4 types de données pour appliquer l'Intelligence Artificielle

Il existe 4 types de données pour l'Intelligence Artificielle (IA). Les comprendre ne nous donnera pas seulement une idée des données nécessaires pour notre projet d'IA, mais nous apportera également une vision très pertinente des cas d'utilisation que nous pouvons mettre en œuvre.

Les 4 types de données pour l'intelligence artificielle sont :

1. Données d'image
2. Données de langage naturel
3. Données de capteurs
4. Données transactionnelles

Données d'image

Bien que les humains puissent voir une photo et reconnaître immédiatement n'importe quel objet, cela n'était pas du tout facile pour les ordinateurs jusqu'à très récemment. La programmation informatique traditionnelle exigeait que les développeurs donnent des instructions détaillées aux ordinateurs sur ce qu'ils devaient faire exactement dans chaque situation.

Actuellement, nous pouvons déjà programmer des ordinateurs pour qu'ils apprennent des choses à partir de leur propre expérience. Cela est possible grâce aux avancées réalisées en Machine Learning (ML), ainsi qu'à la plus grande capacité de calcul et de stockage des ordinateurs, ce qui permet aux scientifiques des données d'utiliser des approches similaires à celles utilisées dans le cerveau humain (réseaux neuronaux).

Quelques exemples de cas d'utilisation avec des données d'images sont :

• Vérification de l'identité par comparaison faciale
• Analyse de l'utilisation des équipements de protection et des masques sur le lieu de travail
• Détection de milliers d'objets tels que, par exemple, des logos de marques

En réalité, chacun de nous utilise ce type d'algorithmes lorsque nous téléchargeons des images sur Google Photos ou Amazon Photos. Les voitures modernes utilisent également ce type d'algorithmes pour détecter ce qui se passe dans leur environnement. La nouveauté la plus récente et qui a beaucoup attiré l'attention dans le domaine de l'IA d'image est DALL-E-2, capable de créer des images à partir d'un texte.

Données de langage naturel

Le traitement du langage naturel (NLP) est un domaine de l'intelligence artificielle dans lequel les ordinateurs analysent, comprennent et dérivent le sens du langage humain. Le NLP est un autre exemple d'un problème simple pour les humains mais très difficile pour l'informatique traditionnelle. Comprendre le langage humain c'est comprendre non seulement les mots, mais aussi les concepts et comment ils sont liés entre eux pour créer du sens.

La PNL est couramment utilisée pour l'extraction de texte, la traduction automatique et la réponse automatique aux questions avec des chatbots de service client. Elle est également utilisée pour transcrire la voix en texte ou incorporer des voix réalistes dans nos applications, et même pour effectuer une "analyse de sentiment", c'est-à-dire connaître l'humeur de nos clients et améliorer leur service.

Données des capteurs

Aujourd'hui, la prolifération de l'Internet des Objets (IoT) tant dans le domaine domestique que professionnel a conduit à ce que presque tous les dispositifs que nous utilisons dans nos maisons, bureaux, usines ou même sur nos corps (wearables) puissent être en ligne et connectés. Nos villes sont équipées de capteurs (smart cities) et mesurent le trafic, la qualité de l'air, le bruit et toutes sortes de données qui aident à améliorer la qualité de vie des citoyens.

Au niveau de l'entreprise, l'IoT a d'énormes implications sur la manière dont nous fabriquons des biens, fournissons des services, vendons aux clients et assurons le suivi avec le support. Les usines intelligentes et les centres logistiques sont de plus en plus automatisés. Par exemple, l'application de l'intelligence artificielle aux données des capteurs permet la maintenance prédictive, c'est-à-dire prédire où les pannes se produiront avant qu'elles ne se produisent afin de remplacer et réparer de manière plus efficace les équipements défectueux, et même la prescription de tâches à nos opérateurs facilitant la prise de décision à certains moments de la chaîne opérationnelle.

Données Transactionnelles

Les données transactionnelles sont les informations enregistrées des transactions effectuées par nos utilisateurs. Une transaction est une séquence d'échange d'informations qui satisfait une demande, par exemple, un achat sur un site de commerce électronique ou un visionnage sur une plateforme de streaming.

Les données de nos cartes de crédit sont des données transactionnelles. C'est pourquoi un domaine important pour l'intelligence artificielle basée sur les données transactionnelles est la détection des fraudes et l'analyse des transactions de paiement. De plus, en appliquant l'intelligence artificielle à ce type de données, nous pouvons réaliser des prévisions de ventes en magasin et des prédictions de ruptures de stock dans les entrepôts. D'autres cas d'utilisation courants sont les recommandations personnalisées pour nos utilisateurs (comme les recommandations faites pour nous par Amazon, Youtube, Netflix ou Spotify) ainsi que la réalisation de promotions personnalisées et de ventes croisées.

Nous avons vu les différents types de données pour l'IA. Commencer par comprendre les données est une voie très utile pour entrevoir le type d'applications que l'IA nous offre.