Académique Documents
Professionnel Documents
Culture Documents
Introduction À L'intelligence Artificielle - Session 3
Introduction À L'intelligence Artificielle - Session 3
l’intelligence artificielle
Concepts clés et mise en pratique pour
profils business
Session 3
Le 29 novembre 2021
Concepts et use cases par séance
Exercices en continu (par ex.: AI Value Canvas, QCM, matching de technologie au cas d’usage, implémentation d’un projet d’IA)
© REIMAGINE 2021 2
Semaine 1 Semaine 2 Semaine 3 Semaine 4
Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven.
Introduction à
l’intelligence artificielle
Natural Language
Processing
Algorithmes et
outils
✓ Afin de garder une trajectoire d’apprentissage continue, nous suivrons une séance interactive de “théorie” chaque lundi et une séance de “coaching” par
groupe chaque jeudi.
✓ Une série d’exercices à réaliser par soi-même ou en groupe seront donnés après chaque séance interactive de “théorie”.
✓ Du feedback et des questions-réponses seront prévus lors de chaque séance de “coaching”.
© REIMAGINE 2021 3
L'agenda du jour
✓ NLP
✓ Méthodologie de mise
en œuvre de l’IA
✓ Stratégie commerciale
✓ Acheter ou construire
✓ IA Value Canvas
© REIMAGINE 2021 4
Différences entre l'IA, l'apprentissage automatique et l'apprentissage approfondi
© REIMAGINE 2021 5
01
Domaines clés
de l'IA
© REIMAGINE 2021 6
Trois domaines de l'IA se généralisent en 2019 - 2020
Vision par
ordinateur
© REIMAGINE 2021 7
Trois domaines de l'IA se généralisent en 2019 - 2020
Définition
Les services de Machine / Deep Learning
Machine & Natural Language consistent à développer des algorithmes qui
Deep Learning Processing peuvent apprendre de manière adaptative à
partir de données sans s'appuyer sur une
programmation basée sur des règles.
Exemples de cas :
1. Faire correspondre le CV avec l'offre
Vision par d'emploi
ordinateutr 2. Détection des fraudes
© REIMAGINE 2021 8
Trois domaines de l'IA se généralisent en 2019 - 2020
Définition
La vision par ordinateur se concentre sur
Machine & Natural Language l'interprétation des images et l'exécution
Deep Learning Processing ultérieure de l'analyse ou de l'action
appropriée.
Exemples de cas :
1. Baidu : soutenir les personnes aveugles
2. Suivi des personnes et reconnaissance des
Vision par sentiments
ordinateur 3. Plantation de plantes avec des robots
4. Expertise basée sur l'image
© REIMAGINE 2021 9
Trois domaines de l'IA se généralisent en 2019 - 2020
Vision par
ordinateur
© REIMAGINE 2021 10
Trois domaines de l'IA se généralisent en 2019 - 2020
Définition
Le NLP se concentre sur l'interaction linguistique
Machine & Natural Language entre les ordinateurs et les humains. Nous
Deep Learning Processing utilisons les techniques de NLP pour nous aider à
extraire le sens de phrases parlées ou tapées en
langage naturel (Natural Language
Understanding) ou à convertir des données en
récits et rapports en langage naturel (Natural
Language Generation).
Cas d’exemples:
Computer
1. Traitement des clients entrants
Vision
2. Chatbots
3. Voicebots
4. Recherche intelligente
5. Catégorisation du courrier électronique
6. Catégorisation des commentaires des clients
7. Extraction des données
© REIMAGINE 2021 11
Natural Language Processing: Introduction
Le traitement du langage naturel se concentre sur l'utilisation des langues humaines naturelles dans l'interaction entre
les personnes et les ordinateurs, les ordinateurs s'adaptant aux humains et non l'inverse.
Récupération de Analyse du
"Extraire le sens des phrases parlées ou tapées en documents sentiment
Speech langage naturel".
recognition
(speech-to-text)
Natural
Traduction
Résumé de texte Language
Natural Language Generation automatique
Generation
© REIMAGINE 2021 12
Natural Language Processing: Introduction
Le traitement du langage naturel peut être utilisé de différentes manières pour générer de la valeur
commerciale
Natural Language Comprehension Natural Language Generation
Analyse du sentiment
➔ Identifier le ton de la voix dans un document en langue naturelle
➔ Par exemple, définir le sentiment dans les réponses aux enquêtes, les
courriels, les messages sur les médias sociaux
© REIMAGINE 2021 13
Traitement du langage naturel : Cas d'utilisation
3
Natural Language Processing – Example 4
SET 1
Query the
DB
Desired document
algorithm
SET 2
Digital self-service
E-mail
Simple
reques
ts
Chat
RPA
Compl
AI engine ex
reques
Customer Video Chat ts
14
© REIMAGINE 2021 14
Traitement du langage naturel : Cas d'utilisation
Courrier
électronique Simple
requests
Chat
RPA
Complex
AI engine requests
Customer Video Chat
© REIMAGINE 2021 15
Traitement du langage naturel : Cas d'utilisation
© REIMAGINE 2021 16
Traitement du langage naturel : Cas d'utilisation
© REIMAGINE 2021 17
Traitement du langage naturel : Cas d'utilisation
© REIMAGINE 2021 18
Traitement du langage naturel : Cas d'utilisation
© REIMAGINE 2021 19
Traitement du langage naturel : Cas d'utilisation
© REIMAGINE 2021 20
Traitement du langage naturel : Cas d'utilisation
© REIMAGINE 2021 21
Traitement du langage naturel : Cas d'utilisation
Caractéristiques
© REIMAGINE 2021 22
Traitement du langage naturel : Cas d'utilisation
© REIMAGINE 2021 24
Traitement du langage naturel : Cas d'utilisation
Courriers électroniquesE-MAIL
CUSTOMER entrants Un assistant de courrier électronique intelligent Bureau de service
suivi manuel
© REIMAGINE 2021 25
Traitement du langage naturel : Cas d'utilisation
© REIMAGINE 2021 26
Stratégie commerciale
Avantage stratégique
Unicité du produit /
Faible coût service
(à l'échelle de
l'industrie)
Large
Trouvez une
Cible/marché stratégique
Stratégie de Stratégie de
leadership en différenciation stratégie d'IA
matière de coûts qui
correspond à
votre
(segment de marché)
stratégie
d'entreprise
Étroite
© REIMAGINE 2021 27
Méthodologie de mise en œuvre de l'AI
© REIMAGINE 2021 28
AI Delivery methodology
The Workflow
© REIMAGINE 2021 29
AI Delivery methodology
L'équipe IA
Expert Business
•
•
Comprend le problème des entreprises
Comprend les sources de données liées au
Data Engineer
problème des entreprises • Collecte de données
• Interprète le résultat dans le contexte commercial provenant de différentes
sources
• Organise les données
• Entretient la base de données
Ingénieur logiciel
• Mettre en œuvre le résultat
• Déploiement des modèles d'I.A.
• Conçoit l'interface utilisateur
Data Scientist
• Construit des modèles d'I.A.
• Traite les données
• Évalue les modèles d'I.A.
© REIMAGINE 2021 30
Acheter ou construire
1. Vous devez décider comment sélectionner et travailler avec les fournisseurs d'IA à la fois efficacement et de
manière à renforcer plutôt qu'à sacrifier l'avantage concurrentiel.
2. Vous devez disposer d'un plan pour renforcer vos capacités d'IA internes à une époque de pénurie à court terme
Comment collaborer ?
Entreprises Besoin de talents
en IA
Disposer de
données
© REIMAGINE 2021 31
Acheter ou construire
© REIMAGINE 2021 32
Acheter ou construire
© REIMAGINE 2021 33
Acheter ou construire
© REIMAGINE 2021 35
Buy or build
© REIMAGINE 2021 36
Définir le problème Collecte de données
Qui sont les parties prenantes ? Quelle technologie voulez- Que voulez-vous obtenir avec Quel type de données de formation Quelle quantité de données de
vous utiliser ? (PNL, l'IA ? est nécessaire pour former le modèle formation est nécessaire pour
Robotique, etc.) ? former le modèle ?
Que devrait prévoir le modèle ? Qui utilisera le modèle ? Quel doit être le rendement du
modèle ?
