L'Intelligence Artificielle ou IA est au coeur de nombreux débats et est le fer de lance de beaucoup d’entreprises. Il ne se passe plus une journée sans qu'une communication ne soit faite sur une nouvelle intelligence artificielle capable d'en faire plus que la précédente. La guerre industrielle est lancée et on peut facilement imaginer qu'elle ne se terminera que par une entité artificielle égale ou supérieure à l'humain. C'est dans ce nouveau monde qui se prépare qu'apparaît la branche cognitive de l'intelligence artificielle qui s'appuie sur des domaines et outils tels que l'apprentissage et l'auto-apprentissage, les réseaux de neurones, la langue naturelle, les arbres de décision dont les objectifs sont de déduire des faits marquants, repérer des motifs, prédire des tendances, imaginer de nouveaux services à mettre en place et ainsi aider l'humain à décider. Mais cela ne se fait pas sans inquiétudes, tout d'abord les biais qui peuvent fausser les interprétations et donc les décisions et ensuite l'impact que l'intelligence artificielle va avoir sur nos activités, nos rôles et nos métiers.

J'ai voulu ce livre accessible au plus grand nombre : même s'il aborde parfois des points techniques assez pointus, chacun pourra y trouver les informations au niveau qu'il le désire ainsi que des sources d'information qui lui permettront, si nécessaire, d'aller plus loin. Cette deuxième édition, en plus des mises à jour diverses, contient deux nouveaux chapitres dont l'importance est apparue ces dernières années, les biais et l'impact de l'intelligence artificielle sur les métiers. Bien que la structure de ce livre suive une progression, les chapitres peuvent être abordés séparément. Je décris tout d'abord les aspects et les domaines de l'intelligence artificielle, j'aborde ensuite les différents types de données et leur utilisation, puis je détaille le processus cognitif. Un chapitre est consacré à la transformation digitale des entreprises et je fournis des exemples concrets de cette digitalisation. Le chapitre suivant recense les différents types de biais et montre comment ceux-ci peuvent fausser l'interprétation et les décisions prises par les intelligences artificielles. Au vu de l'inquiétude et des questions qui émergent, il m'est apparu important de consacrer un chapitre à l'impact de l'intelligence artificielle sur les métiers.

Enfin, pour terminer ce livre, je fais le tour des futurs probables de l'intelligence artificielle, leurs avantages et leurs risques, tels qu'ils sont décrits par certains de nos scientifiques, chercheurs et entrepreneurs.

Introduction

1. Introduction
2. Pourquoi ce livre, pour qui ?
3. Qu’est-ce que l’intelligence ?
4. Des formes variées d’intelligence
5. Utiliser son intelligence pour décider
6. L’intelligence d’une machine
7. Mesurer l’intelligence d’une machine
8. La prise de décision
9. Qu’appelle-t-on intelligence artificielle ?
10. Trois formes d’intelligence artificielle
11. Un peu d’histoire

Les domaines de l'Intelligence Artificielle

1. Introduction
2. Le test de Turing
1. 2.1 Description
  1. 2.1.1 Des machines ont tenté de passer le test
2. 2.2 Les champs possibles d’applications et solutions
  1. 2.2.1 Mieux choisir
  2. 2.2.2 Résoudre des problèmes
  3. 2.2.3 Créer de l’information
  4. 2.2.4 Tenir compagnie
3. 2.3 Les variantes et les alternatives au test de Turing
3. La vision
1. 3.1 Description
2. 3.2 Les champs possibles d’applications et solutions
4. La robotique
1. 4.1 Description
  1. 4.1.1 Des robots de différents types
  2. 4.1.2 Le robot
2. 4.2 Les champs possibles d’applications et solutions
5. La connaissance
1. 5.1 Description
  1. 5.1.1 La gestion de la connaissance
  2. 5.1.2 Le raisonnement
2. 5.2 Les champs possibles d’applications et solutions
6. La planification automatique et l’ordonnancement
1. 6.1 Description
2. 6.2 Les champs possibles d’applications et solutions
7. Le langage naturel
1. 7.1 Description
  1. 7.1.1 La recherche sur le traitement automatique du langage naturel
2. 7.2 Les champs possibles d’applications et solutions
8. L’apprentissage
1. 8.1 Description
  1. 8.1.1 La classification
  2. 8.1.2 La régression
  3. 8.1.3 Le clustering
  4. 8.1.4 Apprentissage par renforcement
2. 8.2 Les champs possibles d’applications et solutions
  1. 8.2.1 Apprentissage supervisé
  2. 8.2.2 Apprentissage non supervisé
  3. 8.2.3 Apprentissage par renforcement
9. Le raisonnement automatisé
1. 9.1 Description
2. 9.2 Les outils et techniques du raisonnement automatisé
3. 9.3 Les champs possibles d’applications et solutions
10. La prise de décision
1. 10.1 Description
  1. 10.1.1 L'IA peut-elle prendre des décisions plus intelligentes que celles des humains ?
2. 10.2 Les champs possibles d’applications et solutions
11. En conclusion
12. Sources et références

