gnitif

Le cognitif
Moteur de la
transformation digitale

Épisode 3
IoT + Cognitif : le carburant pour
alimenter vos services digitaux
Serge Bonnaud et Christophe Didier
Remerciements

Remerciements à Hadjare Zerrad,

Pascal Vaucouleurs, Mihaela Corbeanu
pour la qualité de leurs relectures
approfondies et leur soutien tout au long
de la rédaction de ce livre blanc.
Biographie des auteurs
Serge
Bonnaud
I ngénieur diplômé de
l’Epita et licencié en
mathématiques, Serge
Bonnaud a travaillé dans
le domaine de l’ingénierie
système pour la Défense
(système d’armes tactique
marine). Il a ainsi occupé
différents postes chez
des éditeurs de logiciel dont Verilog, IDE,
Thomson Software Product et Rational
Software Corporation. Il a été impliqué sur des
projets dans le domaine de l’industrie de la
santé, avec le développement de systèmes
d’analyse biologique de données médicales ou
l’optimisation de programmes multimédia.
Serge a rejoint IBM en 2004 ou il a occupé des
fonctions de Market Manager sur les solutions
de production informatique puis Software
Architect sur l’Afrique du Nord (IBM Maroc,
Algérie, Tunisie).
Il a intégré en 2016 l’équipe IBM Industrie
Europe ou en tant qu’architecte il travaille sur
des projets de type Industrie 4.0
LinkedIn
www.linkedin.com/in/serge-bonnaud-97b1527
Twitter
@serge_bonnaud
Christophe
Didier
I ngénieur
diplômé de
l’Epita et titulaire
d’un MBA de
Warwick Business
School, Christophe
Didier a travaillé
dans les systèmes
d’information
militaires, les systèmes de santé des hôpitaux
de Paris, l’aéronautique avec le programme
A380, les villes intelligentes sur les projets
Smarter Cities (Montpellier, Nice, Lille) et l’IoT
(Internet of Things) en particulier pour les
transports, la sécurité et l’énergie.
Il a été SME (Subject Matter Expert) pour
les projets d’intégration complexe, porteur
d’Offres et manager de practices de conseil
en processus d’entreprise encadrant jusqu’à
40 personnes. Après 20 ans dans le conseil
en France et au UK, présent chez IBM
depuis 2000, il a rejoint en 2014 les équipes
techniques d’avant-vente en tant que Technical
Director IoT, Mobile et Smarter Cities pour IBM
France.
LinkedIn
www.linkedin.com/in/christophe-didier-bb9b425
Twitter
@ChristofDidier
3
4
Préambule épisode 3

L e précédent épisode de la série « De l’IoT

au cognitif : le moteur de la transformation
digitale » a permis de découvrir les bonnes
pratiques pour transformer la donnée brute en
donnée valorisée et assurer la meilleure qualité
possible.

Dans ce dernier épisode, les principes du

cognitif, combinaison de techniques issues de
l’Intelligence Artificielle et de l’apprentissage
automatique, vont être exposés de manière
didactique et illustrés par des exemples.

Vous apprendrez à reconnaitre ce qu’est un cas

d’usage favorable pour le cognitif et comment
un tel système fonctionne et s’intègre au
quotidien dans des activités industrielles.

Enfin, nous établirons un lien avec l’internet des

objets et l’internet des services et expliquerons
en quoi le cognitif est un réel moteur pour la
transformation digitale des entreprises.

5
 L’apport du cognitif dans
la transformation
digitale

Nous pensons que les années à venir seront passionnantes en raison de

l’émergence des approches cognitives, un type de traitement analytique
particulier. Mais posons-nous la question de savoir ce qu’est le cognitif et
pourquoi cette approche émerge actuellement.

