Intelligence Artificielle : croyances et réalités

Sujet de fascination pour certains, de controverse pour d'autres, l’IA est au coeur des innovations technologiques et, dans le même temps, résonne avec un certain imaginaire collectif. Elle est l’objet de beaucoup de confusions entre sa réalité technique actuelle, ce qui relève de la prédiction scientifique et ce qui est de l’ordre du fantasme alimenté par la science-fiction.

D’un côté, on entrevoit une société où notre quotidien est rendu plus agréable par des technologies entièrement à notre service. De l’autre, on redoute la domination de l’Homme par la machine.

Si on est encore loin de cette prophétie, les technologies d’I.A. opèrent déjà de manière transparente dans notre quotidien. Nous sommes en contact direct avec les chatbots, les logiciels de reconnaissance faciale et les objets connectés.

Nous avons donc jugé utile de démêler le vrai du faux autour de la planète I.A. Dans cet article, nous démystifions les idées reçues et exposons l’avantage compétitif qu’elle offre aujourd’hui aux équipes marketing et data désireuses d’optimiser leurs performances digitales.

Croyance #1 : l’I.A., ce sont des robots qui vont prendre le contrôle des humains

L’I.A. est souvent associée aux représentations offertes par la science-fiction et les prophéties de « visionnaires » sur la future prise de contrôle des humains par la machine d’ici quelques décennies. On peut en effet considérer que cette représentation fait partie du champ de l’I.A. mais rien dans la recherche actuelle ne permet de dire qu’un tel saut technologique soit du domaine de la prédiction scientifique. La réalité est en fait aujourd’hui beaucoup plus terre à terre.

Réalité : L’I.A ne fonctionne pas sans le contrôle humain

On utilise l’I.A. dans beaucoup de domaines, mais pour des tâches précises et sur des sujets bien identifiés (sans qu’un algorithme ne soit capable de faire autre chose que ce pour quoi il a été conçu) : reconnaissance visuelle, voiture autonome, calcul de la probabilité de conversion d’un visiteur sur un site, etc. L’I.A. repose sur des faits concrets : de la donnée, des mathématiques et des schémas itératifs. L’Intelligence Artificielle s’applique sur des cas concrets et précis pilotés par l’humain. Dans le domaine du marketing, un projet utilisant l’I.A. repose sur 3 piliers :

• Les données à partir desquelles un algorithme va s’alimenter.
• ‍Les algorithmes de machine learning qui vont apprendre de ces données pour prédire les actions futures.
• L’intelligence humaine qui va définir la stratégie, son objectif et piloter les algorithmes pour réaliser cet objectif.

Croyance #2 : L’I.A., c’est pour une élite technologique

Beaucoup pensent que l’I.A. n’est accessible qu’aux entreprises en mesure d’investir des centaines de millions de dollars pour constituer des équipes d’experts. Quand on parle I.A., on pense en effet souvent aux GAFAM (Google, Amazon, Facebook, Apple et Microsoft), qui développent des applications pour leurs propres besoins.

Réalité : Une technologie accessible à tous

L’I.A. est accessible à toutes les entreprises qui souhaitent mieux exploiter leurs quantités colossales de données dormantes. Sans une I.A. pour les exploiter, ces données représentent plus un coût qu’une opportunité pour votre entreprise.

Croyance #3 : L’I.A. et le machine learning, c’est la même chose

Les deux termes, intelligence artificielle et machine learning, sont souvent confondus. En réalité, l’I.A. recouvre de nombreux applicatifs dont le machine learning est une expression.

Réalité : Intelligence Artificielle = machine learning + Dataset + Intelligence Humaine

Le machine learning est une composante de l’intelligence artificielle qui elle-même a besoin de l’intelligence humaine pour cadrer son apprentissage et livrer de meilleurs résultats. Source : A Deep Dive in the Venture Landscape of AI (2015)

Croyance #4 : L’algorithme est plus important que la donnée

La qualité de l’algorithme d’I.A est essentielle ; on tend donc à penser que sa puissance est le principal déterminant du succès ou de l’échec de son projet. C’est vrai mais c’est incomplet : son efficacité dépend aussi, voire d’abord, de la donnée.

