L’IA différenciative, petite soeur négligée de la famille

 

L’intelligence artificielle représente un pan entier des sciences informatiques. Il est donc normal, voire rassurant, d’y retrouver de nombreuses sous-disciplines. On entend souvent parler des techniques d’arbres de décisions utilisés pour les bots, de Machine Learning ou encore de Deep Learning utilisé par des programmes plus spécialisés.

Ces technologies ont toutes un point en commun, elles intègrent de façon prépondérante une dimension intégrative à leurs processus de décision. Pourtant cette dimension n’est pas toujours à même de traiter fiablement certains problèmes. Il convient alors d’intégrer une dimension différenciative aux processus pour retrouver un traitement d’informations plus fiable.

Aujourd’hui, la grande majorité d’entreprises intégrant des systèmes prédictifs à leurs fonctionnements choisissent du machine learning, alors même que cette décision est parfois contre-productive ! Elles seraient mieux loties avec un système axé sur la dimension différenciative, telle que la Cognitive Automation. Quelle est alors la raison de cette absurdité ?

 

Le fait est que le champ différenciatif a largement été mis de côté par les data-scientists et développeurs de processus prédictifs. Les plus grandes plateformes numériques, type Microsoft Azure ou Google Cloud, sélectionnent uniquement la dimension intégrative dans leurs services.

Si les GAFA ne passent pas le cap du différenciatif, il est compréhensible que le reste du monde ne l’ai pas passé. Et quelle erreur ! Car c’est une quantité faramineuse de précieuses données qui est négligée au profit d’un système intégratif plus facile à programmer.

Voyons alors en quoi un système différenciatif peut faire toute la différence dans un projet.

 

L’exemple du kinésithérapeute

Prenons le cas d’un kinésithérapeute qui représentera notre processus prédictif. Ce médecin doit quotidiennement rencontrer des patients et trouver de quelle pathologie ils sont atteints. Le but de ce médecin est de trouver la bonne pathologie afin de soigner chaque patient.

 

Cas n°1: Le kinésithérapeute travaille uniquement par dimension intégrative

Fort de ses années d’étude et de pratique, notre kinésithérapeute possède à sa disposition un lourd bagage de savoir qui lui permet de déterminer ce dont souffrent ses patients.

Seul hic, il ne peut durant son diagnostic ni voir ni entendre ses patients, compliquant considérablement sa tâche…

Sa seule solution pour estimer de quoi un patient est atteint serait de s’en remettre à ses expériences antérieurs.

Ainsi, étant un mardi au mois de juin avec une température clémente, notre kinésithérapeute repense à l’année précédente où il a diagnostiqué de nombreux cas de muscles froissés. Par expérience, il prédit donc que son patient d’aujourd’hui s’est froissé un muscle.

Mais il a tort, le patient s’est en fait déplacé une vertèbre… Et notre médecin n’a pas pu correctement le diagnostiquer car il a déterminé son jugement sur son expérience passée, sans tenir compte de la situation actuelle du patient. Pourtant ce dernier se plaignait de douleurs au dos.

 

Voici donc les principes d’une dimension intégrative:

  • Uniquement considérer ses expériences passées pour déterminer ses prédictions.
  • Omettre l’existence d’événements rares dans ses expériences passées.
  • De fait, face à un événement rare en situation présente, le programme ne saura pas le reconnaître.
  • Par conséquent, une mauvaise prédiction sera faite.

 

Cas n°2: Le kinésithérapeute intègre une dimension différenciative dans son processus de décision.

Nous sommes face au même cas que précédemment, sauf que le médecin peut à nouveau voir et entendre ses patients.
Il ne lui viendra pas à l’esprit de diagnostiquer un froissement musculaire à un patient si ce dernier se plaint de douleurs dorsales.  

Il utilisera son bagage d’expériences passées (dimension intégrative) ainsi que sa connaissance de la situation présente (dimension différenciative) pour déterminer de quel mal est atteint son patient.

 

Voici donc les principes d’une dimension différenciative :

  • Considère chaque expérience antérieur comme une catégorie à part entière.
  • Considère chaque particularité inhérente aux situations pour faire ses prédictions.
  • Reste de fait extrêmement agile dans des domaines où il y a une forte variété d’éléments (Médecine, droit, sémantique, …).

 

Pourquoi l’oubli de cette dimension différenciative ?

Car il est bien plus simple de programmer un système incluant uniquement la dimension intégrative dans son processus de décision. En effet, créer un algorithme avec une dimension différenciative n’est pas tâche facile. Voici les différents obstacles :

  • Par principe, ces algorithmes sont gourmands en données et expériences passées. Elles ne doivent pas être simplifiées au risque de voir drastiquement chuter les performances de l’algorithme.
  • La différenciation peut conduire à des discontinuités, nécessiter de réaliser des calculs dans des espaces non euclidiens, elle n’est pas toujours possible mathématiquement.
  • Il existe peu d’algorithmes présents sur le marché, il faut donc souvent les programmer soi-même en tenant compte du domaine d’application particulier.

 

Chez Sensefact, nous mettons tout en oeuvre pour créer un écosystème centré sur le monde des startupeurs.

Nous voulons créer une synergie entre les différents acteurs de cet environnement, notamment grâce à une IA intégrant la dimension différenciative pour trouver des partenariats symbiotiques.

Sensefact peut être vu comme le second cas du kinésithérapeute. Nous faisons se rencontrer les différents acteurs en fonction de notre expérience et de leurs affinités ! 

Inspiré des recherches faites par Jean-Pierre Malle.

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.

%d bloggers like this: