Merci, de ne pas

oublier
de rallumer vos
téléphone
portable à la fin
de la séance !
L’objectif de ce module est de doter l’étudiant par les concepts
fondamentaux de l’Intelligence Artificielle (IA).

L’intérêt de ce module portera sur l’apport de l’IA en matière de

résolution de problème qui n’est plus dans le contexte de
l’informatique de calcul mais plutôt des problèmes qui nécessitent
une approche exploitant le principe du raisonnement.

2
- Présenter un aperçu de ce qu’est l’intelligence artificielle
aujourd’hui, et une idée des possibilités et des enjeux.

Je n’ai pas ambition d’être exacte ou exhaustive, juste d’être

utile.

3
 Premières Questions pour vous !

• Que savez-vous sur l’intelligence artificielle?

• Qu’est-ce que l’intelligence?

• Comment peut-elle être transmise à un ordinateur?

4
Intelligence artificielle

5
- L’intelligence permet de sélectionner/choisir les meilleures options

pour résoudre une question donnée.

- L’intelligence renferme la capacité de comprendre, d’assimiler,

d’élaborer l’information et de l’employer de façon convenable.

- Intelligence désigne, généralement la capacité d'un ordinateur à

apprendre une tâche spécifique à partir de données ou
d'observations expérimentales.
6
- L’intelligence artificielle est l’ensemble des théories, techniques et
systèmes capables de simuler des capacités humaines telles que le
raisonnement, l’apprentissage …

- L’intelligence artificielle consiste à mettre en œuvre un certain

nombre de techniques visant à permettre aux machines d'imiter une
forme d'intelligence réelle.

7
- L’intelligence artificielle vise à mimer le fonctionnement du cerveau
humain, ou du moins sa logique lorsqu’il s’agit de prendre des
décisions.

- Intelligence artificielle = automatiser la prise de décisions

8
 – Apprendre aux ordinateurs à être plus intelligents permettra
sans doute d’apprendre à l’homme à être plus intelligent (P. H.
Winston, 1984)

– L’IA est l’étude des idées qui permettent aux ordinateurs d’être
intelligents (P. H. Winston)
.

9
- L’intelligence artificielle (IA ou Artificial Intelligence- AI) est une
technique qui permet aussi bien à un robot qu’à une voiture, un
moteur de recherche ou même à un téléphone d'exécuter des tâches
habituellement réalisées par les humains.

- L’intelligence artificielle couvre un vaste sujet, en perpétuel mutation

et aux progrès fulgurants depuis 1950 (année fondatrice de l’IA).

10
 Agent intelligent
Système réalisant une tâche présentant les 3 caractéristiques
suivantes:
• réalisable par un être humain
• autrefois compliquée à automatiser
• aujourd’hui le système accomplit mieux* cette tâche qu’un
être humain
*mieux: plus rapide, plus efficace, plus performant

1960 2018

Robots conversationnels / chatbots Véhicules autonomes / self driving vehicules

Test: Test de Turing Test: km sans accident 11
- Un programme doté d'une IA peut par exemple réussir à analyser et
identifier des visages.

- L’intelligence artificielle existe grâce à des systèmes informatiques

qui eux-mêmes fonctionnent à l’aide d’algorithmes.

12
Quelques exemples d’usage
Quelques exemples d’usage

• Systèmes de Traduction Automatique

• Systèmes de Contrôle du trafique aérien

• Systèmes de Supervision adaptatifs

• Assistant Personnel Automatisé

• Autoroutes Intelligentes

• Robots pour conditions dangereuses

14
Quelques exemples d’usage

• Traduction automatique, reconnaissance d’image, reconnaissance

des formes, reconnaissance faciale,

• Robotiques , Véhicules autonomes,

• Agriculture, astronomie, Secteur bancaire (Optimisation de la

prospection commerciale),

• Maintenance prédictive,

15
 Quelques exemples d’usage

• Médecine: aide médicale au diagnostic, Facility Managemet,

• Smartbuilding ou maisons intelligentes,

• Réduction des consommations d’énergie,

• Assistants vocaux,

• Chatbots (agent conversationnel, agent de dialogue), etc.

16
Exemple :
ELIZA est un programme informatique, qui est effectivement un
Chatterbot primitif, écrit par Joseph Weizenbaum entre 1964 et
1966.

ELIZA représente un docteur ou un psychiatre, l'utilisateur est son

patient.

C'est un exemple très basique d'un chatterbot, utilisant des

algorithmes "primitifs " .
17
Exemple :
Le chatbot parle avec l'utilisateur, et en repérant des mots clés
peut lui répondre d'une façon intelligente. Par exemple si
l'utilisateur dit "J'ai mal au pied", ELIZA pourra lui répondre
"Pourquoi est-ce que tu as mal au pied?".

Mais comparé aux chatterbots d'aujourd'hui, le nombre de mots

clé que connait cet IA est minuscule.

