Intelligence artificielle ( Reformulation 2 )

Plan :
E:Entrée
● Introduction
○ Introduction
○ Définition
○ Contexte de IA
○ Importance
● Histoire IA

S: Situation
● IA
● les lois de l'intelligence artificielle
● Comment la machine apprend-elle?
● Machine learning
● Deep learning
● IA et la programmation
● Atout et inconvénient

P: Probléme relatifs
● Les dangers de IA
● Impact de IA sur le travail

R: Résolution
● Les domaines d'utilisation
● Projets de IA
○ Projet 1
○ Projet 2

T: Terminaison
● Conclusion
● Les limites de IA
● Perspectives d'avenir de IA
 E:Entrée
1. Introduction:

● Accélération du développement et de l'adaptation de l'IA.

● En médecine :
- Recherche fondamentale et clinique, pratique hospitalière, examens
médicaux, soins infirmiers et la logistique.
- Contribution à l'amélioration du diagnostic et du pronostic.
- Objectif : une médecine plus personnalisée et ciblée adaptée aux
progrès des techniques d'observation et d'analyse, au développement d'outils
d'intervention chirurgicale et d'autres robots d'assistance.
● Nombreux défis propres à l'intelligence artificielle et à la médecine :

- Dématérialisation des données

-Respect de la vie privée

-Interopérabilité des algorithmes

-Conception de systèmes d'intelligence artificielle inclusifs, ou leur répétabilité.

2.Définition:

● Discipline scientifique et technologique visant à effectuer des processus

cognitifs observés au cerveau humain à travers des machines (ordinateurs et
programmes informatiques)
● Domaines :

1- Compréhension.

2- Communication (dialogue entre machines et l’humain),

3- Structuration de la mémoire,
 4- Raisonnement critique

5- Adaptation

6- apprentissage en autonomie (Deep Learning)…

● Référence aux ordinateurs ou aux dispositifs robotiques mettant en œuvre

ces fonctions.
● Existence de deux grandes écoles dans l'atteinte des objectifs de l'intelligence
artificielle :

1-Le premier : Estimer le fonctionnement sur le même modèle que

l'intelligence humaine et l'intelligence artificielle.

2-Le deuxième : Séparer entre les normes et des processus de

l'intelligence biologique et perfection rationnelle du modèle idéal.

3.Contexte de l’intelligence artificielle

● Présence de l'intelligence artificielle dans:

- Conversations

- Débats

- Arguments de vente

- Prédictions

● Intelligence artificielle : évolution logique des outils informatiques.

● Omniprésence de l'IA au même titre que l’outil informatique.

● L'IA :
- En faveur du travail

- Destruction du travail

● l'IA :
 - Ni la cause de nos misérables espoirs

- Ni le remède

- Une partie des deux

4.Importance de IA

● Capacité des machines à gérer les données plus rapidement que les
humains.
● Pouvoir absorber et interpréter les données pour prendre des décisions
complexes.
● Capacité de calculer des combinaisons de plus de 500 x 1018 (500 trillions)
de coups possibles pour les jeux de dames pour avoir le meilleur
arrangement possible très efficacement afin de prendre la bonne décision

5. Histoire

*L'intelligence artificielle avant 2000 :

● 1950 : Apparition de l'intelligence artificielle dans un article Computer

Machines and Intelligence d'Alan Turing : Test de Turing : Évoluer la capacité
des machines à mener des conversations humaines.
● 1949 : Autre origine possible : mémo sur le langage de traduction
automatique par Warren Weaver : le pouvoir des machines d'accomplir une
tâche.
● 1956 : Formalisation de l'intelligence artificielle dans une conférence au
Dartmouth College aux États-Unis en tant que véritable domaine scientifique .
● 1974: Période AI winter.
● 1980: Lancement des projets de recherche dans le domaine de IA.
● Entre 1990 et 2000: l'exploration de données et même le diagnostic médical.

