.svg){kind=small}
L’IA a depuis longtemps révolutionné la façon dont nous concevons la technique et l’industrie. A l’heure où chaque entreprise tire parti de la démocratisation du machine learning et du deep learning pour optimiser ses services, la questions se pose de savoir jusqu'où la machine peut se substituer à l’expertise humaine.
DEUX SYSTÈMES FAILLIBLES
Si l’IA et le machine learning sont des outils inestimables dans leur capacité à exécuter des tâches complexes avec minutie et rapidité -filtrer, trier et traiter des données avec une marge d’erreur extrêmement faible, leur absence de sens critique ainsi que leur intolérance à l'ambiguïté et à la prise de risque en font des outils limités dans leur champ d’action.
Par ailleurs, le machine learning n’a jusqu’ici été appliqué qu’à l'exécution de tâches ciblées dans des domaines très spécifiques comme le langage, la motricité, ou encore le calcul. Cette spécificité en font un outil extrêmement pointu dans le cadre de développements techniques mais pas assez polyvalent pour rivaliser avec l'intelligence humaine sur des thématiques nécessitant une vision globale et des compétences pluridisciplinaires.
“l’intelligence humaine prend le pas sur la machine lorsqu’il s’agit de traiter une situation avec discernement.”
En effet, l’intelligence humaine prend le pas sur la machine lorsqu’il s’agit de traiter une situation avec discernement en prenant en compte, par exemple, des facteurs environnementaux ou socio-culturels. Il en va de même que lorsqu’il s’agit de résoudre un problème de manière créative (non-systématique) et de gérer la prise en compte de données aléatoires ou corrompues par exemple.
REPENSER LA COLLABORATION ENTRE HUMAINS ET MACHINES
En 2017 Harry Shum, à la tête du Microsoft Artificial Intelligence and Research group, annonçait la création d’une nouvelle équipe au sein de son département de recherches en intelligence artificielle. Cette division entièrement dédiée à la psychologie cognitive, composée de cent ingénieurs et chercheurs, développe des solutions destinées à pallier aux faiblesses de l’esprit humain (faible capacité d’attention, oublis etc...). Ainsi, elle conçoit l’IA comme outil compensatoire à l’intelligence humaine humain plutôt que comme alternative.
Ces études repensent la place de la technologie dans notre société, mais aussi dans l’industrie. En effet, si l'intelligence artificielle à fait des vagues dans tous les secteurs, l’industrie en est un qui s’est vu littéralement transformé par l’essor du machine learning.
"Les cas d’usage de machine learning et d’analyses prédictives sont aussi variés que les secteurs de production dans l’industrie”
"Les cas d’usage de machine learning et d’analyses prédictives sont aussi variés que les secteurs de production dans l’industrie”. Explique Gary Brooks, Chief Marketing Officer chez Syncron “Cependant, il y a plusieurs utilisations communes à tous les secteurs de fabrication industrielle (...) : la maintenance prédictive, l’optimisation des processus, la Supply Chain et la gestion des stocks.”
Ces avancées techniques, bien qu’extrêmement bénéfiques, bouleversent les modèles organisationnels classiques. Il est maintenant quasiment impossible de concevoir la production industrielle et la logistique sans les inclure dans une stratégie intelligente connectée.
“Ces changements exigent que les industriels repensent complètement leur manière d’opérer. (...) Leurs organisations vont devoir se centrer sur les données, en investissant dans des technologies pour connecter et suivre les produits, collecter et analyser efficacement de grandes quantités de données opérationnelles et de services, en utilisant des technologies telles que l’internet des objets, le machine learning et l’analyse prédictive.”
