Étiquette : deep learning

Marketing Remix 2019 de Viuz (compte rendu partial et partiel)

Share This:

Comment faire un compte rendu quand vous n’avez pu vous rendre à un évènement (à notre grand regret) ? C’est simple, il suffit de regarder les vidéos de l’évènement ! C’est ce que nous avons fait pour le Marketing Remix du 7 novembre 2019, organisé, comme tous les ans, par Viuz.

Une première cette année, les duettistes organisateurs habituels, Patrick Kervern et Andres Menajovsky, n’étaient plus qu’un solo, Andres (qui fut appelé Patrick par une intervenante, comme Patrick que l’on appelle aussi Andres !)

Merci à VIUZ de faire une conférence où les femmes sont nombreuses à prendre la parole !

Regarder des vidéos, ce n’est pas pareil que d’assister à l’évènement:

  • Avec la vidéo vous ne voyez pas l’écran où l’intervenant projette sa présentation mais seulement son visage et sa voix. Cela limite les effets que les uns et les autres ont pu ou du vouloir faire.
  • Une vidéo vous donne une autre liberté, celle d’arrêter de suivre et donc celle de passer à autre chose… De l’importance du « choc de l’intro » !
  • La vidéo vous donne le choix aussi de ne pas voir X ou Y car, en général, vous n’apprenez rien de cette personne…
  • La vidéo vous met aussi face à un contenu énorme ou la question est comment optimiser le temps et ne voir que ce qui est bien ! Impossible de répondre à cela (on a eu l’aide d’une copine qui a assisté à l’évènement !) et il ne faut surtout pas se fier au nombre de vues de chacune car pour avoir écouté certaines parmi les plus regardées et à l’opposé certaines qui recueillent peu de vues il n’y a pas de corrélation avec le contenu (selon nous) !

Alors nous vous proposons, dans cet ordre, les impressions suivantes :

  • CONVAINCUE et CONVAINCANTE : Amélie Oudéa-Castera, CARREFOUR
  • CASH : Jérôme Sutter, PURESSENTIEL
  • ON AIME : Isabelle Bordry, RETENCY
  • COURAGEUX et PERSEVERANT : Bastien Schupp, Groupe RENAULT
  • TENDANCE : Arnaud Caplier, THE CONTILLERY
  • FIERE DE SON JOB : Aude du Colombier, TEDIBER
  • ETONNANT ET INTERESSANT : Philippe Guillaud, MATCHTUNE
  • BRAVOOOOOO : Guillaume Lacroix, BRUT
  1. COMMENT L’INTELLIGENCE ARTIFICIELLE TRANSFORME LE MARKETING DE CARREFOUR

Amélie Oudéa-Castera, Directrice exécutive e-commerce, data et transformation digitale | CARREFOUR |

Impression : CONVAINCUE et CONVAINCANTE

L’entreprise Carrefour (CRF)

CRF au croisement de toutes les disruptions : les transformations des règlements, des technologies des usages, la crise de confiance, l’intensité concurrentielle. La seule chose qui ne l’affecte pas, ce sont les taux négatifs (qui sont plutôt une chance !). La situation est donc complexe mais l’envie de réussir est là, pour les 380 000 employés dans le monde, parce que c’est une belle entreprise française et une marque qui a vécu et avancée avec nous tous.

Le plan CARREFOUR 2022

Un plan de transformation engagé par Alexandre Bompard, depuis janvier 2018, 5 années cela passe extrêmement vite !

Quatre grandes idées dans ce plan

  • la transformation alimentaire. Rendre le mieux manger accessible à tous en respectant la planète et en ayant une juste répartition du profit le long de la chaine de valeur. Cette idée est la chose la plus importante. C’est la raison d’être de CRF.
  • Réduction des coûts et hausse de la productivité
  • Simplification de l’organisation et de la culture d’entreprise
  • Omni-canalité entre les différents formats et le e-commerce pour une expérience fluide pour les clients CRF.

La data CRF

Quelques chiffres : 104 millions de foyer clients dans le monde qui réalisent quotidiennement 13 millions de transactions dans les 9 géographies du groupe soient 4.5 milliards de transactions à l’année… Les données sont plutôt propres et organisées car reflet du ticket de caisse. Mais pour autant CRF n’est pas aujourd’hui une entreprise « data centric », le but est qu’elle le devienne même si ce n’est pas simple ! Quelques exemples :

  • Le rapport entre le ticket de caisse et la transition alimentaire. Une application vous donne, en fonction de votre ticket, la répartition de votre consommation selon les catégories de nutriments et vous fait de petites analyses de type « quel est votre nutri score » dans le mois. Une information non culpabilisante pour les clients qui peut devenir un jeu pour eux avec un incentive pour améliorer son score.
  • Bâtir des ponts entre les métiers. Dans « Act for food », il y a l’engagement de retirer 100 substances controversées dans les produits proposés. Il faut être capable de passer en revue en permanence toutes les références proposées dans le monde entier et s’assurer que, par exemple, les nitrites n’y sont plus. Cela suppose d’avoir une base « d’intelligence artificielle » contenant tout ce qui est inscrit sur les étiquettes des produits plus des informations complémentaires données par les fournisseurs.
  • Le ecommerce en alimentaire n’est pas rentable. Le vrai pari avec le e-commerce est d’essayer de faire rentrer des nouveaux clients par ce canal et de les faire passer dans d’autres formats Carrefour pour que l’entreprise, au global, soit gagnante.

Le Lab avec Google ?

