Facebook Twitter Google + Linkedin Email
×

Les retombées industrielles de l'intelligence artificielle

|

Par publié le à 10h14

Les retombées industrielles de l'intelligence artificielle

L’avènement d’une véritable intelligence artificielle n’est pas à l’ordre du jour mais la recherche dans ce domaine explore des voies prometteuses telles que les réseaux neuronaux à la base du Deep Learning, ont rappelé les participants à un séminaire sur le sujet qui s’est tenu à l’institut national de physique nucléaire et de physique des particules (IN2P3) à Lyon le 10 mars. La robotique, la reconnaissance visuelle, vocale ou de formes, trouvent des applications industrielles dans l’aéronautique, le transport terrestre, la construction navale, l'agroalimentaire.

A quoi sert déjà l’intelligence artificielle, à quoi pourra-t-elle servir à l’avenir ? C’est à ces deux questions que se sont efforcés de répondre les participants au séminaire l’intelligence artificielle aujourd’hui et demain, qui s’est tenu au sein de l’unité de calcul IN2P3 de Lyon le 10 mars, à l'initiative de l'association Docforum. Loin des prédictions médiatisées d’un Raymond Kurzweil de Google, l’intelligence artificielle (IA)  est loin d’être aujourd’hui capable de rivaliser avec la capacité unique du cerveau humain à s’adapter à l’environnement et à produire des  paradigmes novateurs.

Jean-Claude Heudin, directeur de l’Institut internet et multimédia du Pôle Leonard de Vinci, pose le point de départ de l’intelligence artificielle à la Conférence de Darmouth en 1956, suite aux travaux d'Alan Turing.  L’IA, au croisement de l’informatique et des mathématiques, reste une simulation du comportement humain. Après des découvertes importantes  de Geoffrey Hinton en 1986 sur les algorithmes neuronaux en multicouches qui sont à la base du Deep Learning, l’IA à connu une période de gel de plus d’une décennie. En 1997, Deep Blue d’IBM en battant le meilleur joueur d’échecs du monde, Garry Kasparov, a relancé l’intérêt pour l’intelligence artificielle. Aujourd’hui les robots savent reconnaitre des formes et des couleurs, voire des affects pour deviner l’état émotionnel des êtres humains.

Dans l’industrie, les cobots, assistants intelligents des opérateurs, peuvent manipuler en toute sécurité des pièces lourdes ou chaudes ou à l’inverse, de petits éléments avec une meilleure précision que l’humain. Ils deviennent plus productifs que les opérateurs avec un temps de travail inférieur. Cependant, estime Fredéric Hélin du cluster Rhône-alpin Coboteam, les PME ne sont pas encore capables d’exprimer précisément leurs besoins. « Il reste encore beaucoup de travail en recherche et développement en matière de cobotique», souligne-t-il. Pour les grands industriels de l’aéronautique, des constructions navales ou de l’agro-alimentaire, le processus de robotisation est mieux engagé.

Les réseaux neuronaux : une voie de recherche privilégiée

Yves Demazeau, président de l’Association pour l’intelligence artificielle (AFIA) a exprimé de son côté des réserves  sur la direction prise par les grands acteurs que sont Google ou IBM et pense que l’absence de compréhension de l’intégralité des processus mis en œuvre dans le Deep Learning est questionnable. « La machine apprend en traitant beaucoup de données, mais l’objet de le recherche est de comprendre comme s’opèrent en détail les traitements ».

Christian Wolf, chercheur au laboratoire Liris mentionne la collaboration avec Awabot, concepteur de robots intelligents. « Nous développons une application  de reconnaissance des mouvements des articulations de la main, ainsi que des 14 000 positions analysées, par un  processus de Deep Learning ». Le Deep Learning (apprentissage profond) consiste à apprendre à un système à reconnaitre des images, textes, vidéos, sons. « Pour une application de reconnaissance d’images via des réseaux neuronaux qui simulent sommairement le cerveau humain, une image de 400X400 points, soit 160 000 pixels,  multipliée par 500 couches de traitement , génèrent  80 millions de paramètres à traiter … ». Cela situe la puissance de calcul nécessaire et le travail important à effectuer sur la pertinence des algorithmes pour traiter cette grosse quantité de données, sachant qu’il ne s’agit que de l’image. Aujourd’hui, les réseaux neuronaux sont très spécialisés et ne collaborent que très peu avec d’autres types de réseaux. A côté des enjeux technologiques, l’éthique et le cadre législatif ne doivent  pas être oublié, insistent tous les intervenants du séminaire.

Serge Escalé

Abonnez-vous et accédez à l’intégralité de la veille technologique

Commentaires

Réagissez à cet article

* Informations obligatoires

erreur

erreur

erreur

Veille technologique

pour les professionnels de l’industrie
S’abonner

S’inscrire à l’hebdo de la techno :

Rechercher sur Industrie & Technologies