Introduction «  Pour exploiter et valoriser

les données non structurées,
N ous avons déjà souligné que la quantité

de données à gérer pour une entreprise
ne cesse de s’accroître et de s’étendre à raison
d’un facteur 10 tous les 5 ans. Les données non
structurées (.i.e. « dark data ») représentent plus
de 80 % de toutes les données générées de nos
jours sur la planète.
Ces dernières représenteront 93 % de toutes les
données produites en 2020. Il est dorénavant
certain que les entreprises qui arriveront à analyser
toutes ces données posséderont un avantage
significatif par rapport à leurs concurrentes, en
particulier dans le domaine industriel.
 »
l’analyse cognitive nous
semble essentielle.
Elle peut être combinée avec un projet de type
IoT (Internet Of Things) et/ou Big DATA dans une
même situation, l’IoT apportant ainsi les nouvelles
données, le Big Data les capacités de traitement
pour de grands volumes de données, et enfin
le cognitif, les modèles d’apprentissage et les
aspects conversationnels entre l’homme et la
machine. Nous tenons à souligner que le but des
approches cognitives n’est pas de remplacer
l’humain, mais plutôt de l’assister dans son

Figure 1 - Informatique Cognitive

6
processus de réflexion et de prise de décision.
Le cognitif permet tout d’abord de comprendre
la sémantique d’un domaine d’expertise donné,
et cela en se basant sur une modélisation du
domaine (thesaurus, ontologie, graphe de
connaissance) et des algorithmes de type
graphes et réseaux neuronaux.
«  En conséquence, nous
pouvons énoncer que le
cognitif représente la capacité
d’un système à apprendre,
classifier l’information,
émettre des hypothèses,
les évaluer et suggérer des
 »
actions à la manière d’un
expert humain.
Historiquement parlant, le cognitif se réfère à des
principes issus de l’intelligence artificielle, des
réseaux neuronaux, élaborés avec une approche
mathématique dans les années 1949-1990.
« Un système cognitif doit être vu ainsi comme
une sorte de prescripteur. D’une certaine
manière, il fournit, après avoir compris la question,
Figure 2 - Les principes du cognitif en 3 étapes
des éléments de réponse en associant les
données d’entrées, qui subissent une série de
transformations, à des catégories en sortie avec
un score de probabilité associé. Ce comportement
est relativement similaire à la manière de travailler
d’un médecin : les phases de diagnostic,
prescription, évaluation du traitement... »
En comprenant intimement le sens d’une situation
à travers par exemple une image, un flux vidéo, un
flux de réseau social, un discours oral ou un texte
écrit, il devient ainsi possible de répondre à des
questions et de prendre une décision adaptée en
temps réel et en contexte.
En ce qui concerne IBM, les services cognitifs
de la famille Watson permettent de comprendre
des comportements, des situations, de percevoir
le sens et le contexte des choses, en se basant
sur des techniques d’analyse sémantique de
l’information, d’apprentissage (Machine Learning),
de graphes de connaissance et d’algorithmes à
base de réseaux neuronaux (.i.e. Deep Learning).
L’idée d’un système cognitif est de proposer
une liste de réponses possibles à des questions
posées par un humain, en général en langage
naturel (questions ouvertes).
7
 Ces questions porteront sur un domaine de
connaissances et d’expertise qui aura au
préalable été modélisé sous la forme d’un corpus
de connaissance.
Ces réponses sont catégorisées avec un score de
probabilité associé. Aux réponses sont associées
les preuves (hypothèses) ayant amené à classer la
réponse dans une catégorie particulière (une même
question peut ainsi donner lieu à plusieurs réponses
chacune avec des probabilités différentes).
« 
Dans l’apprentissage
supervisé, le système apprend
à partir d’exemples fournis à
l’avance et produit des règles
qui lui permettent de classifier
 »
les échantillons dans
différentes catégories.
Dans un système non-supervisé, le système
sépare les données en catégories (cluster)
de manière automatique, en se basant sur les
similarités et différences. Il produit ainsi des
groupes distincts (catégories). L’analyse de ces
groupes permet de comprendre le comportement
des éléments se rapportant à ces données.
En sortie, le système cognitif associe un score de
Figure 3 - Fonctionnement d’un système cognitif
8
confiance à chaque réponse ainsi que les éléments
de preuve ayant permis d’aboutir à ce score.
Puis au fur et à mesure de l’apprentissage
(supervisé ou non), le système devient plus précis
et pertinent sur les réponses à fournir : on dit dans
ce cas que le système « apprend ».
Les corpus de connaissances sont importants
dans le succès de l’analyse / des projets d’analyse
cognitive. Ils sont associés à des domaines et
s’enrichissent par l’analyse de nouveaux contenus,
permettant d’accélérer eux aussi l’apprentissage
(dictionnaire des concepts et de la sémantique des
relations ou graphe de connaissance).
L’apprentissage est particulièrement important et
demande du temps dans la pratique.
Dans le cas d’images à catégoriser par exemple,
il faut en effet indiquer au graphe et au réseau
neuronal les caractéristiques de l’objet présenté et
également ce qu’il n’est pas (exemples : variétés
de plantes en botaniques et sous-espèces,
personnes de type enfant ou adulte, carrosserie
rayée ou non rayée, camion ou voiture...).
Les résultats des actions permettent au modèle
d’apprendre par une boucle de retour, de revoir
ainsi les hypothèses et [de] recalculer les scores
de probabilité. À noter que très souvent la
décision ultime, basée sur les recommandations
du système, revient à l’humain.
À ce titre, le système cognitif se veut plutôt
être un assistant conversationnel capable de
comprendre un contexte et une situation afin
d’apporter le meilleur conseil.
En résumé, les systèmes cognitifs :
1. Peuvent lire des textes, des images et
comprendre le langage naturel parlé ou
écrit. Ils sont capables de supporter une
conversation et comprendre le sens des
réponses ou des questions posées.
2. Sont d’une certaine manière capable de
raisonner et comprendre la sémantique d’un
domaine (graphe de connaissances, concepts,
catégories, sémantiques des relations,
métadonnées des relations, parcours de
graphe).
3. Utilisent les techniques de Machine Learning et
Deep Machine Learning et s’améliorent avec le
temps par l’apprentissage et le renforcement.
4. Sont conçus pour augmenter les capacités
de l’humain et non le remplacer. Ils aident à
prendre des décisions et se concrétisent par
une application de type assistant personnel ou
un chat bot. Cette assistance augmentée doit
cependant s’inscrire dans un processus global
et une réflexion doit avoir lieu pour assurer une
cohérence avec les activités humaines courantes.
La principale différence avec un système
classique est que ce dernier s’appuie sur des
données dites structurées et suit des règles
déterministes afin de toujours produire le même
type de résultat.
En revanche, un système cognitif apprend par
l’usage et ne se programme donc pas comme un
système classique.
9
 Identifier un cas d’usage pour 3. Il y a une interaction en langage naturel et une
conversation cohérente dans le temps avec
l’analyse cognitive
prise en compte des réponses précédentes.

