L’intelligence artificielle… en clair
L’intelligence artificielle (IA), qui fait beaucoup parler d’elle, revêt toujours une petite part de science-fiction. Certains acteurs la fantasment, d’autres la redoutent. Mais qu’en est-il concrètement de ses capacités et de son fonctionnement? Machine learning, big data ou encore deep learning, savez-vous ce que ces mots désignent ? Décryptage simple de l’IA et des notions de base qui gravitent autour d’elle.
Qu’est-ce que l’intelligence artificielle ?
L’IA est un concept visant à donner aux machines la capacité d’imiter des fonctions cognitives, jusqu’alors réservées aux humains : 1
- La très forte augmentation de la puissance de calcul des ordinateurs mais aussi du cloud, qui permet d’utiliser des ressources informatiques importantes comme des logiciels et de stocker de grandes quantités de données à distance;
- L’explosion quantitatives des données numériques mises à disposition, qui a donné naissance au concept de big data;
- Les grands progrès dans le développement des algorithmes ces 10-15 dernières années.
Comment fonctionne l’intelligence artificielle ?
Aujourd’hui, l’intelligence artificielle ne peut se passer de son homologue humaine. Pour produire un résultat, l’IA a besoin non seulement de la mise à disposition de données, mais également d’un bon modèle mathématique et de solides algorithmes, tout droit sortis de cerveaux bien humains. 1
Le Machine Learning (apprentissage autonome) et le Deep Learning (apprentissage profond) sont deux domaines de l’IA qui ont le vent en poupe. Ces deux technologies visent à donner à l’ordinateur la capacité d’apprendre et de s’améliorer automatiquement avec l’expérience. La différence entre les deux systèmes réside dans la structuration des données.
Alors que le modèle du Machine Learning nécessite l’intervention humaine pour sélectionner les données et entraîner la machine, le Deep Learning est indépendant. En effet, le Deep Learning, conçu comme un réseau de neurones artificiels, qui analysent continuellement un très grand nombre de données de manière logique, n’a pas besoin d’un être humain pour l’entraîner. 2,3
En pratique, le Machine Learning sert à créer des outils d’aide à la décision et permet d’obtenir des résultats rapides et simples, tels que des données numériques, des probabilités ou une classification.
Le Deep Learning permet d’automatiser certaines tâches (repérer des anomalies, reconnaître un langage naturel) et répond par des mots ou des images et pas uniquement par des valeurs ou des classifications. 2
Pourquoi ce boom de l’IA ?
Le concept d’IA remonte aux années 50. Mais son développement s’est accéléré au cours des 10 dernières années, avec la conjonction de 3 avancées majeures qui ont fait exploser les cas d’usage : 1
L’IA est au cœur de la médecine du futur et révolutionne déjà le monde de la santé, avec les opérations assistées (chirurgie), le suivi des patients à distance, les prothèses intelligentes, la médecine prédictive (évolution des pathologies, détection précoce, traitements), prises des décisions, la prévention épidémiologique…4 . Les enjeux liés au développement de cette innovation sont nombreux. Au-delà de la performance et de la promesse d’un accès à une médecine qualitative pour tous, certains s’interrogent sur un risque de déshumanisation de la relation médecin-patient, quand d’autres soulèvent la menace de dérives éthiques. 4
Vous souhaitez découvrir d’autres secteurs d’innovation qui révolutionneront la santé de demain ? Recevez notre livre blanc sur les 10 secteurs d’innovation qui marqueront la santé de 2023.
Pour aller plus loin…
Découvrez le podcast d’Eneric Lopez, directeur de la stratégie et des initiatives sur l’IA chez Microsoft France, dans lequel il propose son éclairage sur de nombreux cas d’usage de l’IA au bénéfice des médecins, des patients et de la recherche. Vous découvrirez également comment il analyse la place de l’IA dans le monde de la santé, et sa conviction de voir émerger une IA capable de rendre la médecine plus humaine et plus empathique.
Définitions
Big data : aussi appelées “mégadonnées” ou encore données massives, nécessitent l’utilisation des nouvelles technologies pour leur traitement ainsi que leur stockage en raison de leur volume, vélocité et variété importantes.
(1) ErgenM. WhatisArtificialIntelligence? TechnicalConsiderationsand Future Perception. AnatolJ Cardiol.2019 Oct;22(Suppl2):5-7.
(2) Microsoft. [En ligne] Machine learning et deep learning: quelles différences? Publié le 12 mars 2020Publié 2020. Disponible sur : https://experiences.microsoft.fr/articles/intelligence-artificielle/machine-learning-et-deep-learning%E2%80%AF-quelles-differences/. Consulté le 9 novembre 2021.
(3) IBM Cloud Education. [En ligne] AI vs. Machine Learning vs. Deep Learning vs. Neural Networks: What’sthe Difference? Publié le 27 mai 2020. Disponible sur : https://www.ibm.com/cloud/blog/ai-vs-machine-learning-vs-deep-learning-vs-neural-networks. Consulté le 9 novembre 2021.
(4) INSERM. [En ligne] Intelligence artificielle et santé Des algorithmes au service de la médecine. Publié le : 06 juillet 2018. Disponible sur : https://www.inserm.fr/dossier/intelligence-artificielle-et-sante/. Consulté le 9 novembre 2021.