*2000 - 2010 : un enjeu de société:

● 2000: Evolution de la Loi de moore

 ● 2007: dévoilement de la charte de l’éthique des robots dans le but de poser
des limites et des normes aux utilisateurs ainsi qu’aux constructeurs.
● 2009 : lancement d'un projet par le MIT réunissant de grands scientifiques de
l’IA pour réfléchir aux grandes lignes de la recherche sur ce domaine.

*À partir de 2010 : l’IA sans limites

● 2010: L'apparition du big data

● 2011: développement de nouveaux processus à savoir la machine learning et
le deep learning
● 2013: Ouverture de Facebook Artificial Intelligence Research (FAIR)
● 2014: Lancement du premier assistant virtuel Cortana par Microsoft
 S: Situation

1.Les lois de IA

Première Loi: Jamais blesser un être humain ni, par son inaction, ni permettre qu'un
humain soit blessé.

Deuxième Loi : obéissance des robots aux ordres donnés par les êtres humains ,
mais pas de contradiction avec la 1ère Loi.

Troisième Loi : Maintenir la survie du robot aussi longtemps mais pas de

contradiction avec la 1ère et/ou la 2éme Loi.

2.Comment la machine apprends

● Identifier le processus à automatiser : En classant les photos des chats et

des chiens. Avoir un ordinateur à capacité analytique pour simuler des
fonctions cognitives afin de développer un modèle de traitement de
l'information :

*en entrée des photos en vrac

*en sortie des photos triées

● Faire le test de plusieurs algorithmes pour améliorer et optimiser le modèle.

● Évoluer le modèle du traitement et non pas de l'algorithme.
● Tester différentes combinaisons d’algorithmes et de paramétrage afin de faire
progresser le taux de fiabilité.

3.Machine learning and Deep learning

● Partie de l’intelligence artificielle.

● Approches ayant pour résultat de donner aux ordinateurs la capacité de
prendre des décisions intelligentes.
● Deep learning : une sous-catégorie du Machine learning, s'appuyant sur un
apprentissage sans surveillance.
 ● Besoin de disposer de grandes quantités de données
● Les deux technologies servant à l'apprentissage.
● Machine learning :
- Données structurées
- Contrôlable
- Entraînement nécessaire par l’humain
- Algorithme modifiable
- Actions simples de routine
● Deep learning :
- Données non structurées
- > 1 million de données
- Système d’apprentissage autonome
- Réseau neuronal d’algorithmes
- Tâches complexes

4.L’intelligence artificielle et la programmation

● Grande importance de la programmation dans la conception et la mise en

œuvre de tout projet de système informatique
● Considération de L’IA comme un produit de la programmation. => L’utilisation
de l’IA par les data analyst ou les data scientist pour concevoir de nouveaux
logiciels
● D'un point de vue scientifique, considération de l’IA comme la compilation du
code source du système informatique intelligent
● Au lieu de cela, utilisation du terme « développement intelligent » par la data
science pour l'identifier.
● Prise en compte de plusieurs paramètres Lors de sa mise en œuvre, tels que:

*les caractéristiques du système. *les tests de performance. *la surveillance et la

maintenance.

● Distinction de certains langages par leur facilité d'utilisation, leur particularité

et la variété des options proposées
● Concentration davantage à Python, R, C++, JAVA et LISP dans l'IA school

1- Python : le leader incontesté de l’Intelligence Artificielle :

 ● Langage préféré des développeurs de l’intelligence artificielle grâce à la
simplicité de sa syntaxe.
● Moins de complexité que Java ou C++ concernant le machine learning par
exemple.
● Adaptation à de nombreuses plateformes de développements comme
Windows, Linux, Mac OS et Unix.
● Support du développement fonctionnel, développement orienté objet et du
développement procédural.

Avantages du Python :

● Temps de développement généralement plus court que d’autres langages

comme Java ou C++.
● Existence de nombreuses librairies Python d’où un développement plus
simple. Exp : Pybrain (utilisé dans le cadre du machine learning).

Inconvénients du Python :

● Fonctionnement du Python à l’aide d’un interpréteur (contrairement à Java ou

C++), àcompilation et exécution plus lente.
● Absence d’une version Python pour l’IA liée aux applications mobiles.

