Ce ne sont pas les droïdes que vous recherchez.
À quoi pensez-vous lorsque quelqu’un vous demande de décrire ce qu’est l’intelligence artificielle ?
Il y a de fortes chances que la vision qui vous viendra immédiatement à l’esprit ait un visage très humain : celui d’Arnold Schwarzenegger (Terminator), de Haley Joel Osment (A.I.) ou de Brent Spiner (Star Trek). Le terme le plus souvent associé aux visuels est « machine learning » et n’est généralement pas accompagné d’un visage, mais il peut évoquer la lumière rougeoyante de HAL 9000 de 2001 ou la logique robotique perpétuellement froide d’Ex Machina. Nous devons en grande partie à Hollywood et à la science-fiction notre compréhension populaire de ce sujet complexe.
Et pourtant, ces envolées fantaisistes sont en fait des manifestations correctes de la pensée scientifique sur ce qui fait fonctionner le cerveau humain. En termes simples, on peut définir l’intelligence artificielle comme « apprendre à un ordinateur à imiter certains aspects de l’intelligence humaine ».
L’objet de cette intelligence, en particulier son objectif et son mode de fonctionnement, nous aide à définir trois types distincts d’IA. Pour comprendre comment l’IA et les services applicatifs fonctionneront ensemble à l’avenir, il est d’abord nécessaire d’examiner chaque type d’IA.
Les choses que nous voyons sur l’écran de cinéma – de grands et méchants cyborgs ou de sympathiques et pâles androïdes – sont des exemples d’une intelligence autonome et polyvalente. Son intelligence n’a pas d’autre but spécifique que d’apprendre et de transformer l’apprentissage en une action autonome supplémentaire. Il s’agit de modèles « forts » d’intelligence artificielle, et ce type d’IA appartient strictement au domaine de la science-fiction. Ils n'existent pas.
Au-delà de l’IA « forte », il existe une version plus simple et plus ciblée que l’on peut décrire comme un modèle « faible » d’intelligence artificielle : elle fonctionne de manière autonome, comme le ferait notre androïde de film, mais son objectif est limité. Il est capable d’une adaptation et d’un apprentissage simples dans le domaine confiné dans lequel il évolue. Ces systèmes sont experts dans des domaines qui leur sont intégrés, mais n’ont aucune capacité à apprendre de nouvelles astuces par eux-mêmes. Nous interagissons avec eux tous les jours par leur nom : Siri, Alexa, Google. Nous leur demandons de remonter les vitres de nos voitures ou de rester quelque peu éloignés de la voiture qui nous précède. Et même si nous pouvons leur poser des questions sur la météo auxquelles ils peuvent probablement répondre, il est peu probable qu’ils nous donnent de sages conseils sur nos relations comme le ferait le lieutenant-commandant Data.
Le troisième type d’IA, et le plus courant, n’est pas toujours immédiatement visible. Ce n’est pas une technologie que nous appellerions par son nom, mais nous interagissons quotidiennement avec des systèmes qui contiennent cette technologie. Ces systèmes sont des modèles « augmentés » de l’intelligence artificielle. Ils existent pour assister l’intelligence humaine dans des tâches spécialisées en aidant nos processus de pensée à être plus efficaces et informés. Elles sont presque toujours ultra-spécialisées : analyser les taches sombres sur nos radiographies et signaler aux techniciens qu’elles pourraient être importantes ou comparer rapidement les produits sortant des chaînes de montage pour repérer les problèmes de qualité bien avant qu’un cerveau humain ne puisse y réagir.
L'IA d'assistance est la base de la troisième phase de la transformation numérique : « Entreprise assistée par l'IA. » Cette IA exploitera la télémétrie collectée à partir de la prochaine génération de services d’application et améliorera l’activité en fournissant les moyens de résoudre les défis commerciaux ancrés dans la technologie. Cela peut être aussi simple que l’identification des problèmes de performances qui conduisent à une réduction des taux de conversion des clients ou aussi avancé que la reconnaissance de clients légitimes aux prises avec un processus commercial numérisé. Les deux nécessitent des ensembles de données importants qui couvrent le chemin des données. Ces deux types de relations ne peuvent être rapidement découverts qu’avec la puissance de l’analyse avancée soutenue par l’IA.
Pour permettre de telles capacités futures, nous nous sommes lancés dans un parcours de transformation numérique axé sur l'extension des services d'application sur l'ensemble du chemin du code aux données client. Cette vision a abouti à l’acquisition de NGINX et, plus récemment, à celle de Shape Security . Les deux sociétés proposent des solutions et des services d’application uniques qui sont fondamentaux pour l’avenir de la fourniture d’applications et la capacité de créer une IA d’assistance qui contribuera à alimenter l’activité numérique du futur.