Les données

1. Introduction
2. Données structurées, non structurées, semi-structurées
1. 2.1 Les données structurées
2. 2.2 Les données non structurées
3. 2.3 Les données semi-structurées
  1. 2.3.1 Caractéristiques des données semi-structurées
4. 2.4 Les données synthétiques
  1. 2.4.1 Types de données synthétiques
  2. 2.4.2 Les avantages des données synthétiques
  3. 2.4.3 Applications possibles
3. La donnée : une ressource naturelle
1. 3.1 Data@Edge
2. 3.2 Les données distribuées, liées sémantiquement
3. 3.3 Les données classiques
4. 3.4 La transmission des données
5. 3.5 La gravité (ou gravitation) des données
  1. 3.5.1 Le calcul de l’indice de gravité
6. 3.6 L’impact sur les infrastructures existantes
4. Les architectures de données liées à l’informatique cognitive
1. 4.1 L’architecture de Business Intelligence
2. 4.2 Le Big Data
3. 4.3 La Landing Zone
  1. 4.3.1 Les sources
  2. 4.3.2 L’infrastructure de la Landing Zone
4. 4.4 L’architecture Lambda
5. 4.5 Les motifs ou Patterns
  1. 4.5.1 La découverte de motifs
  2. 4.5.2 Le filtrage par motif (Pattern Matching)
6. 4.6 Du Big Data vers le Small Data et le Wide Data
  1. 4.6.1 Les applications
5. La sécurisation des données (non structurées)
6. L’utilisation illicite des données
1. 6.1 Risques liés à l’utilisation illicite des données
  1. 6.1.1 Utilisation illicite des données de l’entreprise
  2. 6.1.2 Utilisation illicite des données personnelles
2. 6.2 L’obligation pour les entreprises
7. Sources et références

Le Cognitive Business

1. Introduction
2. Le processus cognitif
1. 2.1 L’observation
2. 2.2 L’interprétation
3. 2.3 L’évaluation
4. 2.4 La décision
5. 2.5 Le cas d’école : L’entreprise « Douches & Co »
  1. 2.5.1 « Douches & Co » - L’observation
  2. 2.5.2 « Douches & Co » - L’interprétation
  3. 2.5.3 « Douches & Co » - L’évaluation
  4. 2.5.4 « Douche & Co » - La décision
3. L’informatique cognitive au service des entreprises
1. 3.1 Les domaines du cognitif
2. 3.2 Les outils cognitifs
4. Les technologies de l’informatique cognitive
1. 4.1 Les processeurs, les ordinateurs, les infrastructures
  1. 4.1.1 Les processeurs pour l’intelligence artificielle
  2. 4.1.2 Les ordinateurs
2. 4.2 Des nouveaux types de traitement
  1. 4.2.1 L’ordinateur neuronal
  2. 4.2.2 L’ordinateur quantique
  3. 4.2.3 Le traitement approximatif
3. 4.3 L’informatique cognitive et le cloud
4. 4.4 Le concept de l’informatique hybride
  1. 4.4.1 Le concept de Computing@Edge
  2. 4.4.2 Les algorithmes ou heuristiques accédant aux réseaux sémantiques
  3. 4.4.3 L’informatique traditionnelle
  4. 4.4.4 L’informatique hybride
5. 4.5 La donnée : une ressource naturelle
5. L’informatique cognitive au service du cognitive business
1. 5.1 L’informatique cognitive et le monde des affaires
  1. 5.1.1 Les entreprises et les technologies cognitives
  2. 5.1.2 Les technologies de l'informatique cognitive
  3. 5.1.3 L’utilisation des outils cognitifs
2. 5.2 Une méthode pour comprendre l’intérêt de l’intelligence cognitive
  1. 5.2.1 Étape 1 : connaître ce que font les acteurs dans le domaine
  2. 5.2.2 Étape 2 : les problèmatiques et problèmes auxquels l’entreprise est confrontée
  3. 5.2.3 Étape 3 : les solutions envisageables
  4. 5.2.4 Étape 4 : le choix d’une solution
3. 5.3 Les cas d’usage
  1. 5.3.1 Qu’est-ce qu’un cas d’usage ?
  2. 5.3.2 Formaliser un cas d’usage
  3. 5.3.3 Quelques exemples de cas d’usage
6. L’éthique et les comités d'éthique
1. 6.1 Les principes à suivre
2. 6.2 L’intelligence artificielle, l’informatique cognitive et le juridique
  1. 6.2.1 En France
  2. 6.2.2 En Europe
3. 6.3 Les comités d’éthique
7. En conclusion
8. Sources et références