Ce chatterbot fut un très grand développement pour l'intelligence

artificielle, beaucoup de ceux qui l'ont essayé furent choqués, et
ont crus qu'ils parlaient à un vrai docteur.
18
Émergence et perfectionnement d’une
intelligence artificielle !!

19
Aider le corps médical à améliorer la
santé d’un groupe de patients

20
Autres exemples: 70’ – 80’ : Systèmes experts

? poids
En baisse En hausse

Absence de

non
Système
nausées ?
oui
? fatigue
oui
ou

non

Ensemble de règles de décision

Dossier patient = Résultat
arbre de décision

« On a fait rentrer l’expertise humaine dans la machine »

Classification 21
BioMind bat des radiologues
lors d’une compétition de diagnostics en juillet 2018

225 cas

15 médecins radiologues Une intelligence

experts artificielle

Entrainée sur les archives de

l’hôpital de Beijing Tiantan

66% de diagnostics corrects 87% de diagnostics corrects

Prédiction correcte de complication : 63% Prédiction correcte de complication :
83%
22
 Predpol lutte contre la criminalité

Predpol prédit le lieu, l’heure et la nature du

crime à partir de données historiques.

Utilisée par de nombreuses villes d'Amérique

du Nord (Atlanta, Los Angeles …)

Los Angeles Nov. 2011 - mai 2012:

• - 33 % d’agressions
• - 21 % de crimes violents

23
Amazon augmente son CA grâce à la recommandation

• Emails personnalisés et recommandations

sur site:

– Contenu “tendance”
– Articles achetés ensemble
– Recommandations grâce à l’historique d’achat
– Recommandations grâce à l’historique des produits vus
– Nouvelles versions d’un produit déjà possédé

24
Algorithmique vs non Algorithmique
• Un algorithme est une séquence finie d ’instructions
qui permet de résoudre un problème en un temps
fini.

• La définition de l ’IA comme domaine de la

programmation non algorithmique est équivoque.

25
 L’informatique est définie comme une science qui, à
l’aide d’algorithmes, traite des données pour obtenir des
informations.

26
 Face à un problème à résoudre, il faut décrire les
différentes étapes, par une succession d’instructions, le
programme que l’ordinateur doit exécuter.

 Un programme classique résout un problème: seules les

données peuvent varier. Par exemple, en mathématiques,
un programme de résolution d’une équation du second
degré s’applique à toutes les équations qui lui sont
soumises.
27
 Supposons d’autre part qu’on souhaite écrire un
programme capable de jouer aux échecs. Avec un jeu de
64 cases et de 16 pièces par joueurs, il est pratiquement
impossible de prévoir tous les coups d’un joueur. Alors,
au lieu d’indiquer à l’ordinateur toutes les étapes du
raisonnement, pourquoi ne pas lui donner la faculté de
raisonner comme le ferait une personne dans la même
situation? De le doter d’intelligence en quelque sorte.
28
 C’est cette idée qui est à la base de l’IA.

 Un système d’IA peut résoudre une infinité de problèmes,

chaque problème correspond à une situation donnée

(voir figure suivante).

29
30
 En résumé, l’informatique est la science du traitement de
l’information, alors que l’IA s’intéresse à tous les cas où
ce traitement ne peut être ramené à une méthode
simple, standard et algorithmique.

 En informatique classique, il faut savoir résoudre un

problème avant de le programmer.

31
 En IA, ceci n’est pas exigé.

 La programmation en IA est également appelé

heuristique (du grec eurisko, qui signifie : trouver,
découvrir),

 Le système doit donc posséder une logique qui va lui

conférer la capacité de raisonner.
32
L’IA est souvent classée dans le groupe des sciences cognitives
(mécanisme d’acquisition de connaissance).

Elle fait appel à la neurobiologie computationnelle

(particulièrement aux réseaux neuronaux), à la logique
mathématique (partie des mathématiques) et à l'informatique .

33
L’IA a ainsi fréquemment recours à l’apprentissage supervisé.
Par exemple, on « nourrit » un programme avec des milliers de
photos de voitures, étiquetées.

Après cet « entrainement », le programme peut reconnaître,

seul, des voitures de tous types sur les nouvelles images qui lui
seront présentées.

34
Autre composant de l’intelligence artificielle, le « Machine
Learning » : Ensemble d’algorithmes simulant l’apprentissage à partir
de données.

Cette fois, on donne aux ordinateurs l’accès à des données, puis

on les laisse apprendre par eux-mêmes, sans intervention
humaine ou reprogrammation logicielle.

Ce qui leur permet de s’améliorer progressivement, de manière

autonome et de dépasser ainsi les fonctions et les capacités
initialement programmées.
35
Réseau de neurones profond (en: deep learning): ensemble de
méthodes d'apprentissage automatique tentant de modéliser
avec un haut niveau d’abstraction des données grâce à des
architectures articulées de différentes transformations non
linéaires.

