Le succès de la Silicon Valley repose non seulement sur un état d'esprit et une histoire de pionniers, mais surtout sur un écosystème où grandes universités, entreprises, laboratoires de recherche, capital-risque et investisseurs travaillent en synergie pour inventer les technologies et les business de demain. Les laboratoires sont d'ailleurs au cœur de cette stratégie. Et quand on se projette dans le futur, une technologie est surveillée comme le lait sur le feu : l'intelligence artificielle (IA).

Qu'est-ce que l'intelligence artificielle appliquée ?

Pour comprendre ce qu'est l'IA appliquée, il faut déjà comprendre ce qu'est l'IA. Grégory Renard, leader mondial dans le monde de l'intelligence artificielle, évoquait la complexité de la recherche d'une définition sur son blog et en soulignait 4 éléments clés :

• Des systèmes pensant comme des êtres humains : les sciences cognitives ou l’approche cognitive par extrapolation de modèles de pensées de l’être humain.
• Des systèmes qui agissent comme des êtres humains : on y retrouve le natural language processing pour une communication linguistique avec le système, la représentation de connaissance permettant le stockage des informations à utiliser pour répondre à l’utilisateur, le raisonnement automatique pour l’utilisation des informations stockées et répondre aux questions tout en créant de nouvelles connexions, le machine learning afin de s’adapter aux nouvelles circonstances, ou détecter et extrapoler les nouveaux patterns, mais aussi la vision digitale pour percevoir des objets et la robotique pour les bouger.
• Des systèmes qui pensent rationnellement : cette approche reste controversée de par son incapacité à couvrir certaines capacités de l’être humain, comme la perception, difficilement exprimable en logique ou algorithmes.
• Des systèmes qui agissent rationnellement : pour agir en conséquence afin d’atteindre le meilleur résultat, ou en environnement incertain, le meilleur résultat espéré.

Pour les entreprises, la valeur de l’IA réside dans l’IA appliquée (ou applied AI en anglais). Elle consiste à rapprocher le monde de la recherche avec celui des affaires. Concrètement, il s'agit de rendre appliquées et actionnables les recherches réalisées en laboratoire pour les appliquer aux problématiques du monde réel des entreprises afin de :

• mettre l'accent sur l'automatisation des processus de bout en bout ;
• utiliser des techniques avancées de machine learning ;
• disposer d'objectifs de performance et de modèles précis ;
• avoir un objectif clairement défini et mesurable capable de créer de la valeur ;
• apprendre et s'adapter en continu grâce à un feedback régulier pour améliorer les processus.

Pourquoi il faut s'intéresser à l'applied AI ?

Lors de l'invention de l'électricité, le monde craignait cette nouvelle technologie. Aujourd'hui, on ne peut plus vivre sans elle. Avec l'IA, nous en sommes au même niveau. Entreprise, entrepreneur ou investisseur : plutôt que de passer des années à développer votre propre projet d'IA, il est plus efficace de vous rapprocher des laboratoires qui travaillent sur ce sujet. L'intelligence artificielle appliquée a de nombreux avantages :

• Elle rapproche entreprises, investisseurs et recherche universitaire.
• Elle crée des effets de levier pour des startup ou des entreprises qui peuvent bénéficier de connaissances uniques.
• Elle permet de rester en veille sur les nouvelles tendances et les bonnes pratiques.
• Elle contribue à la création de nouveaux modèles d'affaires.
• Elle génère de nouveaux champs de productivité et libère les équipes de tâches répétitives ou chronophages

Mises en application de l'intelligence artificielle appliquée

L'Applied AI permet, par exemple, d'automatiser la relation client, d'analyser des avis client, de prévoir et d'anticiper des ventes ou la gestion d'un inventaire, et de conduire une voiture sans toucher le volant en mode autopilote. Toute activité capable de générer des données peut aujourd'hui faire l'objet d'un projet d'applied AI qui devient abordable pour toutes les entreprises. Exemples :

• Andrej Karpathy, un ancien étudiant de Stanford a été recruté en 2017, deux ans après son doctorat, par Tesla pour prendre la direction du département IA.
• Alygne est un projet mené par Grégory Renard qui consiste à utiliser l'IA pour aider les consommateurs et les investisseurs à prendre les bonnes décisions en fonction de leurs valeurs. Alygne exploite une grande quantité d'informations quotidiennes pour fournir une image claire des valeurs d'une entreprise.
• AI for Good : c'est un mouvement de fond qui consiste à saisir les opportunités que représente l’intelligence artificielle dans la résolution des grands défis sociétaux : accessibilité, inégalités, environnement, santé, agriculture, handicap, etc. 

Parce que l'intelligence artificielle appliquée peut transformer votre organisation de l'intérieur, c'est un sujet que nous abordons dans nos learning expeditions RealChange depuis longtemps. De nombreux participants ont ainsi été passionnés par les interventions de Grégory Renard. C'est pourquoi nous avons lancé ensemble une nouvelle ligne de service pour servir nos clients qui souhaitent intégrer les bénéfices immédiats de l'applied AI dans leur stratégie de réussite pour les prochaines années. 

N'hésitez pas à nous contacter pour en savoir plus.