Actuellement, lorsqu’une machine ou un programme informatique est dit intelligent, il est généralement question d’une intelligence artificielle faible. Elle peut effectuer une tâche prédéfinie en raisonnant, d’une certaine manière, comme le cerveau humain.
L’intelligence artificielle fait parler d’elle dans presque tous les domaines. Elle se présente comme une solution informatique à un problème qu’auparavant un humain seul aurait pu résoudre. La question est de savoir à quel point une machine est réellement intelligente. Pour y répondre, nous vous amenons à découvrir ce qu’est l’intelligence artificielle faible.
L’intelligence artificielle faible
L’intelligence artificielle faible, parfois aussi appelée intelligence artificielle étroite, est un programme informatique conçu pour résoudre un problème donné. « Intelligent » est un adjectif relatif aux capacités cognitives d’un humain (comprendre, raisonner et apprendre). Ensuite, le terme « artificielle » est utilisé en raison du fait qu’il s’agit d’un programme créé par l’homme. Quant à la qualification de « faible » ou « étroite », elle fait référence au champ d’application de l’IA. Autrement dit, l’IA faible est programmée pour une tâche prédéfinie.
Cela nous ramène entre autres à la définition même de l’intelligence artificielle. Cette branche de l’informatique vise littéralement à imiter la manière dont le cerveau fonctionne. Elle permet de résoudre des problèmes qui nécessitent une part de raisonnement. Par ailleurs, grâce au machine learning, les systèmes intelligents peuvent apprendre et s’améliorer eux-mêmes, sans aucune intervention humaine. Par conséquent, étant donné une tâche à résoudre, ils peuvent traiter les informations, effectuer un calcul et enfin produire un résultat. Il peut s’agir d’une analyse prédictive, d’une tâche de classification ou de reconnaissance d’images et de voix, etc.
L’IA faible et l’IA forte
Il est clair que s’il existe une intelligence artificielle faible, c’est qu’il y a aussi une intelligence artificielle forte. En effet, l’IA se divise en grandes catégories : l’IA faible ou étroite, que nous avons déjà définie précédemment, et l’IA forte aussi connue comme l’IA générale.
Cette deuxième est une forme théorique de l’intelligence artificielle qui désigne un système entièrement cognitif. En d’autres termes, l’IA forte serait capable de résoudre plusieurs tâches. Elle pourrait, entre autres, appliquer son intelligence à n’importe quel problème, comme un humain moyen le pourrait. Mais elle pourrait même surpasser ce dernier grâce à une puissance et une vitesse accrues. Enfin, une intelligence artificielle forte développerait une conscience, un esprit, des émotions et un corps.
À l’évidence, une telle forme d’IA n’existe pas encore. Aucun système qualifié d’intelligent qui existe actuellement n’a encore atteint ce niveau de cognition. Certes, l’intelligence artificielle, même faible, est parfois plus rapide qu’un humain pour résoudre une tâche. C’est d’ailleurs l’un de ses plus grands avantages. Elle permet de traiter en peu de temps de grandes quantités de données qui demanderaient des mois ou des années de travail à un humain. Néanmoins, elle ne répond pas à la description de l’intelligence artificielle générale donnée par les experts.
Exemples d’intelligence artificielle faible
Rappelons donc que toutes les applications d’IA qui existent aujourd’hui appartiennent à la catégorie de l’intelligence artificielle faible. Étant donné le nombre de domaines et secteurs d’application de ces technologies, il est impossible d’en faire une liste complète. Toutefois, elles peuvent globalement être classées de la manière que voici :
L’IA conversationnelle
L’une des technologies d’intelligence artificielle faible les plus répandues est l’IA conversationnelle. Pour faire simple, il s’agit d’un programme informatique capable de discuter en utilisant le langage humain. Cela peut être une conversation vocale ou écrite. Par ailleurs, il existe encore différents types d’IA conversationnelle comme les chatbots et les assistants virtuels. Les chatbots à IA sont surtout utilisés par les entreprises pour automatiser les services et le support client. Pour leur part, les assistants virtuels comme Siri et Alexa se destinent à un usage plus personnel.
Les systèmes de reconnaissance automatique
En matière d’IA, la reconnaissance automatique représente un autre domaine très exploité. D’une part, la reconnaissance et la classification d’image occupent une place importante dans plusieurs applications. Nous pouvons par exemple citer le diagnostic médical. De même, la reconnaissance automatique de textes facilite les tâches de classification de document telles que les DME, les documents administratifs ou encore les CV.
Mais l’intelligence artificielle faible se tient également derrière l’authentification des personnes. Nous parlons ici des techniques d’identification biométrique telles que la reconnaissance faciale, l’analyse des empreintes digitales ou encore la reconnaissance vocale. Notons que la reconnaissance automatique du texte et la parole jouent aussi un rôle dans l’IA conversationnelle.