Des avancées très significatives dans le traitement des images.

Comme tout les modèles de haut niveau, nécessite une très

grande quantité de données pour être entrainer.

36
37
 Pourquoi parle t-on d’intelligence
artificielle aujourd’hui?
• Améliorations matérielles:
– Augmentation de la puissance de calcul
– Augmentation des capacités de stockage

• Augmentation des données disponibles

– Digitalisation des vies
– Capacité d’annotation de données accrus : ReCAPTCHA,
Amazon Mechanical Turk , …
– Open data

• Amélioration des algorithmes et heuristiques

38
 Pourquoi parle t-on d’intelligence
artificielle aujourd’hui?
Parce que c’est devenu économiquement rentable:
• Cloud computing

• Open source et disponibilité des librairies

NLTK
Natural
language
processing
toolkit

39
La révolution actuelle de l’intelligence artificielle et de la science
qui en découle est rendue possible par une combinaison de
3 facteurs , selon Harry Shum :

1. une vaste quantité de data ;

2. une puissance informatique extraordinaire, notamment

grâce au cloud ; et

3. des algorithmes révolutionnaires, basés sur le deep-

learning ».

40
1. Démonstration Automatique de Théorèmes (DAT)
• Le domaine est bien formalisé, bien connu des premiers chercheurs
en IA, typique de l'intelligence humaine. Les premiers programmes
apparaissent en 1956, dix ans après les premiers ordinateurs.

• Il a donné naissance au langage PROLOG.

• Ce domaine dépasse le cadre des mathématiques et est utilisé dans

de nombreux domaines, par exemple en Résolution de problèmes et
en Vérification de programmes.

42
2. Jeux

Les performances aux échecs sont encore inférieures à celles d'un

champion du monde, bien que le champion du monde ait pu être battu
par un programme. Les progrès les plus récents sont dus plus à
l'amélioration des ordinateurs et des techniques de programmation
qu'à l'IA.

43
3. Résolution de problèmes (au sens large)
Il s'agit de poser, analyser, représenter ... et résoudre des problèmes
dans des situations concrètes.
Exemples :
- faire un emploi du temps
- colorier une carte de géographie
- résoudre des casse-tête logiques, des problèmes mathématiques
- trouver un chemin dans un labyrinthe ou tout simplement dans une
maison (robots).

Des programmes généraux ont été réalisés, ayant de meilleures

performances que des programmes spécialisés. 44
4. Langage naturel et dialogue homme/machine

Le langage naturel a d'abord été étudié dans le but de faire de la

traduction automatique.
Devant les difficultés, les chercheurs se sont intéressés aux sous-
problèmes de la compréhension et de la génération du langage naturel,
domaines qui se rattachent aussi maintenant au dialogue et aux
interfaces.
.

45
5. Reconnaissance des Formes et Perception

Il s'agit, entre autres, de la compréhension de la parole, de la lecture

d'un manuscrit, de l'analyse de scènes.
Exemples de réalisations :
voitures pour handicapés à commande vocale, robots pour la
construction automobile…

46
6. Robotique

Il s’agit beaucoup plus des applications permettant de faire face à des

situations imprévues.

Quelques applications sont particulièrement utiles :

- travaux dangereux,
- réparations dans les centrales nucléaires ou dans l'espace.
- Etc,

47
7. Programmation Automatique

Il peut s'agir d'écrire des programmes qui écrivent des programmes

résolvant des problèmes décrits en langage mathématique ou en
langage naturel par exemple.
(Ces programmes sont souvent moins élégants que les nôtres mais
peuvent être meilleurs !)

48
8. Le raisonnement basé sur les cas (CBR)

qui permet de résoudre un nouveau problème en identifiant sa

similitude avec un problème passé.

9. La programmation par contraintes

qui traite des problèmes d’optimisation (CSP). Elle utilise des outils de
l’IA (langage de haut niveau : Prolog, ..) et se trouve par conséquent
rattachée à cette discipline.
.

49
10. Les systèmes à base de connaissances (1970):

En raison des nombreuses applications et des résultats obtenus, ce

domaine a connu un très grand développement et le développement
de sous-thèmes :

- Représentation des connaissances

- Technologie des systèmes experts

- Acquisition des connaissances

- Cohérence et validation des bases de connaissances.

50
Les systèmes experts

Un système expert est utilisé pour résoudre un problème pour lequel

aucune méthode sûre, directe ou algorithmique n’est connue, mais qui
peut être traité par un spécialiste.

Plusieurs milliers de SE fonctionnent actuellement dans le monde.

51
Langages utilisés

● Langages applicatifs :
– Fonctionnels : LISP (MacCarthy en 1960) et
les autres (Caml, Miranda, Haskell, etc.).

– Logique : PROLOG (Colmerauer – 1972) et

les autres (OPS5, CLISP, etc.).

● Langages objets
– Smalltalk, Java, C++, Python, etc.

52