Veille Technologique


 

Qu'est-ce que la veille technologique ?

 La veille technologique définit le processus systématique de collecte, d'analyse et de diffusion d'informations relatives aux évolutions technologiques, aux innovations, aux nouvelles tendances et aux développements dans un domaine spécifique. L'objectif de la veille technologique est de rester informé des avancées pertinentes dans un secteur donné afin d'anticiper les changements, de prendre des décisions éclairées et de rester performantes.

Les activités de veille technologique peuvent inclure la surveillance de brevets, la participation à des conférences, la lecture de publications spécialisées, la surveillance des médias sociaux, la participation à des forums de discussion, et d'autres méthodes visant à recueillir des informations sur les innovations émergentes. Une fois les informations recueillies, elles sont analysées et interprétées pour aider les entreprises, les chercheurs, et d'autres acteurs à comprendre les opportunités et les menaces liées aux évolutions technologiques.

La veille technologique est particulièrement importante dans un contexte où les progrès technologiques peuvent avoir un impact significatif sur la compétitivité des entreprises et sur les secteurs d'activité. Elle peut être appliquée dans divers domaines tels que l'informatique, les sciences de la vie, l'énergie, l'industrie manufacturière, etc.

​

Les principaux outils de ma veille

J'ai effectué ma veille technologique grâce aux newsletters tel que  Feedly un agrégateur de flux RSS et Openai.com le newsletter des professionnels en Data Science. En plus des informations fournis chaque semaine/mois, j'ai quelque sites en favoris permettant de me tenir au courant des dernières actualités tel que Hitek.fr qui est un site internet regroupant l’actualité High Tech et Geek, ou encore Hardware.fr un site regroupant l'actualité sur les processeurs, les cartes graphiques, les cartes mères, …etc

​

Sujet de ma veille :

Pour la veille technologique, j'ai décidé de traiter sur le sujet de l'Intelligence Artificiel

DEFINITION

L'intelligence artificielle (IA) se réfère à la capacité d'une machine ou d'un programme informatique à effectuer des tâches qui nécessitent généralement l'intelligence humaine. Ces tâches comprennent la résolution de problèmes, l'apprentissage, la compréhension du langage naturel, la reconnaissance de formes, la planification, la prise de décision, et bien d'autres. L'objectif de l'intelligence artificielle est de développer des systèmes capables de simuler ou de reproduire certaines capacités cognitives humaines.

Il existe deux types d'IA :

1.    IA faible (ou étroite) : Elle est conçue pour effectuer une tâche spécifique et est limitée à cette tâche particulière. Par exemple, un programme qui joue aux échecs peut être considéré comme une IA faible, car il excelle uniquement dans ce domaine précis.

2.    IA forte (ou générale) : Elle vise à reproduire l'intelligence humaine dans sa globalité, en étant capable de s'adapter à différents domaines et de comprendre des tâches variées sans être spécifiquement programmées pour chacune d'elles. L'IA forte est un objectif à long terme et n'a pas encore été pleinement réalisé.

L'apprentissage machine (machine learning) est une sous-discipline de l'IA qui implique la création de modèles et d'algorithmes capables d'apprendre à partir de données et de s'améliorer avec l'expérience, sans être précisés programmés pour des tâches spécifiques. Le deep learning, une approche du machine learning basée sur les réseaux de neurones artificiels, a joué un rôle significatif dans les progrès récents de l'IA.


LES AVANTAGES ET LES INCONVENIENTS DE L’IA

L'intelligence artificielle (IA) présente à la fois des avantages et des inconvénients. Il est important de noter que l’impact de l’IA dépend largement de la manière dont elle est développée, déployée et utilisée. Voici quelques-uns des principaux avantages et inconvénients de l'IA :

Avantages de l'IA :

1.    Automatisation des tâches répétitives : L'IA peut automatiser des tâches routinières et répétitives, permettant ainsi aux humains de se concentrer sur des activités plus créatives et stratégiques.

2.    Prise de décision améliorée : Les systèmes d'IA peuvent traiter d'énormes quantités de données rapidement, ce qui peut conduire à des prises de décision plus informées et plus précises dans de nombreux domaines.

3.    Efficacité opérationnelle : L'automatisation et l'optimisation des processus grâce à l'IA peuvent conduire à une significative de l'efficacité opérationnelle dans divers secteurs.

4.    Innovation : L'IA favorise l'innovation en permettant le développement de nouvelles technologies et de nouveaux services qui peuvent améliorer la qualité de vie.

5.    Assistance médicale : L'IA peut être utilisée dans le domaine de la santé pour aider à diagnostiquer des maladies, personnaliser les traitements et faciliter la recherche médicale.


