Accueil > Analytics > Data Analytics > Intelligence artificielle et Big Data : la convergence de deux technologies révolutionnaires
intelligence artificielle et big data

Intelligence artificielle et Big Data : la convergence de deux technologies révolutionnaires

L’intelligence artificielle et le Big Data sont deux technologies en plein essor, pleines de promesses pour les entreprises de toutes les industries. Toutefois, le véritable potentiel révolutionnaire de ces deux technologies repose probablement sur leur convergence. Découvrez quelles sont les possibilités offertes par l’alliance entre Big Data et intelligence artificielle.

La révolution de l’IA et du Big Data

Nous sommes à l’aube d’une révolution technologique d’une ampleur supérieure à celle d’internet et des technologies de communication mobiles. En 1965, Gordon Moore, co-fondateur d’Intel, théorisait que la puissance informatique serait en mesure de doubler tous les 18 à 24 mois. Pendant les 50 ans qui ont suivi, sa théorie s’est révélée exacte. Les secteurs de la robotique ou de la biotechnologie ont connu d’incroyables avancées.

Aujourd’hui toutefois, des technologies comme l’intelligence artificielle et le Big Data sont en passe d’évoluer de façon plus rapide encore. Les croissances exponentielles respectives de ces deux technologies sont sur le point de se rencontrer, permettant à chacune de se développer encore plus rapidement.

En 1990, un groupe de scientifiques a entrepris de décoder le génome humain. Un procédé qui leur prendrait non moins de 13 ans, et leur coûterait 2,7 milliards de dollars. Ce déchiffrement n’aurait pas été possible sans l’aide d’une immense puissance informatique et de logiciels customisés. Grâce à la baisse des prix de l’informatique, les chercheurs ont ensuite pu entreprendre d’éditer le génome grâce à la technique du CRISPR. À présent, les technologies analytiques du Big Data vont permettre de développer des traitements médicaux adaptés à chacun en fonction de son code génétique.

Les voitures autonomes ont toujours occupé une place privilégiée dans la science-fiction. Aujourd’hui, la réalité est en passe de rattraper l’imaginaire. En 2009, de nombreuses marques de luxe ont incorporé des systèmes de navigation assistée et des logiciels de changements de voie adaptatifs reposant sur les données. Plus récemment, Tesla a utilisé le Big Data et l’intelligence artificielle pour créer une fonctionnalité de pilote automatique Autopilot.

De leur côté, Nvidia et Alphabet utilisent l’intelligence artificielle pour réaliser des cartes détaillées en temps réel utilisées par leurs véhicules de test pour visualiser le monde. L’industrie du commerce est elle aussi en pleine évolution. Le développement de produit et le marketing sont désormais dirigés par l’intelligence artificielle et le Big Data. Toutes ces innovations fascinantes ont été rendues possibles par la rencontre entre la puissance informatique, le Big Data et l’intelligence artificielle.

Le Big Data et l’intelligence artificielle sont la prochaine disruption numérique

Le Big Data et l’intelligence artificielle sont deux technologies inextricablement liées, au point que l’on peut parler d’une Big Data Intelligence. L’IA est devenue omniprésente dans les entreprises de toutes les industries au sein desquelles la prise de décision est transformée par les machines intelligentes. Le besoin en matière de décisions plus intelligentes et de gestion du Big Data sont les critères qui dirigent cette tendance.

La convergence entre le Big Data et l’IA semble inévitable à l’heure où l’automatisation des prises de décisions intelligentes se présente comme la prochaine évolution du Big Data. Une agilité en hausse, des processus business plus intelligentes et une meilleure productivité sont les bénéfices les plus probables de cette convergence.

L’évolution de la gestion des données ne s’est pas déroulée sans embûches. Beaucoup de données sont aujourd’hui stockées sur ordinateur, mais il reste encore de nombreuses informations sur papier, malgré la possibilité de numériser les informations sur papier et de les stocker sur des disques ou dans des bases de données.

Il suffit de rentrer dans un hôpital, une administration, un cabinet médical ou n’importe quel commerce pour se rendre compte que de nombreuses informations au sujet des clients, des vendeurs, ou encore des produits sont encore stockées sur papier. Or, il est impossible de stocker les terabytes de données produits par le streaming vidéo, les textes et les images sur du papier.

Le seul fait de collecter ou d’avoir accès à de larges ensembles de données n’est pas suffisant pour produire un résultat. La plupart d’entre nous ne sommes pas suffisamment préparés pour l’extraction de connaissances et la demande de prises de décisions rapides qu’exigent les clients et les marchés pour conserver un avantage compétitif.

