Accueil > Analytics > Data Analytics > Cognitive Computing – Définition, fonctionnement et secteurs d’application
cognitive computing définition fonctionnement secteurs d'application

Cognitive Computing – Définition, fonctionnement et secteurs d’application

L’intelligence artificielle a beaucoup évolué depuis le premier ordinateur. Grâce au cognitive computing, l’IA pourrait prochainement devenir aussi efficace que l’intelligence humaine. Cette technologie combine les sciences cognitives à la science informatique, et pourrait fortement influence toutes les industries ainsi que nos vies privées. Par ailleurs, elle pourrait aider à résoudre le principal problème du Big Data. Découvrez la définition, le fonctionnement et les secteurs d’application du cognitive computing.

Qu’est-ce que le Cognitive Computing ?

Le Cognitive Computing, ou informatique cognitive, est la simulation du processus de pensée humaine au sein d’un modèle informatique. Cette technologie repose sur des systèmes d’apprentissage informatique utilisant le data mining, la reconnaissance de patterns et le traitement naturel du langage pour imiter la façon dont fonctionne le cerveau humain. En effet, si les ordinateurs sont capables de réaliser des calculs et de traiter l’information plus rapidement que les humains depuis plusieurs décennies, ils peinent à effectuer des tâches simples pour les humains, comme la compréhension du langage naturel, ou la reconnaissance d’objets au sein d’une image.

Pour certains, le cognitive computing représente la troisième ère de l’informatique, après les ordinateurs capables de tabuler des sommes dans les années 1900 et les systèmes programmables des années 1950. Le système cognitif le plus connu est l’ordinateur cognitif IBM Watson, qui repose sur les algorithmes de Deep Learning et les réseaux de neurones pour traiter les informations en les comparant à un ensemble de données. Plus le système reçoit de données, plus il apprend et plus sa précision augmente au fil du temps. Le réseau de neurones se présent comme un arbre de décisions complexe que l’ordinateur peut prendre pour arriver à une réponse.

Comment fonctionne le Cognitive Computing ?

Les systèmes de cognitive computing utilisent des algorithmes de Machine Learning. De tels systèmes acquièrent des connaissances de façon continuelle à partir des données qu’ils reçoivent, en minant ces données à la recherche d’informations. Le système raffine la façon dont il recherche des patterns et la façon dont il traite les données afin de devenir capable d’anticiper de nouveaux problèmes et de modéliser des solutions possibles.

À quoi sert le Cognitive Computing ?

L’objectif du Cognitive Computing est de créer des systèmes informatiques automatisés capables de résoudre des problèmes sans avoir besoin d’assistance humaine. Le cognitive computing est utilisé par de nombreuses applications d’intelligence artificielle, notamment les systèmes experts, la programmation en langage naturel, les réseaux de neurones, la robotique et la réalité virtuelle.

Dans le domaine de la santé, par exemple, Watson pourrait examiner la condition d’un patient et son passif à des articles de journaux, aux meilleures pratiques connues, et aux divers outils de diagnostic pour recommander le meilleur traitement. Le docteur peut ensuite choisir la meilleure option de traitement en se basant sur un grand nombre de facteurs comme l’historique d’un patient pour prendre de meilleures décisions de traitement.

En d’autres termes, le cognitive computing n’a pas pour but de remplacer un médecin, mais d’étendre ses capacités en analysant une quantité de données trop vaste pour les humains afin de fournir un résumé exploitable. Ce type de traitement peut être effectué dans n’importe quel domaine dans lequel de grandes quantités de données complexes doivent être traitées et analysées pour résoudre des problèmes, y compris la finance, la loi et l’éducation.

Ces systèmes seront également appliqués à d’autres secteurs comme l’analyse de comportement des consommateurs, les robots de service client, les agences de voyages, la sécurité et les diagnostics. Hitlon Hôtels a récemment lancé son premier robot concierge, Connie, capable de répondre à des questions posées dans un langage naturel sur un hôtel, sur les attractions locales, et sur les restaurants.

Les assistants digitaux personnels comme Siri et Google Assistant ne sont pas vraiment des systèmes cognitifs. Ils proposent un ensemble de réponses préprogrammées et ne peuvent répondre qu’à un nombre de requêtes préenregistré. Toutefois, dans un futur proche, il sera possible de poser des questions à nos téléphones, nos ordinateurs, nos voitures ou nos maisons et d’obtenir une réponse réelle sans programmation préalable.

Cognitive Computing : la solution au manque de Data Scientists ?

ibm watson

À l’heure actuelle, le Big Data représente une quantité de données trop large pour le nombre de Data Scientists qualifiés capables de leur donner sens. Or, sans Data Scientists, même la plateforme Big Data la plus avancée est inutile. Face à ce constat, la solution pourrait être le Cognitive Computing. En entrainant les ordinateurs pour qu’ils soient capables d’effectuer le travail d’un data scientist, le problème serait résolu.

Le Cognitive Computing permettrait de rendre les logiciels d’analyse de données plus fluide. Grâce aux progrès effectués dans le domaine du traitement naturel du langage, il est de plus en plus simple de communiquer avec les machines. Les professionnels qui ne sont pas encore familiarisés avec le langage des données ou le traitement de données peuvent donc désormais interagir avec les programmes et les plateformes à la manière dont les humains interagissent entre eux. Ainsi, en utilisant des commandes simples couplées au langage naturel, les plateformes conçues avec l’intelligence artificielle peuvent traduire des requêtes orales en requête de données et fournir des réponses de la même manière. Il sera donc plus simple pour le commun des mortels de se lancer dans l’analyse de données.

Concrètement, les technologies d’intelligence artificielle et de Machine Learning nécessaires à cette alternative existent déjà. Par exemple, la plateforme Google DeepMind est capable de retranscrire les capacités de mémoire à court terme du cerveau humain. Cet ordinateur est conçu avec un réseau de neurones adapté pour interagir avec une mémoire externe. Les souvenirs sont stockés, et peuvent être utilisés plus tard pour comprendre de nouvelles informations et réaliser des tâches pour lesquelles il n’est pas programmé initialement.

De même, l’ordinateur IBM Watson est doté de fonctionnalités de traitement naturel du langage, de génération d’hypothèse et d’apprentissage dynamique. Il est capable de comprendre les questions et d’y répondre de manière naturelle. De son côté, Qualcomm et sa plateforme Zeroth sont capables de reproduire le mode de pensée et les actions humaines en se basant sur le visuel et l’audio. De fait, un appareil fonctionnant sur cette plateforme peut reconnaître des objets, lire des écrits manuscrits, identifier des personnes et comprendre les contextes. Cette plateforme pourrait s’avérer très utile dans le domaine de l’analyse de sentiment. À n’en point douter, le Cognitive Computing se présente comme la solution la plus pertinente face au manque d’experts Big Data.

A lire également

catastrophes naturelles irma

Comment le big data aide à prévenir les catastrophes naturelles

Les derniers n’ont pas été de tout de repos pour les habitants des caraïbes. Les …

Send this to friend