L’analyse prédictive
L’analyse prédictive est une technique de data science qui consiste à analyser un ensemble de données historiques ou comportementales pour prédire des résultats futurs. Comme nous l’avons évoqué plus tôt, l’intelligence artificielle faible offre la puissance et la vitesse nécessaires pour traiter les grands ensembles de données. Par conséquent, elle peut améliorer l’analyse prédictive afin d’obtenir des résultats plus précis et plus détaillés. Cela est par exemple utile dans la maintenance prédictive ou en prévision des futures ventes.
Les systèmes de recommandation
Dans le domaine du marketing, l’analyse prédictive constitue aussi la base des systèmes de recommandation. En gros, l’IA utilise les informations extraites des données pour prédire quelles sont les préférences d’un client. Par la suite, elle formule des recommandations en fonction de ces éléments. Nous pouvons voir ce type de système dans les plateformes de médias sociaux tels que Facebook, Instagram ou TikTok. Un algorithme de recommandation se base sur les activités des utilisateurs pour suggérer des contenus susceptibles de les intéresser. De la même manière, les entreprises commerciales peuvent recommander des produits à leurs clients en se basant sur leurs achats précédents.
Les moteurs de recherche
L’intelligence artificielle faible est aussi présente dans les moteurs de recherche. Elle permet au système de comprendre le sens des requêtes et de classer les résultats en fonction de leur pertinence. Mais elle intervient aussi de différentes manières pour contrôler la qualité des résultats et pour empêcher les abus comme la suroptimisation et la détection des spams.
Les machines autonomes
En parlant de machines autonomes, nous pensons inévitablement aux robots. Mais les véhicules autonomes sont également des dispositifs qui fonctionnent sans l’intervention des humains. Les technologies autonomes prennent de plus en plus de place dans le monde technologique d’aujourd’hui. Et elles reposent grandement sur l’intelligence artificielle faible pour effectuer leurs tâches sans supervision. Plus précisément, c’est surtout la computer vision qui donne à ces dispositifs la capacité d’être autonomes. Les robots utilisent des capteurs et des caméras pour percevoir leur environnement et les objets qui s’y trouvent. De ce fait, ils peuvent éviter les obstacles, saisir des objets et interagir avec eux. Il en va de même pour les véhicules autonomes.
Les avantages de l’intelligence artificielle faible
Un système d’intelligence artificielle faible est optimisé pour effectuer une tâche avec plus de précision et plus de rapidité qu’un humain. En d’autres termes, il peut être meilleur que les humains jusqu’à un certain point. Cette capacité fait qu’elle est particulièrement utile dans les tâches qui nécessitent des prises de décisions rapides. C’est par exemple le cas dans le domaine de la santé, quand l’IA aide les médecins à identifier la maladie d’un patient et de déterminer le traitement à administrer.
En outre, nous avons parlé de l’analyse prédictive et de ce qu’elle représente pour le marketing et la maintenance. Ce deuxième point est particulièrement important étant donné que toutes les activités d’une entreprise en dépendent. Ainsi, l’intelligence artificielle faible peut aider à estimer la durée de vie des matériels utilisés afin d’anticiper le moment où ils pourraient tomber en panne. Autrement dit, la maintenance prédictive permet de mettre en place des systèmes des solutions prêts à l’emploi si besoin.
Les limites de l’intelligence artificielle faible
Tous les exemples d’intelligence artificielle faible que nous avons présentés plus tôt ont une chose en commun : ils sont limités à des tâches précises. En effet, bien que les systèmes d’IA puissent être meilleurs que les humains dans leur domaine, ils ne peuvent pas résoudre d’autres problèmes. Par exemple, un modèle d’IA entraîné à reconnaître un visage ne peut pas traduire un texte dans une autre langue.
Mis à part les limites de ce qu’une IA faible peut faire, son efficacité dépend avant tout de l’infrastructure et des données. De ce fait, s’il y a défaillance du système, l’IA pourrait causer davantage de dommages. De même, si elle est alimentée par des données incohérentes, incomplètes ou obsolètes, elle risque de produire des résultats erronés. Prenons le cas des chatbots. Ils sont formés sur un ensemble de données pour répondre aux requêtes des utilisateurs. S’ils ne disposent pas d’assez d’informations, ils ne peuvent pas fournir des réponses précises. Un moyen d’y remédier serait bien sûr de faire une maintenance prédictive et de garantir la qualité des données.
Enfin, une autre préoccupation liée à l’intelligence artificielle faible est son incapacité à expliquer ses résultats, surtout si ceux-ci sont incorrects. Mais ce problème est également surmontable en mettant en œuvre un processus d’eXplainable AI (IA explicable).
Théoriquement, dans un futur où l’IA parviendrait à se généraliser, toutes ces limites pourraient éventuellement être repoussées. Mais pour l’heure, les chercheurs doivent se contenter de trouver des moyens immédiats pour relever ces défis.
- Partager l'article :