Réalité : L’algorithme n’est rien sans la donnée

La quantité et la qualité des données qui alimentent les algorithmes de machine learning ont un impact direct sur les performances de leurs prédictions. Un algorithme peut être comparé à une voiture. Qu’elle qu’en soit la puissance, vous n’irez pas loin sans carburant… à condition qu’il soit de qualité.

Croyance #5 : L’algorithme tourne seul

De manière identique, beaucoup pensent que l’algorithme est autonome et qu’il va pouvoir identifier seul les éléments les plus pertinents d’un volume de données. La réalité est sensiblement différente : si l’algorithme surpasse l’humain dans le traitement continu de la complexité et du volume, il n’est pas inutile de le nourrir préalablement de « notre » intelligence pour lui faire gagner du temps.

Réalité : L’algorithme doit être configuré

À défaut de savoir exactement ce qui détermine la conversion d’un visiteur, le marketeur a déjà une idée plus ou moins précise de ce qui va influencer une action ou décision. Il est donc important de configurer l’algorithme pour qu’il se concentre sur des données clé au lieu de le noyer d’informations totalement inutiles. Par exemple, une donnée CRM a plus de valeur que le type de terminal utilisé par un visiteur pour prédire sa conversion. Moralité : mieux vaut un algorithme moins performant et bien configuré qu’un algorithme puissant non configuré.

Croyance #6 : L’algorithme conçoit les actions qu’il déclenche

On lit souvent qu’un algorithme de machine learning peut déterminer l’action la plus pertinente pour un visiteur. La rigueur obligerait à dire les choses un peu différemment.

Réalité : L’humain définit l’objectif à atteindre

Si la machine analyse des volumes de données biens supérieurs à ce dont l’humain est capable, il revient au marketeur de décider quelle(s) actions(s) marketing sont cohérentes avec sa stratégie et lesquelle(s) il veut lancer : remise tarifaire, modification du parcours client, gratuité de frais de port, etc. L’algorithme ne décide « que » de la pertinence ou non de déclencher ces actions en fonction des caractéristiques et du comportement des visiteurs. L’intelligence artificielle n’a pas vocation à remplacer l’humain, mais à le prolonger en augmentant ses performances. Sans direction, configuration et supervision humaine, le risque est que la machine ne produise peu ou pas de résultat, voire qu’elle dévie de son objectif initial.

On a pu le constater avec Tay, le bot Twitter de Microsoft qui emmagasinait de l’information au fur et à mesure qu’il échangeait avec des internautes. Si l’expérience était un succès dans les premières heures, le bot tenait des propos incitant à la haine en moins de 24h, obligeant Microsoft à le désactiver.

Sans supervision, le bot est clairement allé beaucoup trop loin dans son "apprentissage". Ce dernier exemple montre très bien que les algorithmes actuels ne sont pas capables de faire la part des choses. Ils emmagasinent et traitent la donnée, mais sont à des années-lumière de faire preuve de jugement.

Plus que les annonces grandiloquentes dignes de la science-fiction, il faut concentrer son attention sur les applications concrètes offertes aujourd’hui par l’I.A. Les marketeurs sont à la recherche de solutions leur permettant de mieux comprendre leurs visiteurs pour mieux les servir : ils peuvent agir dès maintenant pour optimiser leurs performances. - Jean-Noël Rivasseau, CTO & Fondateur, Kameleoon

Et vous dans tout ça ?

J’espère que vous y voyez déjà un peu plus clair sur le sujet et que vous distinguez bien les projets illusoires de ce qui est applicable dès aujourd’hui, ou le sera à très court terme. Comme la personnalisation il y a quelques années, l’intelligence artificielle convainc peu à peu les directions marketing. Ferez-vous partie des early adopters pour prendre des mois d’avance sur vos concurrents ?