2- JAVA : le challenger sans compilation :

● Langage de programmation permettant de coder l’intelligence artificielle.

● L’un des codes les plus utilisés pour l’IA avec Python.
● Langage multi-paradigme.
● Syntaxe provenant principalement du langage C et C++.

Avantages du Java:

● Simplicité de l’utilisation
● Fonctionnement sur de nombreuses plateformes, grâce à la technologie de la
machine virtuelle.
● Représentation graphique des données propre
● Pas besoin de compilation
Points faibles du Java:

● Lenteur par rapport à C++ et Python.

● Temps de réponse plus long
● Exécution moins rapide.

3- C++ : la valeur sûre de l’Intelligence artificielle :

● Langage le plus rapide : rapidité très appréciée pour les projets d’intelligence
artificielle limités dans le temps
● Langage de programmation permettant une exécution rapide et un temps de
réponse assez court —>utile pour les moteurs de recherche ou les jeux vidéo.

Avantages du C++:

● Outil pour résoudre des problèmes complexes d’intelligence artificielle.

● Existence des librairies de fonctions assez fournies.
● Outil de développement multi-paradigmes supportant les principes de l’orienté
objet.

Points faibles du C++:

● Complexité pour des développeurs néophytes.

4– LISP : Le vieil outsider :

● Vieux langage de programmation

● Ajout de plusieurs améliorations pour en faire un langage puissant et
dynamique.
● Nettement moins utilisé et recherché que les 3 précédents, notamment en
termes d’intelligence artificielle.
● Considération (par plusieurs) que LISP est le meilleur langage de
programmation d’IA en raison de la grande liberté donnée aux développeurs.
● Utilisation de LISP en IA pour sa grande flexibilité, pour sa rapidité à sortir des
prototypes.
● Efficacité pour résoudre certains problèmes spécifiques grâce à son
adaptation aux besoins de la solution développée par l’informaticien
 ● Importance dans les projets de logique inductive et pour le machine learning.

Avantages de Lisp:

● Rapidité et efficacité dans la phase de développement

Points faibles de Lisp:

● Communauté trop petite à notre sens pour trouver des informations

facilement, surtout pour les débutants.
● Impossible de l’utiliser dans tous les environnements, en raison de son
ancienneté

5– R : le langage de la statistique :

● Un des langages de programmation les plus efficaces pour analyser et

manipuler des données dans un but statistique
● Possibilité de produire de belles publications grâce à la data visualisation,
avec des formules si besoin.
● Présence de nombreux packages comme RODBC, Gmodels, Claass et Tm
utilisés pour le machine learning.

5.Atouts et inconvénients

Atouts:

● La réduction des erreurs : Aide à réduire les erreurs humaines et

l’augmentation des chances d’obtenir une précision plus élevée. Son
utilisation dans divers domaines tels que l’exploration spatiale.
● L’exploration difficile: La programmation de robots pour assumer de plus
grandes responsabilités et effectuer des tâches laborieuses et difficiles sans
montrer une sensibilité à l’usure.
● Les travaux répétitifs: Un exemple : effectuer des tâches monotones et
gérer plusieurs tâches en même temps.
● Aucune pause: Leur fonctionnement quasi-permanent càd insensible à la
fatigue, l'ennui, la distraction etc…
 ● Les assistants numériques: La présence d’assistant numérique sous forme
d’avatar càd des répliques conçues pour pouvoir interagir avec les utilisateurs
afin d’économiser les ressources humaines.
● Les applications médicales: Une autre utilisation de l’IA, aide les patients
en santé mentale à se débarrasser de la dépression et rester actif.

Inconvénients

● Coût élevé: Des coûts exorbitants pour l’entretien et la réparation de l’IA.