Aujourd’hui, l’usage du machine Learning, des systèmes experts et des technologies analytiques en combinaison avec le Big Data se présente comme l’évolution naturelle de ces deux disciplines. La convergence est inéluctable.

L’Internet des Objets représente également une convergence entre Big Data et IA. Sans un cerveau numérique suffisamment intelligent pour permettre aux humains d’utiliser un réseau IoT capable de traiter, de distribuer et de collecter le Big Data, il ne sera pas possible de mettre en place un tel réseau.

Même les capteurs, les puces, les nœuds de réseaux et les logiciels qui permettent de faire fonctionner les réseaux IoT sur le Cloud seront liés à l’intelligence artificielle. Ce phénomène est déjà en place dans le domaine des communications Machine to Machine.

La capture de données pour identifier des tendances ou des patterns dans le comportement des clients ou des employés peut être très utile. Toutefois, l’extraction d’un sens, et son automatisation, pour découvrir des méthodes optimales d’améliorer la productivité ou la résolution de problèmes pourrait être encore plus utile.

L’intelligence artificielle sera utilisée pour extraire du sens, déterminer de meilleurs résultats, et permettre des prises de décisions plus rapides à partir de sources Big Data massives. Dans un monde où le Big Data est omniprésent, l’extraction d’un sens, la monétisation des données seront menées par l’intelligence artificielle pour le futur des entreprises et le développement de la planète. La convergence entre le Big Data et l’intelligence artificielle pourrait permettre de surmonter des défis comme le chômage, l’environnement, l’économie, la sécurité ou la santé.

L’automatisation de la prise de décision devient peu à peu la norme. De nombreux problèmes concernant l’éthique de l’intelligence artificielle doivent encore être résolus. Les systèmes capables d’apprendre de manière autonome, chargés de déterminer quel Big Data doit être identifié et utilisé, vont nécessiter une gestion humaine, tout du moins dans un premier temps.

Dans les domaines des soins de santé, de la loi, de la banque, de la publicité, du commerce équitable, de la sécurité ou de la finance, le Big Data seul n’est pas suffisant. Il est nécessaire d’utiliser l’intelligence artificielle en complément.

Il est donc important de ne pas commettre l’erreur de percevoir ces deux technologies comme deux tendances séparées. Votre entreprise risquerait de rater une opportunité. Cette convergence aura un impact direct sur vos employés, vos clients, vos services et votre marché et doit donc être prise en compte.

Quels sont les défis à relever pour le Big Data et l’intelligence artificielle ?

Pour le moment, l’intelligence artificielle n’est pas régulée de façon spécifique. De nombreuses personnes expriment des craintes en matière de sécurité. Ce problème doit être résolu rapidement. La moindre information peut être dérobée facilement par des hackers. Les modèles hautement sophistiqués nous rendent vulnérables à de nombreuses menaces.

Par ailleurs, beaucoup s’inquiètent au sujet du contrôle autour de cette technologie. Le manque de lois permettant de gouverner les ventes et l’achat de logiciels IA. Si ces logiciels sont destinés à contrôler le trafic, les systèmes de santé, ou encore la bourse, il est nécessaire de mettre en place des lois de gouvernance.

Il ne fait aucun doute que la prise de décision autonome représente le futur. Cependant, là encore, de nombreuses craintes émergent concernant l’authenticité et l’éthique de l’intelligence artificielle et du Big Data. L’accumulation des données sur les serveurs cloud et son accessibilité aux fraudeurs peut se montrer fatale pour les entreprises.

Tous ces défis sont intimidants. Ils font naître la suspicion autour de cette convergence entre IA et Big Data. Il est essentiel de se rappeler que les technologies ne sont disruptives que lorsque nous sommes mal préparés.

Le Big Data peut-il résoudre les principaux problèmes actuels de l’intelligence artificielle ?

Au cours des quatre dernières années, les accords passés entre de grandes entreprises et des startups dédiées à l’intelligence artificielle ont considérablement augmenté. Ce nombre est passé de 160 en 2012 à 658 en 2016. Les entreprises utilisent l’intelligence artificielle pour des usages très variés, allant du développement de voitures autonomes à la détection d’émotion à distance.

En dehors de ces usages, l’intelligence artificielle peut s’avérer encore plus utile pour les entreprises à travers ce qu’on appelle l’Account-Based Intelligence.

L’Account-Based Intelligence est l’itération la plus récente du rêve des ventes et du marketing one to one. Nous sommes aujourd’hui plus proches que jamais de parvenir à concrétiser cette utopie.