La transformation digitale

1. Introduction
2. L’objectif de la transformation digitale
1. 2.1 L’historique
2. 2.2 L’objectif pour les entreprises
3. 2.3 Les challenges, enjeux et défis de la transformation digitale
4. 2.4 Les freins à la transformation digitale
  1. 2.4.1 La complexité du sujet
  2. 2.4.2 Le manque de compétences en interne
  3. 2.4.3 Le manque de moyens financiers
  4. 2.4.4 Les résistances au changement en interne
5. 2.5 Les bénéfices attendus
  1. 2.5.1 Efficacité opérationnelle et productivité accrues
  2. 2.5.2 Meilleure gestion des ressources et de la collaboration en interne
  3. 2.5.3 Plus de résilience
  4. 2.5.4 Plus grande agilité
  5. 2.5.5 Amélioration de la relation client
  6. 2.5.6 Visibilité de l’entreprise
  7. 2.5.7 Délai de mise sur le marché plus rapide
  8. 2.5.8 Encourager l’innovation
  9. 2.5.9 Accroissement des revenus
  10. 2.5.10 Réactivité et pertinence accrues
6. 2.6 La transformation digitale et le Covid-19
3. La stratégie de transformation digitale
1. 3.1 Les étapes de la stratégie de transformation digitale
  1. 3.1.1 Étape 1 : la vision digitale
  2. 3.1.2 Étape 2 : la formation
  3. 3.1.3 Étape 3 : la restructuration
  4. 3.1.4 Étape 4 : le travail collaboratif
  5. 3.1.5 Étape 5 : le focus sur le client
  6. 3.1.6 Étape 6 : l’analyse de données
  7. 3.1.7 Étape 7 : l’émergence des besoins
4. Quelques exemples de transformation digitale
1. 4.1 Introduction
2. 4.2 L’ubérisation
3. 4.3 L’architecture d’un service « ubérisé »
4. 4.4 Les domaines économiques ubérisés
5. 4.5 Les entreprises marquantes
5. Le futur de la transformation digitale
1. 5.1 L'entreprise
2. 5.2 La formation et les compétences
3. 5.3 L'emploi
4. 5.4 La mobilité et la flexibilité
5. 5.5 Les technologies et l'innovation
6. 5.6 L'automatisation
7. 5.7 Le Droit
6. En conclusion
7. Sources et références

Le biais dans l’intelligence artificielle

1. Introduction
2. Qu’appelle-t-on biais ?
1. 2.1 Le biais cognitif
2. 2.2 Le biais algorithmique
3. Le biais et l’intelligence artificielle
1. 3.1 Le code est-il biaisé ?
  1. 3.1.1 Les algorithmes
  2. 3.1.2 Le programme
  3. 3.1.3 Le choix des variables
  4. 3.1.4 Les tests
2. 3.2 Les données sont-elles biaisées ?
  1. 3.2.1 Biais de confirmation
  2. 3.2.2 Biais de sélection
  3. 3.2.3 Biais historique
  4. 3.2.4 Biais de disponibilité
  5. 3.2.5 Biais d'échantillonnage
  6. 3.2.6 Biais de mesure
4. Les risques liés aux biais
1. 4.1 Les niveaux de risques
2. 4.2 Les conséquences
5. La prévention
1. 5.1 Avant la mise en place du système
  1. 5.1.1 Définir les spécifications
  2. 5.1.2 Choisir les sources de données, les données et les variables
  3. 5.1.3 Valider les spécifications et le choix des données
2. 5.2 Pendant la mise en place du système
  1. 5.2.1 Le choix des variables
  2. 5.2.2 La construction du modèle
  3. 5.2.3 Le choix des algorithmes
  4. 5.2.4 Le langage de programmation et l’environnement
  5. 5.2.5 Les tests et analyse des résultats
3. 5.3 Après la mise en place du système
  1. 5.3.1 La surveillance du système
  2. 5.3.2 Analyse des résultats et détection des biais
  3. 5.3.3 La correction du système : manuelle, semi-manuelle, automatique
6. Les logiciels et les outils
7. Des exemples d’impact du biais
8. Conclusion
9. Sources et références