U n cas d’usage cognitif rassemble en général

plusieurs des raisons énumérées ci-
4. La logique de dialogue amène à lister des
preuves et des hypothèses pour justifier les
dessous :
propositions faites par le système cognitif.

1. Le corpus de données non structurées et 5. Le domaine est porteur de beaucoup

hétérogènes est important. d’expertise et savoir-faire.

2. Un grand volume de données doit être traité en 6. Il y a un besoin d’amélioration continue par
temps réel. l’apprentissage.

Figure 4 - Services cognitifs de la famille IBM Watson

Figure 5 - Reconnaissance d’image

10
Exemples de services cognitifs
I BM Watson Personality Insights est un
service qui permet de comprendre les traits
de caractère d’une personne, ses besoins, ses
valeurs, sentiments ou état d’esprit...
Le service extrait un ensemble de traits sociaux
en analysant la manière dont une personne
communique (voir figure 5).
Parmi les autres services cognitifs offerts par
IBM Watson, on peut également citer le service
IBM Watson Dialog pour créer des applications
capables de comprendre une conversation en
langage naturel et proposer des réponses.
Pour les cas d’usage liés à la voiture autonome
ou à la navigation avancée, les assistants
conversationnels de type cognitifs (chat bot,
bot...) sont particulièrement intéressants et font
l’objet d’études préalables chez de nombreux
constructeurs automobiles et équipementiers.
Une partie du logiciel peut être embarquée
(service temps réel, traitement de données...)
et une autre partie déployée au niveau du
Cloud (consolidation, analytiques globaux,
multicorrélation véhicules...).
Figure 6 - Exemple : le service Personality Insights
On peut citer également le service d’analyse
intelligente de vidéo (IBM Intelligent Video
Analytics) qui permet de classifier des images ou
d’identifier des situations, des personnes ou des
objets dans des flux vidéos.
Ce service est adapté pour couvrir la gestion du
trafic routier avec l’analyse en temps réel de flux
provenant de plus de 1000 caméras ou l’analyse
d’imagerie médicale en haute définition.
« Dans les exemples cités,
on perçoit la complémentarité
intime du cognitif avec l’homme.
En effet dans l’interaction,
l’information est traitée comme
elle est émise (voie, texte,
son) et interprétée dans son
 »
contexte à la manière dont le
cerveau humain le ferait.
Ces assistants, au-delà de l’analyse massive,
apprennent en permanence et ont la capacité de créer
des « patterns », des analogies, des corrélations, des
rapprochements au service de l’expert qui doit se
concentrer sur la validation et la prise de décision in fine.
11
 On parle ici en fait d’assistant cognitif ou
d’intelligence augmentée. Ces solutions n’ont pas
vocation à remplacer l’humain, mais au contraire à
soutenir la décision de l’expert humain.
« 
Aujourd’hui, nous utilisons
volontiers un tableur et
pourtant tout le monde est
conscient que ce n’est pas le
tableur qui prend la décision,
mais bien celui qui s’en sert et
 »
en capte des résultats avant
de statuer.
D’ici peu, les solutions cognitives vont se placer
dans la continuité des bouliers, calculettes
et autres tableurs. Cela paraît assez évident
dès aujourd’hui lorsque l’on voit la quantité
Figure 7 - Reconnaissance de situations dans des flux vidéo
12
d’informations à intégrer par un spécialiste en
cancérologie qui doit consulter toutes les études
et thèses qui sont publiées.
Un système cognitif comprenant le langage
naturel peut devenir un sérieux allié pour l’expert,
en notifiant des situations, des tendances, des
faits, des solutions analogues et existantes
identifiées ou corrélées depuis un corpus
documentaire.
Ces retours font la synthèse entre la
compréhension du langage naturel, la sémantique
d’un domaine, les probabilités d’analogie et la
