Nous suivre Industrie Techno

abonné

Derrière le buzz autour de l'intelligence artificielle, de véritables outils pour l'industrie

MANUEL MORAGUES
Soyez le premier à réagir

Soyez le premier à réagir

Derrière le buzz autour de l'intelligence artificielle, de véritables outils pour l'industrie

Seemax a développé une solution de mirage automatique dopée à l’IA pour contrôler la qualité des œufs.

Le battage médiatique autour de l’IA ne doit pas faire oublier que cette révolution s’inscrit dans la continuité des méthodes de l'industrie et répond avant tout au besoin des industriels de piloter des systèmes de plus en plus complexes. Et si le fameux deep learning fait des merveilles dans certaines applications, ce n'est que la partie émergée du machine learning.

Impossible de passer à côté. L’intelligence artificielle (IA) sature les médias. Démonstrations de force du deep learning (apprentissage profond), promesses de gains faramineux, menaces sur l’emploi ou dérives liées à l’usage aveugle de ses algorithmes… L’IA est mise à toutes les sauces. En quelques années, elle a acquis le statut de révolution technologique du XXIe siècle et s’est imposée comme un enjeu géostratégique et économique mondial. Cet emballement a l’inconvénient majeur de la présenter comme un ovni numérique, a priori bien difficile à intégrer pour un industriel. Or l’IA s’inscrit au contraire dans la continuité des méthodes industrielles.

« Analyser des données, identifier des corrélations, en tirer des enseignements pour optimiser ses process… Ce n’est pas nouveau, rappelle Alexis Fournier, le vice-président de la stratégie IA pour l’Europe, le Moyen-Orient et l’Afrique chez Dataiku, fort d’une expérience de vingt ans dans la datascience. On le fait aujourd’hui sur de nouveaux types de données et avec de nouveaux outils, mais c’est le même principe. » S’il y a bien une diffusion de l’IA dans l’industrie, elle vient d’abord des entreprises. « Ce n’est pas l’apparition du deep learning qui a fait entrer l’IA dans l’usine, mais la nécessité pour les industriels de piloter des systèmes de plus en plus complexes et le fait qu’ils ont commencé à stocker leurs données pour cela », tranche Patrick Sayd, le responsable de l’unité IA pour le langage et la vision au CEA List. IA, big data et industrie 4.0, même combat !

Il ne s’agit pas de nier la singularité des réseaux de neurones profonds du deep learning, ni la rupture technologique qu’ils représentent. Mais il faut replacer cette dernière dans son contexte. Celui de la recherche et celui de la performance en matière de perception. Soit le traitement de données homogènes (images, textes et sons, principalement). Ces progrès ont déjà permis un essor sans précédent des applications de commande vocale, de traitement automatisé de documents textuels et de vision par ordinateur. Cette dernière est très utile pour les opérations industrielles. Mais l’industrie a d’autres besoins, que le deep learning n’est pas, pour le moment, capable de satisfaire. Ou pour lesquels on ne peut pas encore lui faire confiance. Sans compter que recourir à cet outil très gourmand en données et en puissance de calcul reviendrait bien souvent à utiliser un marteau-piqueur pour enfoncer un clou.

Machines à support de vecteurs, random forest, Adaboost...

Derrière l’arbre du deep learning, une forêt d’outils s’offre aux industriels : ceux du machine learning (apprentissage automatique). Voilà en quoi consiste l’IA dont on parle tant : des outils qui apprennent à partir des données pour élaborer des modèles. Contrairement à la[…]

Pour lire la totalité de cet article, ABONNEZ-VOUS

Déjà abonné ?

Mot de passe perdu

Pas encore abonné ?

vous lisez un article d'Industries & Technologies N°1043

Découvrir les articles de ce numéro Consultez les archives 2021 d'Industries & Technologies

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

Trois plateformes XDR lancées lors des Assises de la cybersécurité

Trois plateformes XDR lancées lors des Assises de la cybersécurité

Centraliser les données de cybersécurité de différentes sources pour assurer une analyse globale en évitant la[…]

Comment Owkin entraîne des modèles d'IA sans transférer les données avec le federated learning

Comment Owkin entraîne des modèles d'IA sans transférer les données avec le federated learning

Cybersécurité industrielle : 6 mois pour sécuriser une usine

Dossiers

Cybersécurité industrielle : 6 mois pour sécuriser une usine

Des millions de modèles de machine learning pour accélérer le contrôle qualité chez Volkswagen

Des millions de modèles de machine learning pour accélérer le contrôle qualité chez Volkswagen

Plus d'articles