Tout d’abord, nous générons aujourd’hui plus de données que jamais auparavant. Chaque seconde, l’humanité produit 6000 tweets, 40 000 recherches Google, et 2 millions d’emails. D’ici 2019, le trafic web mondial surpassera 2 zettabytes par an.

Cette immense quantité de données est la première étape vers l’Account-Based Intelligence, car l’ABI nécessite des informations granulaires sur chaque entreprise cible. Toutefois, elle soulève également un nouveau problème. Les entreprises doivent en effet trouver comment transformer ces données en insights exploitables.

En effet, cette tâche est impossible à accomplir en utilisant les outils marketing traditionnels ou de simples recherches Google. Le web est trop massif est désorganisé pour y parvenir ainsi. De nombreuses entreprises dépensent des millions de dollars pour mélanger des sources de données et des points solutions, ce qui n’aboutit au final qu’à un taux de conversion très faible. Pour cause, cette méthode aboutit le plus souvent sur l’envoi d’un mauvais message, aux mauvaises personnes, au mauvais moment.

Les outils de l’intelligence artificielle pour l’ABI

Jusqu’à récemment, les ordinateurs peinaient à interpréter les données non structurées comme le contenu Facebook et les vidéos YouTube. Toutefois, grâce aux récentes avancées dans le domaine de l’informatique cognitif et de la puissance de processing, les choses sont en train de changer.

Or, ce changement peut profiter aux entreprises pour leurs ventes et leur marketing. En effet, les informations sur les chefs d’entreprises, les décisions qu’ils prennent, leur attitude et leurs données démographiques ne sont pas stockées proprement au sein de petites bases de données. Elles sont dispersées au sein de publications sur les réseaux sociaux, d’historiques de navigation et de données de géolocalisation. Aujourd’hui, de nouveaux outils permettent aux dirigeants de startups de faire sens à partir de ces données.

Data Crawlers

Les Data Crawlers minent le web de manière autonome à la recherche de données non structurées. Ils examinent les entités, établissent des relations, et permettent de créer des profils de clients. Face à l’augmentation du nombre de données estimée à environ 70 pour cent par an, il est essentiel que ces programmes parcourent continuellement le web pour dénicher les informations les plus pertinentes.

Les startups peuvent les utiliser pour déployer l’ABI. Par exemple, pour trouver de nouveaux clients, parcourir le web peut permettre de révéler une niche de clients dont les données démographiques correspondent à celles des meilleurs clients actuels.

En 2015, Microsoft a racheté Metanaunix dans ce but. En utilisant des crawlers, la startup peut explorer une grande quantité de données non relationnelles. Elle récupère ensuite des insights en provenance de différentes sources plus rapidement et plus précisément que les humains.

Traitement naturel du langage

Le traitement naturel du langage permet d’examiner les interactions entre les ordinateurs et les humains pour extraire un sens à partir des conversations. En repérant certains mots ou certaines phrases, cette technologie permet d’analyser les sentiments à l’égard de la marque. Elle permet aussi de prédire quelles audiences seront plus réceptives au message de l’entreprise. Ce point est essentiel pour communiquer le bon message aux bonnes personnes, critère primordial de l’ABI.

Si l’entreprise souhaite savoir ce que les gens disent sur ses produits sur les réseaux sociaux, le traitement naturel du langage permet d’explorer les publications sur les réseaux sociaux, de les associer avec certains groupes de consommateurs, et de découvrir ce qui importe le plus pour chaque groupe. Ce système peut être utilisé pour répondre aux critiques des consommateurs et aux avis positifs, pour résoudre les problèmes, et pour améliorer un produit.

Si vous souhaitez essayer cette technologie par vous-même, sachez que la startup IV.AI permet à n’importe qui d’essayer sa plateforme de traitement naturel du langage. Tapez n’importe quelle phase pour savoir l’émotion qui lui correspond.

Machine Learning

Le Machine Learning permet aux ordinateurs d’apprendre et d’agir sans avoir été programmés de façon explicite. Cette technologie recherche des patterns au sein des données pour diriger les actons des programmes, en prenant en compte le contexte. La véritable ABI requiert des modèles dynamiques, et le machine Learning permet de les ajuster automatiquement quand de nouvelles données font leur apparition.

Sans même le savoir, de nouvelles entreprises profitent déjà du Machine Learning. Facebook utilise cette technologie pour personnaliser le fil d’actualité en se basant sur les clics et les likes. D’autres entreprises utilisent cette technologie pour prédire la loyauté des clients ou leurs comportements d’achat, prédire les performances d’un produit, ou pour anticiper les risques.

Google Now est probablement l’application de Machine Learning la plus avancée à ce jour. Elle apprend les habitudes des utilisateurs, imite leur style de conversation, et leur fournit de recommandations intelligentes. Par exemple, si l’utilisateur a besoin d’aller à l’aéroport pour un vol qui aura lieu dans 30 minutes, Google Now peut analyser les délais de trafic et programmer un Uber qui l’y emmènera à l’heure.

L’intelligence artificielle est sans le moindre doute une technologie formidable. Elle peut trouver des données inaccessibles pour l’être humain, et distiller du sens avec beaucoup de précision. Combinée avec l’ABI, elle peut également guider l’entreprise vers ses prochains meilleurs clients. Cette technologie sera le plus grand changement du siècle dans le domaine du business, et la révolution ne fait que commencer.

5 tendances Big Data qui mèneront l’évolution de l’IA en 2017

L’essor de l’IA et du Machine Learning dépend fortement du Big Data. Les données permettent de développer des modèles prédictifs. Plus les données sont nombreuses, et représentatives des concepts à apprendre, plus les applications IA de Machine Learning sont abouties.

En 2017, nous devrions voir apparaître davantage d’experts dans ce domaine, mais la demande devrait rester supérieure à l’offre. Le Machine Learning favorise l’adoption des solutions Big Data, au même titre que le cloud qui facilite leur déploiement.

Les outils Big Data self-service disponibles sur le web

Grâce aux avancées effectuées dans le domaine des applications de traitement de données, il existe de nombreuses plateformes Big Data en ligne accessibles gratuitement. Ces plateformes cloud permettent d’organiser et de synthétiser les données facilement, même pour les débutants.

Il suffit à l’utilisateur de spécifier la quantité de stockage et la puissance informatique dont il a besoin, et les bases de données apparaissent sur le cloud en quelques minutes. Nul besoin de configurer des racks, des réseaux ou des serveurs.

Pour Michael Cavaretta, directeur de l’infrastructure analytique chez Ford Motor Company, cette tendance devrait se poursuivre en 2017. Les implémentations cloud du Big Data sont de plus en plus populaires, car elles réduisent le coût d’accès à ces technologies. Pour beaucoup, le développement d’un stack Big Data n’est pas rentable, et fonctionne mieux quand la majorité des données peut être hébergée sur une instance individuelle.

Les technologies analytiques peinent à s’adapter

Même avec des outils à la pointe de la technologie et des data warehouses comme Hadoop et Spark, les analyses de données demeurent complexes. Les entreprises peinent à transférer leurs données depuis les systèmes opérationnels vers les systèmes analytiques. Cette difficulté affecte directement la productivité.

Les données disponibles sont de plus ne plus nombreuses, et les algorithmes s’améliorent, permettant davantage d’automatisation et de meilleures prédictions. De fait les technologies analytiques peinent à s’adapter.

Le nettoyage de données devient une industrie

Pour transférer les données vers les systèmes de Machine Learning, il est nécessaire de les nettoyer au préalable. Nettoyer des données signifie rechercher des erreurs dans le format ou encore les duplications au sein de la base de données. La qualité des systèmes de Machine Learning dépend des données sur lesquelles ils reposent. Le secret est donc de transformer les données brutes en données exploitables. Par exemple, savoir que quelqu’un a visité un magasin de chaussures en ligne est utile, mais savoir à quelle date il s’y est rendu est une information inestimable.

La démocratisation des données

Le directeur des données du Toyota Research Institute considère que les données ne résident pas dans les data lakes mais dans les silos au sein desquels leur mission est claire. Les architectures server-less et micro-service permettent aux propriétaires de ces silos d’accéder bien plus facilement à leurs données, de les analyser et de les gérer sans avoir à procéder au racking de serveurs, à la configuration de machines virtuelles, ou même au paiement à l’heure. Les propriétaires des données peuvent donc se focaliser sur l’application des données et payer pour ce qu’ils utilisent à la minute.

L’intelligence artificielle est un secteur présentant un grand potentiel pour transformer les domaines de la science, de la médecine et de la technologie. On ne peut que conseiller aux entreprises d’être prêtes à embrasser cette nouvelle technologie.

Le Big Data et l’intelligence artificielle sont des technologies naissantes, et il est impossible de prédire leur effet sur le long terme. Il serait toutefois absurde de faire l’impasse sur ces avancées techniques. Il est fort probable que ces deux technologies convergent dans un futur très proche.

A lire également

gdpr europe règlement

GDPR : quelles sont les implications du règlement européen pour les entreprises ?

Le GDPR est un règlement européen des données personnelles récemment promulgué qui rentrera en application …

Send this to friend