L’impact sur les métiers

1. Introduction
2. L’impact sur les métiers
1. 2.1 Une volonté d’automatiser
2. 2.2 Un déficit des compétences
  1. 2.2.1 Les raisons du déficit de compétences ?
  2. 2.2.2 Les compétences techniques qui font défaut
  3. 2.2.3 Les risques liés au déficit de compétences
  4. 2.2.4 Que peuvent faire les entreprises pour réduire le déficit de compétences ?
3. 2.3 Les effets sur les métiers
  1. 2.3.1 Effets positifs sur l’emploi
  2. 2.3.2 Effets négatifs sur l’emploi
3. Réagir
4. Les compétences et les métiers
1. 4.1 Les compétences humaines difficilement remplaçables
2. 4.2 Les compétences et les métiers remplaçables
3. 4.3 Les compétences recherchées
4. 4.4 Les opportunités
  1. 4.4.1 Nouveaux métiers
  2. 4.4.2 Nouvelles offres d’emploi
5. La France
1. 5.1 Le rapport France Stratégie
  1. 5.1.1 L’impact dans les transports
  2. 5.1.2 La banque de détail
  3. 5.1.3 La santé
2. 5.2 Le constat en 2022
6. Les exemples
1. 6.1 Le secteur primaire
  1. 6.1.1 Agriculture, Pêche, Exploitation forestière, Exploitation minière
2. 6.2 Le secteur secondaire
3. 6.3 Le secteur tertiaire
  1. 6.3.1 Activités comptables
  2. 6.3.2 Marchés bancaires et financiers
  3. 6.3.3 Énergie et services publics
  4. 6.3.4 Secteur public - Gouvernement
  5. 6.3.5 Santé
  6. 6.3.6 Assurances
  7. 6.3.7 Hôtellerie / Restauration
  8. 6.3.8 Médias/Divertissement
  9. 6.3.9 Distribution
  10. 6.3.10 Télécommunications
  11. 6.3.11 Voyages et transports
  12. 6.3.12 Droit
  13. 6.3.13 Activités immobilières
  14. 6.3.14 Trans-secteurs
7. En conclusion
8. Sources et références

Le futur de l'Intelligence Artificielle

1. Introduction
2. Les technologies
1. 2.1 Le cerveau
2. 2.2 La robotique
3. 2.3 L’interaction avec l’environnement
4. 2.4 L’énergie
5. 2.5 Le métaverse et l'intelligence artificielle
3. L’éducation et la formation
1. 3.1 L’éducation des élèves
2. 3.2 L’IA au service de l’éducation
4. La société
5. L’économie
6. Les acteurs
1. 6.1 Les grandes entreprises
2. 6.2 Les jeunes pousses (start-up) françaises
3. 6.3 Les investisseurs
7. Sources et références
Conclusion
Index

03/11/2023Version en ligne

Livre intéressant mais un peu superficielle

CINA M

30/06/2023Version papier

d excellents ouvrages!

gilles p

13/01/2023Version papier

très intéressant

Anonyme

Jean-Michel RODRIGUEZ

Dr. Jean-Michel Rodriguez possède un Doctorat en Intelligence Artificielle obtenu à l'Université des Sciences et Techniques du Languedoc. Ses travaux de recherche sont axés sur l'évolution de l'Intelligence Artificielle, le traitement de la donnée et sur la gestion et le partage de la connaissance. Il donne, partout dans le monde, de nombreuses conférences sur le sujet. Il a été directeur chez IBM où il a dirigé une équipe internationale de développement ; l'innovation est au centre de ses activités et ayant déposé de nombreux brevets, il est devenu Master Inventor chez IBM. Il enseigne également à l'Université et au CNAM de Montpellier dans des domaines aussi variés que les architectures de systèmes, les systèmes d'exploitation, le commerce électronique et les systèmes et applications distribués.