« montée en charge » des traitements.
De cette manière, il est fort probable que
l’humain puisse tirer parti de la complémentarité
des services apportés par ces systèmes
cognitifs.
Conclusion
L’ Internet des Objets (IoT) est un sujet
passionnant apporteur de valeur et
d’innovation, se situant à la croisée des chemins entre
la connectivité, les télécommunications, le Big Data,
l’analytique et la mobilité. L’IoT est devenu, comme le
Big Data, un sujet mature et beaucoup d’entreprises
ont lancé des projets de production en sélectionnant
une ou plusieurs plateformes pour commercialiser et
opérer leur catalogue de services digitaux.
Comme expliqué dans ce document les plateformes
sont stratégiques. Elles ne doivent plus être
considérées comme de simples espaces de
stockage couplés à moteur de recherche. Elles
intègrent dorénavant des capacités de connectivité
couplées à des analytiques avancées et à du
Machine Learning. En parallèle à la recherche de
plateformes, les entreprises lancent sur leur marché
de nouveaux produits qui intègrent pour certains des
capacités d’intelligence artificielle, leur permettant de
percevoir l’environnement, analyser les informations et
réaliser des tâches ou effectuer un raisonnement.
Ces deux sujets, objet intelligent et services
digitaux, sont liés par l’intermédiaire de la
plateforme qui en assure le bon fonctionnement
et la commercialisation. En synthèse, les choses
pourraient se résumer à l’aide de la figure ci-
dessous, à savoir que l’internet des objets rejoint
dorénavant l’internet des services. Les nouveaux
« Business Models » basés sur les services digitaux
et les objets connectés intelligents forcent ainsi à
repenser l’outil de production et de distribution,
amenant à engager de vraies transformations
digitales (industrie 4.0, usine numérique). Dans
Figure 8 - Lien entre IoT et Internet des Services
ECONOMY, CULTURE,
PUBLIC SERVICES, ETC. INTERNET OF SERVICES
Integrated usage domains
INDUSTRIE 4.0 SMART MOBILITY eHEALTH
ces transformations qui bouleversent nos modes
de penser, de vivre et d’interagir, les plateformes
jouent un rôle fondamental comme vu tout au
long de ce document. Après avoir été Big Data,
Analytiques, IoT, elles deviennent dorénavant
cognitives. Certes, ces transformations digitales
peuvent être inquiétantes, car chacun doit trouver
sa place au sein de cet écosystème en évolution et
effervescence constantes. Mais en même temps,
c’est aussi une source d’opportunités extraordinaires
de par la création de nouveaux métiers, de
nouvelles manières d’enseigner, d’apprendre,
d’interagir, de travailler, de vendre, de consommer,
tout simplement de vivre peut-être différemment.
«  À chacun d’entre-nous de
faire sa propre transformation.  »
À titre d’exemple, les projets IoT ont permis
l’émergence de nouveaux rôles tels que les
Data Scientist, Data Analyst et Business Analyst,
travaillant en mode collaboratif et agile au sein
d’incubateurs (Data Laboratory) et conjointement
avec les responsables marketing et les équipes
de réalisation.
Comme évoqué tout au long de cet article, l’IoT
et le cognitif seront porteurs de croissance pour
l’économie en facilitant l’émergence de nouveaux
Business Model, la création de valeur, l’incubation
d’idées et la naissance de startups de plus en
plus surprenantes et innovantes. Les modes de
consommation changent et vont profondément
impacter le comportement de chacun d’entre nous.
Ils vont transformer l’économie traditionnelle basée
sur la notion de bien, en économie du service et de
la donnée pour de nombreuses décennies.
Industrial companies
need to play a major role
in this world while
leveraging affectively
this one INTERNET OF THINGS
SMART ENERGY CONNECTED OBJECTS ETC.
13
14
Annexe
En savoir plus sur les technologies

