Aujourd’hui les données sont le cœur d’une entreprise. Tout est stocké, tout est là. Une masse d’informations aussi grande que précieuse. Pour tirer parti de nos données et ressortir l’information qui nous intéresse, rien de tel que l’intelligence artificielle (IA). Mais finalement, comment définir et expliquer l’intelligence artificielle ?
L’intelligence artificielle a été évoquée pour la première fois en 1956. C’est à partir de là que les recherches commencent dans ce secteur. Les premières bases algorithmiques et mathématiques sont posées dès 1970. Aujourd’hui, les concepts que nous utilisons reposent sur ces principes.
L’IA se développe réellement à la fin des années 1990, notamment avec le premier algorithme (deepblue) capable de battre un champion d’échecs. Aujourd’hui, c’est avant tout un système d’apprentissage sur la base de formules mathématiques.
Quand on est confronté à cette masse d’information, une solution simple (parmis d’autres) pour exploiter la donnée est de passer par le dashboarding. Ce dispositif a pour vocation d’agréger la donnée et de la visualiser, afin d’en ressortir des tendances. Que ce soit sous forme de diagrammes, d’histogrammes, de camemberts…
L’IA a la même vocation : faire parler la donnée. Les modèles mathématiques permettent de pousser plus loin l’analyse, de trouver d’autres types d’insights.
Prenons un exemple.
Je suis une grande entreprise, implantée partout en France. Chaque magasin, dû à une multitude de facteurs, est différent (localisation, météo, taille, clientèle, …) et ne vend pas exactement les mêmes produits. En visualisant ma donnée, je m’aperçois qu’un de mes produits fait de bonnes ventes dans un de mes magasins. Comment savoir si, demain, je décide de proposer ce même produit dans un autre magasin, celui-ci se vendra tout aussi bien ?
Avec un système de dashboarding, je vais pouvoir analyser ce deuxième magasin, voir s’il a des ressemblances, des caractéristiques communes avec le premier. Cela permettra ainsi de déduire si la clientèle serait intéressée ou non par retrouver ce produit dans le second magasin.
C’est un travail qui peut être assez fastidieux, et qui peut également avoir un biais humain. C’est là que l’intelligence artificielle vient à notre secours, en faisant tourner un algorithme de machine learning.
Nos magasins vont pouvoir être regroupés en différentes catégories (taille, emplacement, clientèle, rurale, urbaine, zone de chalandise, …), nous montrant quels facteurs les différencient, ou les rendent similaires. On peut même aller plus loin en faisant des prédictions de ventes.
Bien souvent, un ingénieur IA peut être confronté à ce type de problème : l’intelligence artificielle peut être vue comme une énorme boîte noire qui peut faire tout et n’importe quoi. Il faut bien comprendre que derrière une intelligence artificielle, il y a le plus souvent un système d’apprentissage. Un système qui, sur une tâche bien précise, va apprendre des données. Pour y arriver, il va faire des répétitions au travers desquelles il va s’améliorer. C’est ce qui permet à l’IA de répondre à une problématique métier bien précise.
Cependant, tout l’environnement IA est complexe et continue de se complexifier avec les puissances de calculs qui augmentent, nous permettant d’aller plus loin dans les solutions.
Il n’est pas toujours facile de réussir à démystifier l’IA, expliquer ce que l’on va faire de manière claire et précise sans trop rentrer dans les détails techniques.
C’est pour cette raison qu’il est essentiel pour un ingénieur en intelligence artificielle de travailler au quotidien avec le métier afin de :
> Déterminer les problématiques métier,
> Caractériser comment les données peuvent être exploitées,
> Définir comment l’intelligence artificielle peut apporter de la valeur,
> Développer une solution au plus proche du besoin
Le storytelling vient nous prêter main forte dès la première étape.
Au travers d’une histoire racontée à l’aide d’un schéma narratif, il va nous permettre de rendre l’IA plus intelligible, plus proche de la réalité. Et ce en illustrant de manière précise ce que l’on veut mettre en place.
Il peut représenter un langage commun entre le métier et les experts IA, en faisant passer un message de manière plus claire et imagée.
Cyril Spanneut, Data Scientist chez Daveo, nous fait part de son expérience avec le storytelling. En 2020, il a participé à un TedX avec pour sujet la démystification de l’IA (“L’IA expliquée à ma grand-mère”).
“C’est avec ce TedX que j’ai eu l’occasion de découvrir ce nouveau monde. Je suis parti d’un constat simple : la vision de mon métier ne reflète pas du tout ce que je fais au quotidien. Aujourd’hui, l’intelligence artificielle est souvent mal comprise. Il est essentiel d’accompagner et de démystifier. C’est là que le storytelling devient très intéressant. L’enjeu pour moi était de montrer en 10-15 minutes le clivage actuel, en racontant mon quotidien, en montrant ce qu’il y a vraiment derrière une IA. Et en mettant aussi en lumière le fait qu’on l’utilise dans notre vie de tous les jours !”
Derrière un TedX, il y a beaucoup de préparation. Le discours se prépare sur plusieurs mois avec l’aide de coachs, afin que notre speech soit compréhensible, impactant et basé sur un storytelling. Il est donc primordial d’avoir un fil conducteur et de le dérouler.
“Plus on arrivera à raconter notre histoire, à la faire vivre à notre public, plus on arrivera à l’entraîner dans notre discours. C’est de cette façon qu’on réussit à faire adhérer le public, à l’emmener avec nous, à le faire voyager”, nous livre Cyril.
Aujourd’hui, l’IA permet d’exploiter la donnée, d’en tirer du sens. C’est pourquoi il est essentiel de définir des problématiques métiers bien précises. Plus un data scientist arrivera à comprendre le métier, plus il arrivera à être proche des besoins et à proposer des solutions.
Le storytelling est un des outils qui va permettre cette compréhension, tout en permettant à l’expert IA d’expliquer les solutions de manière intelligible et précise.
