Nos domaines d'applications

Nous allons illustrer quatre des domaines d’applications dans lesquels il est possible pour nous d’intervenir:

  • Vision par ordinateur (Computer Vision)
  • Traitement du langage naturel (Natural Language Processing, ou NLP)
  • Automatisation des processus (Robotic Process Automatisation, ou RPA)
  • L’analyse de données (habituellement référencée sous la terminologie Big Data)

Vision par ordinateur

Les machines sont dorénavant capables de « voir » et d’analyser le contenu d’images de façon extrêmement performante. Elles sont maintenant capables de lire une radio médicale et d’atteindre, voire de surpasser, les meilleurs praticiens. C’est également un des composants permettant le développement des voitures autonomes.

Pour les petites et moyennes entreprises, la vision par ordinateur peut signifier:

  • Maintenance prédictive dans une chaîne de fabrication ou de production: l’idée est d’utiliser la reconnaissance d’image pour déceler des comportements anormaux des équipements, là où le contrôle humain est limité, impossible ou imparfait.
  • Analyse de qualité: de manière analogue, là ou l’œil humain est nécessaire, ce qui est très souvent le cas en contrôle qualité, il est possible d’assister ou de renforcer les contrôles en implémentant de la reconnaissance d’image, pour par exemple limiter les non conformités.
  • Dans l’univers agricole ou viticole, la vision par ordinateur peut aider à mieux surveiller son domaine, détecter plus rapidement les maladies, avoir une vision localisée des phénomènes, optimiser son irrigation etc.
  • Automatiser le traitement d’information manuscrites: l’usage de l’écriture et du papier est encore d’actualité et, selon nous, pour encore longtemps. La digitalisation est très utile pour automatiser, mais le papier peut parfois être plus flexible, pratique, ou moins cher que le digital. La vision par ordinateur aide à lever la barrière du papier et à faciliter son traitement (exemples d’application: traitement de formulaires papiers, automatisation des traitements de notes de frais etc.).

Traitement du langage naturel (NLP)

Si la compréhension au sens où nous l’entendons généralement en tant qu’humains n’est pas encore accessible aux machines, le Deep Learning leur permet cependant de faire des analyses sémantiques ciblées performantes. L’usage du Deep Learning a notamment permis une amélioration considérable des traducteurs automatiques ces dernières années, ou l’émergence des services comme Siri d’Apple et Alexa d’Amazon.

Pour les petites et moyennes entreprises, le traitement du langage naturel peut signifier:

  • Mise en place d’agents conversationnels (chatbots): ces agents conversationnels permettent aux usagers de s’adresser à une machine (qu’on appelle souvent chatbot) comme ils le feraient avec un humain, et d’avoir un échange et des retours sur des sujets spécifiques. La mise en place de chatbots peut être utile pour améliorer son service client (imaginez être disponibles 7/7 jours et 24/24 heures pour vos clients), mais aussi en interne, pour soulager certaines de vos fonctions supports (service informatique, département RH etc.). Dans ce cas le chatbot peut en effet aider à répondre à un certain nombre de sujets classiques et décharger vos équipes pour qu’elles se concentrent sur des activités à plus forte valeur ajoutée.
  • Aide à la décision: accéder à l’information est essentiel dans des prises de décisions. Le traitement du langage naturel offre la possibilité de traiter des données volumineuses et non structurées afin d’en dégager une information pertinente. Un exemple est l’analyse des réseaux sociaux avec ce qu’on appelle l’analyse des sentiments, pour connaître l’avis de ses clients sur son produit. Cela peut aussi s’appliquer à des données textuelles massives, comme par exemple l’automatisation de la recherche de jurisprudence pour des cabinets d’avocats.

Automatisation des processus (RPA)​

Les tâches administratives répétitives touchent toutes les entreprises, quelle que soit leur taille. Si certaines peuvent être éliminées par une optimisation des processus, un certain nombre sont nécessaires. Pourtant, la valeur ajoutée des employés à réaliser ces tâches est généralement faible. La RPA vous permet de les automatiser pour libérer du temps dans votre entreprise. Cela minimise aussi également les erreurs de saisies.

Transférer automatiquement des données entre deux systèmes différents, automatiser vos notes de frais, votre système de paye, le remplissage de formulaires sont quelques unes des nombreuses applications de la RPA.

Le Big Data

Le Big Data est un concept assez large, qui possède des points communs avec l’intelligence artificielle au sens actuel du terme. En effet le machine learning est une technique commune de ces deux disciplines, même si le Big Data utilise également d’autres outils.

Ce qui différencie avant tout le Big Data de l’IA se trouve au niveau des applications. L’intelligence artificielle permet surtout de créer de nouveaux produits ou services, alors que le Big Data consiste principalement à maîtriser de grandes quantités de données et de s’en servir à des fins d’analyses (rétrospectives, prédictives ou prescriptives). Le Big Data vous aidera à mieux connaître vos clients et leur fournir un service sur-mesure,  alors que l’intelligence artificielle vous permettra plutôt d’automatiser vos activités ou de créer de nouveaux produits.

Le Deep Learning n’est donc pas nécessairement le seul moyen pour extraire du sens de vos données, mais il peut être un angle d’approche intéressant