Ce document fait référence à des pratiques, technologies, exemples ou

références décrites sur Internet et accessibles facilement. Ci-dessous, le
lecteur trouvera une liste de liens dynamiques.

Bluemix & plateformes En savoir plus sur Blockchain

• Welcome to IBM Bluemix : https://console. • IBM Blockchain : www.ibm.com/blockchain

ng.bluemix.net/ • IBM Blockchain Offres : www.ibm.com/
• IBM Bluemix Catalogue : https://console. blockchain/offerings.html
ng.bluemix.net/catalog/ • Watson IoT et Blockchain : www.ibm.com/internet-
• IBM Watson IoT for Insurance : www.ibm.com/ of-things/fr-fr/iot-solutions/watson-iot-platform/
internet-of-things/iot-solutions/iot-insurance/
• IBM Watson IoT for Automotive : www.ibm.com/ Vidéos YouTube : Références,
internet-of-things/iot-solutions/iot-automotive/ témoignages, webcasts
• IBM Watson IoT for Electronics : www.ibm.com/
internet-of-things/iot-solutions/iot-electronics/ • 70 Miles From Shore with Watson : Woodside
• IBM Plant Performance Analytics : www.ibm. Energy and IBM : www.youtube.com/
com/us-en/marketplace/plant-performance- watch?v=SwqHemQ-5i8
analytics • IBM Watson: How it works? : www.youtube.com/
watch?v=_Xcmh1LQB9I
Analytics & Big Data • YouTube - La bande annonce du film Morgan
construite par l’IA d’IBM : www.youtube.com/
• IBM Big Data : www.ibm.com/big-data/us/en/ watch?v=gJEzuYynaiw
• IBM Analytics : www.ibm.com/analytics/us/en/ • YouTube - Blockchain solution pour IBM Global
Financing (Version Française) : www.youtube.
Services IBM Bluemix com/watch?v=FhW1Ubitydw
accessibles en ligne • YouTube - Projet Silverhook Powerboat : www.
youtube.com/watch?v=rpsjxnoNc-U
• Reconstruire une image animée de votre
téléphone en mouvement : http://discover-iot.
eu-gb.mybluemix.net/#/play
• Audio Analysis : https://audio-analysis-
application-starter-kit.mybluemix.net/
• Visual Recognition : http://visual-recognition-
demo.mybluemix.net/
• Natural Language Classifier : https://natural-
language-classifier-demo.mybluemix.net/
• Personality Insights : https://personality-insights-
livedemo.mybluemix.net/
• Text To Speech : https://text-to-speech-demo.
mybluemix.net/