AI Booster Program AI Booster Program
Les données relatives à la formation sont-elles déjà disponibles dans l'entreprise ?
Si ce n'est pas le cas : quelles mesures faut-il prendre pour obtenir ces données ?
Quelles actions manuelles le Quelle est la valeur d'avoir Quel est le coût d'une
modèle remplacera-t-il ? raison (gain commercial) mauvaise prédiction ?
Evaluation
Comment mesurer la qualité d'une prédiction donnée ? Comment et par qui votre modèle sera-t-il testé sur le terrain ?
AI Booster Program
© REIMAGINE 2021 37
Définir le problème
Qui sont les parties prenantes ? Quelle technologie voulez-vous utiliser Que voulez-vous obtenir avec l'IA ?
? (NLP, Robotique, etc.)
Que devrait prévoir le modèle ? Qui utilisera le modèle ? Quel doit être le rendement du modèle ?
AI Booster Program
Quelles actions manuelles le modèle Quelle est la valeur d'avoir raison (gain Quel est le coût d'une mauvaise
remplacera-t-il ? commercial) prédiction ?
© REIMAGINE 2021 38
Collecte de données
Quel type de données de formation est nécessaire pour former le modèle ? Quelle quantité de données de formation est nécessaire pour former le
modèle ?
AI Booster Program
Les données relatives à la formation sont-elles déjà accessibles dans l'entreprise ? Si non : quelles actions doivent être entreprises pour obtenir les données ?
© REIMAGINE 2021 39
Évaluation
Comment mesurer la qualité d'une prédiction donnée ? Comment et par qui votre modèle sera-t-il testé sur le terrain ?
AI Booster Program
© REIMAGINE 2021 40
Data Landscape : meilleures pratiques pour la collecte de données
Le modèle
Les données relatives d'apprentissage est Un ensemble de
à la formation initiale formé à partir de données précises sur
sont étiquetées par données étiquetées par la formation est prêt
l'entreprise l'homme à être utilisé
Les données
ambiguës sont
envoyées à des
Employés de l'entreprise, étiqueteurs humains
prestataires de services, pour être annotées
employés ...
Les étiquettes
humaines annotent
les données
ambiguës
© REIMAGINE 2021 41
Paysage de données : Nettoyage de données textuelles pour
les besoins de la NLP
Reimagine est une société basée à Bruxelles qui soutient les
organisations dans leur transformation numérique.
Tokenisation
[‘Reimagine', 'is', 'a', 'Brussels', 'based', 'company', 'that', 'supports',
'organizations', 'in', 'their', 'digital', 'transformation', '.] Removing
stopwords and
["Reimagine", "Bruxelles", "basé", "entreprise", "supports", "organisations", punctuation
"numérique", "transformation"]
Lower casing
['reimagine', 'brussels', 'based', 'company', 'supports', 'organizations',
'digital', 'transformation']
[reimagin', 'brussels', 'base', 'compani', 'support', 'organ', 'digit', ['reimagine', 'brussels', 'based', 'company', 'support', 'organization',
'transform'] 'digital', 'transformation']
© REIMAGINE 2021 42
Machine and Deep Learning: Transfer Learning
L'apprentissage par transfert est une méthode d'apprentissage automatique dans laquelle un modèle formé pour une
tâche est réutilisé comme point de départ pour un modèle formé pour une autre tâche, souvent plus spécifique. De
cette façon, les connaissances sur un ensemble de données spécifique sont transférées à un autre modèle, qui utilise
ces connaissances pour résoudre une tâche connexe. ~ L'être humain utilise et transfère ses connaissances des
domaines précédemment appris vers des domaines et des tâches plus récents (par exemple : connaissance des
statistiques et de l'algèbre linéaire pour apprendre l'apprentissage automatique, connaissance de la conduite).
Très populaire dans le domaine de l'apprentissage approfondi, en particulier la vision par ordinateur et le traitement du
langage naturel :
• Réduire le temps de calcul
Il n'y a aucune raison de ne pas l'utiliser !
• Surmonter les problèmes de rareté des données
• Permettre au modèle de mieux se généraliser
Domaine d'entrée
Transfer Learning
Data Learning Task 1
Knowledge
© REIMAGINE 2021 43