● Aucune initiative: Aucune valeur émotionnelle ni morale, seulement une
exécution de procédures prédéterminées sans aucun jugement du bien ou du
mal et sans prise de décision.
● Amélioration inexpérimentée: Incapacité de l’IA à apprendre de ces
erreurs/expériences contrairement à l’Humain, un manque de créativité.
● Pas de créativité: Absence de perspicacité et la sensibilité de l’Homme chez
la machine. Un manque de capacités intuitives chez la machine.
● Sans emploi: Augmentation du taux de chômage à la suite du grand
remplacement des hommes par des machines.
 P: probléme relatifs

1. Les dangers de l'IA:

* Intelligence artificielle : les menaces graves

● Fausse vidéo : Usurper l'identité de quelqu'un en demandant à quelqu'un de

dire ou de faire quelque chose afin de demander l'accès à des données
sécurisées, manipuler la vague d'opinion publique pour nuire à la réputation
de quelqu'un.

● Pirates de voitures autonomes : Prendre le contrôle de la voiture autonome

et l'utiliser comme une arme.

● Phishing personnalisé : Générer des messages personnalisés et

automatisés pour augmenter l'efficacité du phishing visant à collecter des
informations de sécurité ou à installer des logiciels malveillants.

● Attaques de piratage contre les systèmes de contrôle d'intelligence

artificielle : Détruire l'infrastructure en provoquant, par exemple, des pannes
de courant totales, des embouteillages ou l'interruption de la logistique
alimentaire.

● Chantage massif : Collecter des données personnelles pour envoyer des

messages de menace automatisés.

*Intelligence artificielle : les menaces de moyenne gravité

● Robots militaires : Contrôler des robots ou des armes à des fins criminelles.
● Fausses informations : Rédiger des articles promotionnels qui semblent
provenir de sources fiables. Utilité de l'IA pour générer plusieurs versions d'un
 contenu spécifique afin d'augmenter sa visibilité et sa crédibilité.

● Arnaque : Utiliser l'IA pour vendre des services frauduleux. Vendre de

fausses technologies coûteuses à de grandes organisations, notamment le
gouvernement national et l'armée.

● Corruption des données : Modifier ou introduire délibérément de fausses

données pour induire des biais spécifiques. Par exemple, rendre les
détecteurs insensibles aux armes ou encourager les algorithmes à investir sur
des marchés spécifiques.

● Cyber-attaques : Mener des attaques spécifiques et à grande échelle, telles

que l'utilisation de l'intelligence artificielle pour détecter les faiblesses du
système avant de lancer plusieurs attaques simultanées.

● Drones d'attaque autonomes: Détourner des drones autonomes ou les

utiliser pour attaquer des cibles.

● Accès refusé : Endommager ou priver les utilisateurs de l'accès aux services

financiers, à l'emploi, aux services publics ou aux activités sociales.

● Reconnaissance faciale : Détourner le système de reconnaissance faciale,

par exemple en réalisant de fausses photos d'identité (accès aux
smartphones, caméras de surveillance, contrôle des passagers, etc.)

● Manipulation du marché financier: Réduire ou augmenter artificiellement la

valeur, entraînant un effondrement financier...

*Intelligence artificielle : les menaces de faible intensité

● Utilisation des biais : Utiliser les biais existants dans l'algorithme, tels que
les recommandations YouTube aux téléspectateurs de la chaîne ou les
classements Google pour améliorer les informations sur les produits ou
rabaisser les concurrents.
 ● Robot antivol : Utiliser un petit robot autonome à glisser dans la boîte aux
lettres ou la fenêtre pour récupérer la clé ou ouvrir la porte. Les dégâts
peuvent être faibles car très limités à une petite zone.

● Blocage de détection : Déjouer le tri et la collecte de données par IA afin

d'effacer des preuves ou de dissimuler des informations criminelles

● Fausses critiques rédigées : Générer des faux avis sur des sites tels que
Amazon ou Tripadvisor pour nuire ou favoriser un produit.

● Traque assistée : Utiliser les systèmes d'apprentissage pour pister

l'emplacement et l'activité d'un individu.

● Contrefaçon : Fabriquer de faux contenus, comme des tableaux ou de la

musique, pouvant être vendus sous une fausse paternité.

2. Impact de l'IA sur le travail:

*Avenir du travail :

● Création d'usines intelligentes pour la prise de décision en temps réel grâce

au progrès de la robotique sensorielle et visuelle.
● Pas besoin de travailleurs, seulement de superviseurs.
● Rationalisation des majeures en droit, actualités, comptabilité et la vente au
détail.
● Diagnostic des individus et de leurs états de santé par l'intelligence artificielle.

