La Composite AI est une approche qui vise à tirer le maximum de profit de l'intelligence artificielle. Il ne s'agit pas d'une nouvelle technologie, mais d'un concept qui rassemble les techniques existantes pour obtenir de meilleurs résultats.
Actuellement, la majorité des entreprises utilise l'intelligence artificielle d'une manière ou d'une autre pour améliorer leur productivité ou pour rester dans la concurrence. Il existe des techniques variées pour résoudre les différents problèmes. Le concept de Composite AI fait référence à leur combinaison pour optimiser les résultats.
En quoi consiste la Composite AI ?
La Composite AI figurait parmi les profils d'innovations dans le Hype Cycle for Emerging Technologies de Gartner en 2020. En termes simples, il s'agit d'une « combinaison des différentes techniques d'IA » visant à obtenir le meilleur résultat.
Mais avant tout, portons notre attention sur le terme « intelligence artificielle » qui crée une certaine confusion. Souvent, les gens font allusion à l'IA en parlant de machine learning ou de réseaux de neurones artificiels. Ce sont là des sous-catégories de l'IA qui couvre en réalité un concept beaucoup plus large.
Les entreprises d'aujourd'hui déploient des solutions d'intelligence artificielle pour transformer leur organisation. La question qui se pose est de savoir quelle technique sera la mieux adaptée pour résoudre tel ou tel problème. La Composite AI consiste à en combiner plusieurs pour résoudre les problèmes les plus complexes.
Rappel des différentes techniques d'IA
Afin de mieux comprendre le fonctionnement du concept de Composite AI, rappelons d'abord les différentes techniques d'intelligence artificielle pouvant servir dans cette approche.
Le machine learning
Cette première catégorie de l'IA consiste à développer des programmes informatiques qui permettent d'utiliser des ensembles de données pour apprendre par eux-mêmes. L'objectif du machine learning est de donner aux ordinateurs la capacité d'apprendre automatiquement sans intervention humaine et d'auto-ajuster leurs actions. D'ailleurs, il est également appelé apprentissage automatique. À la différence des analystes humains, le machine learning permet d'analyser les données massives plus rapidement et de fournir des résultats plus précis.
Le deep learning
Il s'agit d'une sous-catégorie du machine learning. Cette technique se rapproche plus du principe de base de l'IA qui est d'imiter le fonctionnement du cerveau humain. Le deep learning est utilisé pour traiter des données et créer des modèles qui servent à améliorer les prises de décision. Les algorithmes de deep learning peuvent également apprendre sans supervision à partir de données structurées ou non structurées pour résoudre les problèmes complexes.
Les graphes de connaissances
Un graphe de connaissance correspond à une collection de descriptions d'entités interconnectées. Il peut être question d'objets, d'événements ou de concepts. En d'autres termes, c'est une base de connaissances sous forme de graphe de données. Les graphes de connaissances contextualisent les données à l'aide des métadonnées sémantiques et des liens. Ils fournissent une base pour l'intégration, l'analyse, le partage et l'unification des données.
Le NLP ou le traitement du langage naturel
Cet aspect de l'intelligence artificielle fait référence à la capacité des ordinateurs à comprendre le langage humain oral ou écrit. Le processus du NLP implique le prétraitement des données et le développement d'algorithmes. Pour faire simple, le traitement du langage naturel prépare les données en les transformant en code que les machines peuvent interpréter à l'aide des algorithmes de machine learning.
L'intelligence artificielle conversationnelle
Une intelligence artificielle conversationnelle offre aux humains et aux ordinateurs la possibilité de communiquer naturellement. Entre autres, il peut correspondre à une messagerie automatisée (chatbot à IA) et des applications vocales (assistants vocaux). Une IA conversationnelle peut donc reconnaître les textes ou les commandes vocales humaines et répondre en retour dans le même langage.
Composite AI, comment ça marche ?
Pour construire un système de Composite AI, il faut une « architecture composite ». Il s'agit d'une architecture d'entreprise qui fonctionne sur un tissu de données flexibles et qui permet aux utilisateurs d'adopter des systèmes et des exigences évolutifs.
La première étape consiste à définir le problème à résoudre. Ensuite, les data scientists et les professionnels d'IA devront identifier les ensembles de données qui sont nécessaires pour résoudre le problème. De ce fait, ils pourront sélectionner et mettre en œuvre une combinaison des meilleures techniques d'IA qui seraient les mieux adaptées aux types de données.
La Composite AI dans les différents secteurs
Dans le cas d'un commerce en détail, le problème donné pourrait par exemple être l'optimisation des efforts de tarification et de promotion. Les données qui permettent d'éclaircir la solution concernent les transactions, les prix existants et ceux des concurrents, le niveau de stock ainsi que les attributs des clients. Ici l'utilisation de plusieurs techniques de machine learning simultanés pourra aider à comprendre l'impact des changements de prix proposés. Par ailleurs, cela permettrait de tester et d'itérer en fonction de la réaction des clients.
Dans le domaine de la médecine, les technologies telles que la computer vision, la visualisation de données et le machine learning peuvent entrer en jeu. En effet, elles peuvent évaluer efficacement des traitements médicaux pour des maladies comme le cancer. Cette combinaison donne aux médecins la possibilité de visualiser la réponse à une thérapie en fonction de l'évolution de la maladie difficile à détecter à l'œil nu, dans certains cas.
La Composite AI peut aussi aider le secteur financier dans les contrôles de conformité. Certaines utilisations utilisent le NLP pour extraire des informations dans les documents commerciaux.
Après avoir sélectionné la meilleure combinaison de techniques d'IA, elle peut utiliser des pipelines de machine learning pour créer des modèles. Les principes d'une entreprise dite composable sont l'amélioration continue, l'efficacité, la modularité et l'adoption des innovations.
En somme, le point de la Composite AI est d'adopter une approche multidisciplinaire de l'intelligence artificielle. Au lieu de se focaliser sur une seule technique, cette stratégie permet de réagir en fonction des types de problèmes à résoudre. Autrement dit, cette stratégie permet de résoudre un large éventail de problèmes complexes.
- Partager l'article :
