n’est pas défini avec précision.

Le Machine Learning (ML), ou apprentissage automatique, est un domaine de l’IA. Il traite des algorithmes et des méthodes avec lesquels les machines peuvent, à partir de données, apprendre à résoudre une certaine tâche de manière autonome et sans programmation spécifique.

Le Deep Learning est un sous-domaine du Machine Learning. Les réseaux neuronaux artificiels sont utilisés pour extraire des connaissances à partir de données. Aujourd’hui, les réseaux neuronaux sont de loin les représentants les plus importants de l’IA. Après une phase d’apprentissage, ils peuvent être utilisés comme classificateurs rapides et efficaces dans le cadre d’applications complexes.

 

Légende photo: De plus en plus souvent, l’IA vient renforcer l’automatisation de tâches répétitives, par exemple dans la comptabilité. (propre présentation basée sur: Buxmann et Schmidt, 2019)