L'intelligence artificielle est un mot aussi vague que puissant. Les processus de prise de décision des entreprises se sont fortement orientés vers les technologies de l'information et se sont détournés de l'intuition. Et le terme qui motive ce changement semble provenir d'une histoire de science-fiction.
Au cours de son histoire, l'intelligence artificielle a évolué d'une analyse descriptive à une analyse prédictive, puis à une analyse normative. Chacune de ces étapes représente une manière différente par laquelle l'ordinateur est capable de recréer la pensée humaine. Observons l'évolution de l'IA au fil des ans.
L'essence de l'IA
L'intelligence artificielle consiste essentiellement à programmer des machines pour qu'elles remplissent des objectifs trop difficiles ou trop laborieux pour les humains. Comme les auteurs Ian Heller, Michael Wu et Austin Garrison écrivent dans leur article, "L’avenir de l’IA dans la distribution", l’objectif final des développeurs est de créer quelque chose "conscient de ses environnements réels ou virtuels, afin qu'il réagisse aux circonstances et aux stimuli, comme le ferait un être humain". L’élément humain est le lieu où l’intelligence entre en jeu. L’objectif de l’intelligence artificielle est de recréer la façon dont un humain réagirait à l’information présentée, mais à une échelle en dehors des pouvoirs de calcul humains.
Big Data
Avant de sauter dans les différentes formes de l'IA, une digression rapide pour expliquer sur quoi se basent les analyses, sans lesquelles l'IA n'existe pas. La montée en puissance du big data et de la puissance de calcul ont donné aux entreprises la possibilité d'exploiter de grandes quantités d'informations à leur avantage. Les mégadonnées sont simplement de grandes quantités de données qui ne peuvent pas être analysées sans l'aide d'ordinateurs puissants. Cela peut prendre la forme d'enregistrements d'inventaire ou de transactions boursières. L'article "L'avenir de l'IA dans la distribution" indique que le Big Data est désormais possible grâce à "des ordinateurs interconnectés qui permettent d'agréger des informations en temps réel pour toutes les opérations, des transactions aux flux de trafic".
Pour appliquer l'intelligence artificielle au big data, la puissance de calcul des entreprises devait correspondre à l'ampleur du problème. Cela a été possible grâce à l'introduction de processeurs graphiques (GPU) pour améliorer les performances de l'ordinateur. La combinaison de grands ensembles de données pouvant être manipulés et décomposés par des ordinateurs plus puissants a ouvert la voie à l'intelligence artificielle qui modifie le processus décisionnel de l'entreprise.
Analyse descriptive
L'analyse descriptive utilise l'agrégation et l'exploration de données pour créer des statistiques résumées sur un produit donné ou sur une entreprise dans son ensemble. En route pour imiter les réactions humaines, l’analyse descriptive est comme un ordinateur doté de ses cinq sens. Il peut vous dire les bases de ce qui se passe mais rien d’autre. Ce niveau représente 80% des analyses et vise à acquérir des pépites d’information. Ces petites informations peuvent être les impressions et le taux de clics d'une publicité, utilisés par un responsable marketing pour déterminer la portée et l'engagement de la publicité. Ces conclusions sont superficielles et ne disent pas tout au marketing, mais elles sont un début. L'analyse prédictive et normative utilise ces petits éléments d'analyse descriptive pour créer des informations encore plus pertinentes.
Analyses prédictives
L’analyse prospective des données est l’analyse prédictive. À ce stade, le robot, doté de ses cinq nouveaux sens, est en mesure de percevoir le temps et de relier les événements passés et futurs. Si l'analyse descriptive était la capacité d'un enfant à détecter l'odeur fraîche de la pluie, l'analyse prédictive lui permettrait de savoir que la pluie arrivera bientôt.
Pour l'analyse de l'information, les programmeurs appliquent des modèles mathématiques aux ensembles de données pour rechercher des modèles. Ainsi, lorsqu'une entreprise propose un intrant donné, disons un changement de stock favorisant un article pendant une certaine période, le programme comparera les ventes passées du produit pour prédire le résultat de ce changement et si ce sera rentable.
Cette technologie offre un grand potentiel pour la connexion des données de vente avec les données des clients afin de déterminer qui achète quels produits. Cela permet aux distributeurs de cibler à l'avance leurs publicités, d'ajuster leurs stocks et d'optimiser l'emplacement des rayons afin de réaliser les meilleures ventes possibles. les données prédictives sont clairemetn avantageuses mais nécessitent une importante puissance informatique, qui n’est pas encore présente partout.
Analyse prescriptive
Nous obtenons ici la version la plus «humaine» de l'intelligence artificielle. En utilisant le même exemple que précédemment, une IA capable d'analyser de manière normative sentirait la pluie, sachant que cette odeur signifiait qu'il pleuvait et, plus important encore, invitait tout le monde à entrer pour ne pas se mouiller.
Le processus d'analyse prescriptive analyse le succès des résultats obtenus grâce à l'analyse prédictive et crée des modèles pour optimiser les résultats eux-mêmes. Chaque étape s'appuie sur l'autre. Cette évolution est très forte car, comme le dit l'auteur David Judge dans l'article "Le chemin de l'analyse prédictive à l'analyse normative", elle supprime l'élément humain du processus de décision et permet au logiciel d'identifier et de suggérer la prochaine action.
Les ordinateurs ne sont pas fatigués parce que leur bébé s'est réveillé à 3 heures du matin ou déprimés parce qu'ils traversent une rupture. La prise de décision humaine à grande échelle est à l'origine d'un grand nombre d'erreurs. Ajoutez à cela le fait qu'une majorité d'entonnoirs de conversion sont si complexes qu'il est impossible pour le vendeur le plus expérimenté de prendre des décisions en toute connaissance de cause.
Et demain?
Pour le moment, il est impossible d'accéder aux avantages de l'analyse normative, ainsi qu'à l'ensemble de la chaîne interconnectée de solutions descriptives et prédictives, en raison du manque de ressources humaines. Avec tout ce discours sur l'IA et les ordinateurs intelligents, il doit encore y avoir une intervention humaine au niveau de l'entreprise.
Comme le dit David Judge, dans l'analyse analytique normative, les données sont souvent «enfermées dans des bases de données et seuls les administrateurs de bases de données capables de coder un langage de requête structuré ont accès à cette base de données».
Au-delà des problèmes techniques, les entreprises doivent modifier les tâches qu’elles demandent à leurs outils d’analyse pour passer du prédictif au normatif. L'évolution de l'intelligence artificielle présente un potentiel considérable pour faciliter les processus de prise de décision des entreprises et optimiser les profits à court et à long terme.
source : www.difrance.com