*Comment l’IA risque-t-elle de perturber le marché du travail?

 ● Utilisation de l'intelligence artificielle pour effectuer des tâches
essentiellement répétitives impliquant la détection d'informations, la
découverte de tendances ou la réponse à des actions spécifiques.
● En pratique, impossible d'automatiser toutes les fonctions d'une personne.
● Capacité de l'intelligence artificielle de rendre la personne plus efficace et de
passer plus de temps à faire un travail sans doute plus significatif.
● Réduction du nombre de membres de l'équipe nécessaires pour accomplir la
charge de travail.

les 10 postes en augmentation de la demande au profit de IA

1. Analystes et scientifiques de données

2. Spécialistes de l’intelligence artificielle et de l’apprentissage machine
3. Spécialistes des données massives
4. Agents de marketing et de stratégies numériques
5. Spécialistes de l’automatisation des processus
6. Professionnels de l’expansion des affaires
7. Spécialistes de la transformation numérique
8. Analystes de la sécurité de l’information
9. Développeurs de logiciels et d’applications
10. Spécialistes de l’Internet des objets

les 10 postes en diminution de la demande à cause de l’IA

1. Commis à la saisie de données

2. Secrétaires d’administration et de direction
3. Comptables et teneurs de livres
4. Comptables et vérificateurs
5. Travailleurs à la chaîne et ouvriers d’usine
6. Gestionnaires de l’administration des activités
7. Agents de service à la clientèle
8. Directeurs des opérations
9. Mécaniciens et réparateurs de machines
10. Commis à la tenue des stocks
 R: Résolution

1. Les domaines d’utilisation:

L’IA dans l’industrie

● Un système de préparation de commandes basé sur la flotte de robots de la

start-up française Exotec.
● Optimisation de la chaîne d'approvisionnement.
● Gestion et prévision des stocks, prévision des traitements.
● Automatisation du contrôle qualité.

L’IA dans la cybersécurité

● Augmenter l'intensité des cyberattaques enregistrées pendant la période de

confinement.
● Continuer à investir dans le domaine de la sécurité.
● Identifier la relation entre les différents menaces :
● Détecter fichiers malveillants,
● Détecter les adresses IP suspectes
● Détecter les menaces internes, etc.
● Permettre aux analystes de sécurité de répondre aux menaces jusqu'à 60 fois
plus rapidement.
● Fournir des solutions pour aider les entreprises à détecter les violations de
Données et diverses menaces du dark web apportées par l'intelligence
artificielle
● Se concentrer sur la prévention des attaques avancées et sophistiquées
déployées par e-mail.

L’IA dans la santé

● Pas de crise dans le secteur de la santé.

● Amélioration du système de santé grâce à l'intelligence artificielle.
● Utilisation d'une architecture d'apprentissage fédérale décentralisée et plus
sécurisée pour protéger les données personnelles des patients.
L’IA dans le commerce

● Regorgement des startups B2B.

● Amélioration de l'expérience client.
● Lancement d'un logiciel SaaS pour optimiser l'expérience client et augmenter
le taux de conversion des sites e-commerce .
● Obtention du statut de licorne en mai dernier .
● Consultation de la cartographie de 453 startups de l'IA en France pour
comprendre .
● Marketing prédictif.
● Optimisation des performances des réseaux, agents de dialogue (robots), etc.

L’IA dans la recherche

● Pas d'innovation en intelligence artificielle sans recherche.

Avant de pouvoir se servir d’une telle technologie et obtenir une valeur ajoutée, de
nombreuses étapes liées à la collecte, la gestion ou encore l’uniformisation des
données des consommateurs doivent être mises en place.

● Facteur clé de la réussite de tout projet d'IA:

*Comprendre vos actifs de données,

*Comprendre leur qualité,

*Avoir la capacité d'activer les données dans les services d'IA.