Inconvénients de l'IA  

1.    Perte d'emplois : L'automatisation par l'IA peut entraîner la suppression de certains emplois, en particulier ceux qui impliquent des tâches routinières et prévisibles.

2.    Dépendance technologique : Une dépendance excessive à l'IA peut rendre les sociétés vulnérables en cas de défaillance technique, de piratage ou d'utilisation malveillante de la technologie.

3.    Sécurité et confidentialité : Les systèmes d'IA peuvent être vulnérables aux attaques et au piratage, mettant en danger la sécurité et la confidentialité des données sensibles.

4.  Bilan carbone : L'intelligence artificielle, en raison de sa demande élevée en calculs et en énergie pour l'entraînement et le fonctionnement des modèles, peut contribuer à une augmentation de la consommation énergétique et des émissions de gaz à effet de serre, accentuant ainsi les problèmes liés au changement climatique.

 


peut-on réguler l'IA ?

 

L’Intelligence Artificielle (IA) peut être régulée, et des efforts sont en cours pour établir des cadres juridiques et éthiques. Voici quelques points importants concernant la régulation de l’IA :

  1. Loi de Régulation Historique au Parlement Européen:
    • Le Parlement Européen a adopté une loi historique visant à mieux réguler l’IA. Cette législation unique au monde vise à protéger les droits, la sécurité et l’innovation.
    • Elle interdit des pratiques inacceptables, telles que la reconnaissance des émotions au travail ou la déduction de l’appartenance ethnique ou religieuse basée sur des données biométriques.
  2. Approche à Deux Niveaux:
    • La législation prévoit une approche à deux niveaux :
      • Les modèles d’IA à usage général doivent respecter des obligations de transparence et les règles européennes en matière de droit d’auteur.
      • Les systèmes considérés comme à haut risque (utilisés dans les infrastructures critiques, l’éducation, etc.) sont soumis à des exigences plus strictes, notamment une analyse d’impact sur les droits fondamentaux.
  3. Identification des Deep Fakes et Interdictions:
    • Les images, textes ou vidéos générés artificiellement (deep fakes) doivent être clairement identifiés comme tels.
    • Le texte prévoit également l’interdiction des systèmes de notation citoyenne ou de surveillance de masse, ainsi que l’identification biométrique à distance des personnes dans les lieux publics.

En somme, la régulation de l’IA est un enjeu crucial pour équilibrer l’innovation et la protection des droits et de la sécurité.


​

Quelques modèles d'Intelligence Artificielle

Il existe de nombreux modèles d'Intelligence Artificielle (IA) qui ont été développés pour différentes tâches. Voici quelques-uns des modèles d'IA les plus connus et influents :

1.    GPT (Generative Pre-trained Transformer) : 

La série de modèles GPT, développée par OpenAI, comprend des versions telles que GPT-3.5. Ces modèles sont des transformateurs pré-entraînés qui excellent dans des tâches de traitement du langage naturel, de génération de texte, et bien plus encore.

2.    BERT (Bidirectionnel Encoder Representations from Transformers) : 

Développé par Google, BERT est un modèle pré-entraîné qui excelle dans la compréhension du contexte dans le langage naturel. Il est largement utilisé dans les tâches de traitement du langage naturel, telles que la classification de texte et la recherche d'informations.

3.    ResNet (Residual Networks) :

Les réseaux résiduels sont souvent utilisés dans des tâches de vision par ordinateur. Ils permettent de résoudre le problème de disparition du gradient dans les réseaux de neurones profonds, ce qui facilite l'entraînement des réseaux plus profonds.

4.    VGGNet (Visual Geometry Group Network) : 

Un modèle de vision par ordinateur célèbre pour sa simplicité et son architecture uniforme. Il a été utilisé avec succès dans des tâches de classification d'images.


5.    AlexNet :

 Un autre modèle influent dans le domaine de la vision par ordinateur, AlexNet a été l'un des premiers à démontrer le pouvoir des réseaux de neurones convolutifs (CNN) dans la classification d'images.


 

6.    AlphaGo : 

c'est est un programme informatique développé par DeepMind, une filiale d'Alphabet Inc. (la société mère de Google), qui s'est distingué par ses performances remarquables dans le jeu de Go, un jeu de stratégie complexe. Utilisant des techniques d'apprentissage profond, AlphaGo a atteint des niveaux de jeu supérieurs à ceux des joueurs humains, marquant notamment une victoire historique contre le champion mondial Lee Sedol en 2016. Cette réalisation a eu un impact significatif sur le domaine de l'intelligence artificielle, démontrant la capacité des approches basées sur l'apprentissage profond à exceller dans des domaines complexes.