15
16
Table des matières
Biographies des auteurs.................................... 3
Préambule épisode 3......................................... 5
L’apport du cognitif dans la transformation
digitale - Introduction......................................... 6
Identifier un cas d’usage
pour l’analyse cognitive.................................... 10
Exemples de services cognitif......................... 11
Conclusion........................................................ 13
Annexe
En savoir plus sur les technologies.................. 15
Figures
Figure 1 - Informatique Cognitive....................... 6
Figure 2 - Les principes du cognitif
en 3 étapes......................................................... 7
Figure 3 - Fonctionnement
d’un système cognitif......................................... 8
Figure 4 - Services cognitifs
de la famille IBM Watson.................................. 10
Figure 5 - Reconnaissance d’image................ 10
Figure 6 - Exemple : le service
Personality Insights.......................................... 11
Figure 7 - Reconnaissance de situations
dans des flux vidéo.......................................... 12
Figure 8 - Lien entre IoT
et Internet des Services.................................... 16
IBM France
17, Avenue de l’Europe
92 275 Bois Colombes Cedex
IBM, le logo IBM, ibm.com, IBM Watson sont des marques d’International Business
Machines Corp., déposées dans de nombreux pays du monde. Les autres noms de
produits et de services peuvent être des marques d’IBM ou d’autres sociétés. Toutes
les marques citées appartiennent à leurs propriétaires respectifs. Une liste actualisée
des marques déposées IBM est accessible sur le web sous la mention « Copyright
and trademark information » à l’adresse www.ibm.com/legal/copytrade.shtml.
Ce document est considéré comme à jour à sa date initiale de publication et peut
être modifié par IBM à tout moment. Toutes les offres ne sont pas disponibles dans
tous les pays où IBM est présent.
LES INFORMATIONS CONTENUES DANS CE DOCUMENT SONT FOURNIES
« EN L’ÉTAT », SANS AUCUNE GARANTIE EXPRESSE OU TACITE, NOTAMMENT
SANS AUCUNE GARANTIE DE QUALITÉ MARCHANDE OU D’ADAPTATION À UN
EMPLOI SPÉCIFIQUE, ET SANS AUCUNE GARANTIE OU CONDITION DE NON-
INFRACTION VIS-À-VIS DES LOIS.
Les produits IBM bénéficient de la garantie décrite dans les conditions générales
des contrats dans le cadre desquels ils sont fournis. Déclaration de bonnes
pratiques en matière de sécurité : La sécurité des systèmes informatiques consiste
à protéger les systèmes et les informations par la prévention, la détection et la
gestion de l’accès inapproprié au sein de l’entreprise et en dehors de celle-ci. Un
accès inapproprié peut entraîner l’altération, la destruction ou le détournement
d’informations, ou peut entraîner des dommages ou un usage non approprié de vos
systèmes, notamment à des fins malveillantes.
Aucun système ou produit informatiques ne saurait être considéré comme
entièrement sûr et aucun produit ou mesure de sécurité ne peut être complètement
efficace en matière de prévention des accès non appropriés. Les systèmes et
produits IBM doivent être intégrés à une approche complète en matière de sécurité.
Celle-ci implique nécessairement des procédures opérationnelles supplémentaires
et peut nécessiter d’autres systèmes, produits ou services pour en optimiser
l’efficacité.
IBM NE GARANTIT EN AUCUN CAS QUE SES SYSTÈMES ET SES PRODUITS NE
SOIENT PAS EXPOSÉS AUX ACTIONS MALVEILLANTES OU ILLÉGALES D’UN
TIERS.
© Copyright IBM Corporation 2017
17