Démêler le vrai du faux
Victor VILA [Open Data, RGPD]
vvila@arnia-bfc.fr
GIP ARNia Bourgogne-Franche-Comté
GIP régional créé en 2008 avec le soutien de :
l’Etat, la Région, les 4 conseils départementaux de Bourgogne
1 840 collectivités adhérentes
Justice prédictive / robotique
Responsabilité légale
Cyber sécurité
Armes autonomes
Définition
Différence fondamentale
Fonctionnement
La relation entre données et IA
Ce que l’IA peut et ne peut pas faire
Intelligence : capacité à apprendre et à résoudre des problèmes dans un contexte en évolution
Intelligence artificielle
Données
L'intelligence a été intégrée par le concepteur
Tous les cas de figure ont été prévus à l'avance.
Elle peux faire seulement ce qui est dans son programme
L'intelligence est extraite des données par la machine elle même qui construit son propre programme (modèle) grâce à un algorithme.
Une IA peux :
- apprendre des nouvelles choses,
- s'améliorer au fil des données
"Tamponné IA".
Moteur de recherche
vs
boîte recherche site.
1/ Données
2/ Algorithme
3/ Modèle
Les données sont la source dont la machine va extraire son intelligence.
La précision de celle-ci va dépendre de :
- La qualité de la donnée
- La quantité de données
Les données sont à l'IA ce que l'expérience est à une personne
Procédé pour mathématique pour créer un modèle
Impôt sur le revenu, parcoursup, ...
Obligation de transparence.
Développement d'un outil d'aide à l'implantation d'artisans
- Ce lieu es-t’il adapté pour l’implantation de cet artisan ?
- La chaudière de l'école va-t-elle tomber en panne ?
- Cet email c'est un courrier indésirable ?
- Cet acte est-il prioritaire ?
Libérer le temps passé par les agents instructeurs sur des tâches à faible valeur ajoutée.
- Cet acte est-il susceptible de contrôle accru par la DGCL ?
- Y-a-t-il une anomalie dans le libellé de cet acte ?
Des gains qualitatifs et quantitatifs (estimation : 23 à 49 semaines / an / préfecture)
1/ Données collectées | 2/ Algorithme | 3/ Utilisation du modèle |
---|---|---|
Audio | Transcription et synthèse des conseils municipaux | |
Données système santé | Priorisation des appels et décision d'où traiter une urgence | |
Sondes, capteurs | Maintenance prédictive | |
Données socio-économiques | Modélisation d’écosystèmes :
- Impact mise en place zone commerciale - Optimiser les investissements dans la filière hydrogène |
|
Données batiment | Probabilité d'incendie |
1/ Données collectées | 2/ Algorithme | 3/ Utilisation du modèle |
---|---|---|
Images aériennes, satellite | Détection de dépôts sauvages, occupations illégales, déboisements, constructions illégales | |
Images drones, satellite |
Détection sécheresse, maladies agriculture
Identification de cultures |
|
Vidéo rue |
Port d'armes
Reconnaissance de gestes violents Répérage de personnes souffrant de maladies mentales égarées dans la rue |
|
Images, radar | Robots agricoles |
1/ Données collectées | 2/ Algorithme | 3/ Utilisation du modèle |
---|---|---|
Images rue, satellite |
Détection mobilier urbain endommagé
Identification de logements à rénover |
|
Texte | Résumé de libres, Grand Débat National | |
Texte | Classement de documents | |
Texte / audio | Traduction automatique | |
Texte | Reformulation pour dysléxiques | |
Texte | Analyse de sentiments |
1/ Données collectées | 2/ Algorithme | 3/ Utilisation du modèle |
---|---|---|
Mouvements financiers | Détection de fraude | |
Données employé | Prédiction épuisement / rétention | |
Données de santé | Création de traitements personnalisés | |
Données recherche santé | Diminuer les coûts de création de nouvelles médicines | |
Radiographies | Détection de maladies | |
Image rétine | Test bon marché de rétinopathie |
On ne parle pas des échecs
La règle de "moins d'une seconde"
Prédiction de comportements sociaux (récidive), aptitude à un emploi à partir d'une vidéo
3 faits révélateurs
Test : on a 10 images d’exemple et un bref texte scientifique qui explique la pneumonie.
Un étudiant en médecine pourrait-il diagnostiquer la maladie avec ces éléments ?
Une IA pourrait construire son modèle et faire des prédictions ?
Que ferait un médecin si on lui fournit cette radio ?
Et une IA ?
Comme l’électricité dans son temps, l'IA va s’imposer partout
Il faut apprendre ses opportunités et ses risques pour pouvoir décider
Caractéristique principale : capacité d'apprentissage à partir des données
Applicable à tout,
elle ne peut pas
tout faire
Puissante et fragile, elle est manipulable, parfois opaque et biaisée
"Le véritable signe de l'intelligence, ce n'est pas la connaissance mais l'imagination."
Albert Einstein
Cours en ligne Machine learning d'Andrew Ng
Guide Intelligence Artificielle et Collectivités de la Banque des Territoires
Images : @stories