Animée par Martin Trépanier, professeur titulaire à l’école Polytechnique Montréal, la table ronde a permis aux panélistes d’échanger sur l’IA et son influence potentielle sur la mobilité des personnes et des marchandises. Pour répondre aux questions de l’animateur et de l’auditoire dans la salle du Centre des congrès de Saint-Hyacinthe, on retrouvait Mohsen Nazem, chef recherche et modélisation chez Exo; Olivier Audet, ingénieur à la Ville de Montréal; Xavier Prudent, directeur des techniques informatiques de Civilia Groupe-conseil; Vincent Côté, consultant en transformation d’affaires – Internet des objets d’IBM Canada et Jean-François Rajotte, chercheur en sciences des données du Centre de recherche informatique de Montréal (CRIM).
L’IA est un nouvel outil mis à la disposition des organisations de toutes tailles. Le CRIM, par exemple, y fait appel afin d’évaluer les temps de réponse des pompiers ainsi que pour caractériser les types de circulation. Du côté d’Exo, la nouvelle société responsable du transport en commun dans la grande région de Montréal, on veut profiter de l’IA dans le cadre d’activités de valorisation des données, de prise de décisions basées sur les données, de maintenance préventive. Exo voudrait même utiliser l’IA afin de concevoir un SAEIV (système d’aide à l’exploitation et à l’information des voyageurs) et arriver à réaliser des prévisions précises du temps d’arrivée des autobus aux arrêts.
La ville de Montréal compte sur son centre d’expertise en IA et en intelligence des affaires afin de mieux utiliser ses panneaux de messages variables. L’IA servira aussi à la ville lorsque viendra le temps d’aménager des rues pour véhicules autonomes et connectés. Une partie des données colligées par le centre émane des enquêtes origines/destinations réalisées aux 5 ans. Montréal adopte une approche pragmatique dans ses travaux. L’IA a fait son apparition au cours des années 1970, mais les modèles de l’époque sont à des années-lumière des modèles actuellement sur le marché, lequel devrait atteindre les 30 milliards de dollars en 2030. Alors qu’on parlait en termes de giga-octets de données à l’époque, les systèmes d’aujourd’hui peuvent colliger des téraoctets et même des petaoctets de données.
Les données, leur collecte, la méthodologie, la fréquence de mesure, la préparation et l’intégration des données sont tous des facteurs importants de l’élaboration des modèles. Les données sont entreposées et colligées de plus en plus souvent dans des espaces infonuagiques. L’IA, en plus de toutes ses possibilités et ses bénéfices, demeure un outil offrant de multiples avantages aux organisations qui l’utilisent. Mais l’IA vient aussi avec certaines problématiques, dont la question de l’éthique. Peu de gens parlent d’IA et plusieurs croient que les données peuvent être biaisées, même s’il existe des outils pour détecter les biais et les données corrompues. Le cadre légal, le cadre citoyen et les données urbaines sont des éléments importants de la recherche de l’acceptabilité sociale.
Terminologie
L’Union internationale des télécommunications définit l’Internet des objets (IdO – IoT – Internet of Things) comme « Une infrastructure mondiale permettant de disposer de services évolués en interconnectant des objets grâce aux technologies de l’information et de la communication interopérables existantes ou en évolution. » D’un point de vue conceptuel, l’IdO est caractérisé par des objets physiques connectés ayant leur identité numérique et étant capables de communiquer les uns avec les autres.
L’apprentissage automatique (apprentissage machine – Machine Learning) est un sous-domaine de l’Intelligence artificielle, dont l’objectif est de comprendre la structure des données et de les intégrer dans des modèles pouvant être compris et utilisés par tout le monde. L’Université internationale SupInfo affirme que les algorithmes de l’apprentissage automatique permettent aux ordinateurs de s’entraîner sur les entrées de données et utilisent l’analyse statistique afin de générer des valeurs spécifiques.
Le Deep Learning (Apprentissage profond) est un type d’intelligence artificielle dérivé de l’apprentissage automatique où la machine est capable d’apprendre par elle-même, contrairement à la programmation, qui se contente d’exécuter à la lettre des règles prédéterminées. Futura Tech explique que le Deep Learning s’appuie sur un réseau de neurones artificiels s’inspirant du cerveau humain.
Le calcul distribué est un calcul ou un traitement qui est réparti sur plusieurs microprocesseurs ou ordinateurs et encore plus généralement, sur toute unité centrale informatique. Le calcul distribué est souvent réalisé sur des grappes de calculs spécialisés, mais peut aussi être réalisé sur des stations informatiques individuelles à plusieurs cœurs. Il s’agit d’un domaine de recherche des sciences mathématiques et informatiques.
La collecte, l’exploitation et l’analyse des données servant à la prise de décisions sont les principales étapes de l’intelligence d’affaires. Selon Frost & Sullivan, les principaux domaines d’applications seraient le marketing, la gestion des ressources, la sécurité et l’amélioration des processus.
Investissements majeurs
La reconnaissance faciale est une des applications populaires de l’intelligence artificielle, selon le Wall Street Journal. Ce dernier affirme que les entreprises en démarrage dans le monde de l’IA sont parmi celles qui réussissent à générer le plus d’investissements actuellement. Pourtant, l’homme possède toujours ce sentiment de perdre sa place face à la machine, de perdre son sens critique et résiste souvent au changement. Même si l’armée américaine pourrait se fier à des drones contrôlés par l’IA pour ses combats aériens, cela requiert encore qu’un humain soit devant un écran à des milliers de kilomètres de la zone de combat, qu’il le contrôle et pèse sur le bouton pour larguer les bombes.
L’IA ne fonctionne qu’avec un apport humain, ne serait-ce que l’intrant requis pour élaborer les algorithmes. La crainte de la perte d’emplois est bien réelle. Certains métiers vont bel et bien disparaître, alors que d’autres profiteront de l’assistance de l’IA. On retrouvait jadis un opérateur par ascenseur alors qu’aujourd’hui ces monte-personnes fonctionnent grâce à ceux et celles qui les empruntent. L’IA peut, d’un autre côté en cette ère de pénurie de main-d’œuvre, aider à résoudre une partie du problème. Lorsqu’elle est bien planifiée et supervisée, l’IA peut être un outil important pour les entreprises de toutes les tailles et de tous les secteurs industriels.
Par Guy Hébert