● Existence de belles pépites d'or françaises pour le soutien de l'entreprise:

*Une plateforme créée par Saagie pour déployer rapidement des projets big data en
production et d'embarquer l'IA dans vos applications dans la foulée.

*Une plateforme logicielle créée par Cosmian pour le cryptage des données.

● Importance de l'évaluation des données pour la transformation digitale: besoin

de partager des données en interne et en externe.
 2. Projet 1:

Les Etats-Unis :

PROJET CARRETA : Véhicule automatisé dédié à la logistique urbaine.

Les enjeux et objectifs du projet :

● Confronter à des problèmes majeurs de congestion de l’espace public et de

nuisances sonores.
● Tester une solution durable et innovante pour la livraison de marchandises en
ville et évaluer sa maturité et sa compétence d’un point de vue technologique,
environnemental, usuel, économique, sociétal et social .
● Assister les livreurs et les libérer des tâches les plus affreuses ou répétitives
(charges lourdes, aller-retours…), afin de leur permettre de se dédier au
contact humain.

L’expérimentation en trois phases:

● Test de petits véhicules logistiques électriques autonomes en mission de

livraison.
● Expédition de colis pour la Poste et de produits frais pour STEF.

Déroulement du projet :

● Vérifier tous les modules techniques du véhicule logistique automatisé pour

vérifier sa fiabilité opérationnelle et ses fonctions:
- Tracer des cartes,
- Identifier et définir des itinéraires,
- Détecter d'éventuels obstacles.
● Vérifier le comportement des véhicules autonomes par rapport à leur
environnement de circulation et leur capacité à répondre aux contraintes
opérationnelles liées aux horaires, itinéraires et autres cas d'utilisation.
● Collecter un maximum de données et ajuster le comportement du véhicule en
fonction des retours d'expérience.
● Transporter des marchandises pour vérifier leur pertinence par rapport aux
cas d'usage identifiés par STEF et LA POSTE.
 3. Projet 2

Pourquoi Elon Musk fait diversion avec l'annonce d'un robot humanoïde ?

● Annonce d'un projet de robot à forme humaine, baptisé Tesla Bot".

● Un prototype pour l'année prochaine.
● Le robot : objet d'une série d'enquêtes sur des accidents aux États-Unis.
● But : remplacement des travailleurs humains effectuant certaines tâches
dangereuses ou ingrates.
● Difficulté de la réalisation de ce projet en l'état.
● Annonce de l'intention d'Elon Musk de construire des prototypes de robots
humanoïdes dès 2022.

● But de Tesla Bot : imitation des humains.

● Utilisation de l'expertise de Tesla dans la fabrication de voitures et la

technologie de conduite autonome.

● Caractéristiques du prototype Tesla :

- Hauteur 172 cm,
- Poids 56 kg,
- Écran en guise de visage,
- Capteurs de Autopilot.
● Gestion du traitement de l'information par le système lors de l'utilisation du
tasla dans ses véhicules
 T: Terminaison

1. Conclusion:

L’intelligence artificielle

Avant :

- Transposition de l’esprit humain au niveau technologique

- Outil prenant forme dans toutes sortes d’applications très puissantes mais
aussi très complexes.

Aujourd’hui:

Limitation de l’IA :

· Contrainte de puissance.
· Contrainte d’optimisation des calculs.
· Contrainte d’apprentissage.
· Contrainte du langage.

2. Les limites de IA:

Exemples
● Santé: estimation du coût de santé des employés : risque de descrimination,
et prise de décisions arbitraires.
● Reconnaisance faciale: pas assez fiable pour identifier des personnes de
couleur
● Sécurité: risque de perte de contrôle sur les machines

3. Perspectives d'avenir de IA:

● Croissance du marché prolifique de l'intelligence artificielle d'une façon
exponentielle dans les prochaines décennies.

● Inquiétude des grands industriels et scientifiques comme Elon Musk, Bill

Gates et feu Stephen Hawking sur les conséquences possibles du manque
de contrôle des humains sur l'intelligence artificielle.

● Impact éventuel : * Piratage à grande échelle

* Cyberguerre

* Augmentation du chômage

* Augmentation du nombre de substitutions d'emplois