La data chez CRF est à la fois de la data pour tous et de la data de pointe. Le lab est installé à proximité de de station F et accueille des ingénieurs et scientifiques pour la partie algorithmique la plus avancée. Exemples : amélioration des prévisions de vente ecommerce, optimisation des assortiments en fonctions des centimètres de linéaire dans les petits magasins de proximité, management du niveau de générosité sur les coupons et personnalisation de ceux-ci.

Partenariat Google

Après une phase de scepticisme au début, la méfiance a disparu car CRF a pu bâtir des expériences de shopping intéressantes avec Google. Cette dernière ayant une très grande envie de rattraper Amazon, CRF bénéficie d’expériences sur l’IA, la voix mais développe, aussi, la suite de solutions « G suite » dans l’entreprise pour casser les silos, et utilise le cloud de Google pour toute la masse de données et leur mise à disposition rapide dans le monde entier au travers d’applications innovantes, sans parler des accords commerciaux du type mettre la google home dans les hypers à des prix attractifs. CRF bénéficie à travers le lab de l’apport d’expertise de Google notamment en matière de formation des équipes. Exemple le programme Google go transform qui était la première fois ou Google transformait son programme interne vers un client externe.

AMAZON?

Une menace de tous les jours mais aussi un moteur énorme. Amazon c’est le benchmark, « le Roger Federer du ecommerce » (Amelie est une ancienne joueuse de tennis !). Mais, l’alimentation est particulière. Le ecommerce c’est souvent le fond de panier mais la proposition de valeur d’un CRF ce sont ses formats et CRF doit se positionner aussi, par exemple, sur la livraison de nourriture bonne et fraiche à l’instar d’acteur comme Frichti, Nestor pour réaliser la première promesse du plan 2022.

VISION ?

Le mot « transformation » donne l’impression d’avoir du temps, c’est faux ! Le travail de l’équipe est d’être là pour le succès de Carrefour aujourd’hui ! C’est la société dans son ensemble qui doit se réinventer et nos générations ont une responsabilité forte car les modèles sont cassés. On doit tous souhaiter que la french touch de Carrefour réussisse !

2-      RETENEZ L’ATTENTION DE VOS CONSOMMATEURS : SOYEZ VU ET ENTENDU

Franck Da Silva, Directeur Commercial & Opérations, GRAVITY

Jérôme Sutter, Directeur Communication & E-Business, PURESSENTIEL

Impression : CASH

Jérôme Sutter a parlé cash et il peut parler cash pour avoir vécu, depuis un peu moins de 20 ans, tous les aspects du digital (site, media, agence, consulting…) et être maintenant directeur de la communication et du ebusiness.

Son budget de communication est faible. Il est pluri-media (presse, tv, radio, affichage, digital) et le digital représente la plus faible partie de son budget, paradoxal vu son parcours ?  Non, car le pragmatisme le guide et il ne veut pas dépenser son argent pour rien ! Alors, pour des opérations digitales, la réponse la plus simple ce sont les « walled garden » qui lui permettent d’agir facilement dans 10 pays, sans que cela coûte des millions. MAIS…la nébuleuse du programmatique, les kickbacks, le bullshit en matière de langage, les indicateurs faux…. « LES WALLED GARDEN, CA NOUS SAOULE, NOUS LES ANNONCEURS » (applaudissements dans la salle). La confiance n’étant plus là, il se tourne vers des gens de confiance et des systèmes transparents comme GRAVITY. Celle-ci vend, comme le dite Jérôme Sutter, un « true view » à la française 😉. Puressentiel a réalisé une opération vidéo avec Gravity et en est très très content !

3-      MESURE D’IMPACT PUBLICITAIRE PLURIMÉDIA EN MAGASIN

Isabelle Bordry, Co-fondatrice | RETENCY |

Jacques Thieck, Directeur Outils et Enablers Marketing | ORANGE |

Impression : ON AIME

Le drive to store en vrai n’est pas facile à mesurer. Il est nécessaire d’avoir un tiers de confiance pour mesurer l’effet d’une campagne sur chacune des boutiques Orange. Or, en étant dans le monde physique, pas de cookies ! La mesure doit être agnostique sur la donnée et être rigoureuse sur le mode de traitement de la donnée.  D’où la sélection de Retency (une excellente solution à notre humble avis), avec ses boitiers implantés en magasin pour compter les contacts client (via leur mobile) et son mode d’anonymisation complète de la donnée (destruction de la donnée individuelle). Orange a pu mesurer, avec Retency, l’effet de 2 campagnes drive to store classique avec 2 fournisseurs différents pour voir l’impact des formats et les pénétrations atteintes par les 2 fournisseurs (campagne fibre,  5 millions d’exposition, 22 500 visiteurs exposés se sont rendus dans des magasins des Hauts de seine). « C’est le graal » selon l’annonceur.

L’expérience ne s’est pas limitée à ces campagnes mais a été continuée pour une campagne d’affichage, une de SMS, et même les vitrines de magasin Orange.

4-      LA VIE D’UNE MARQUE, DU MASS MARKETING AU MASS PERSONNALISATION, 2 ANS APRÈS

Bastien Schupp, Vice President Global Customer Activation, GROUPE RENAULT

Impression : COURAGEUX et PERSEVERANT

Il était venu il y a 2 ans et revient faire le bilan de la stratégie de communication mise en place (il avait été très brillant dans son intervention ancienne et est toujours très bon aujourd’hui !)

L’idée de départ ?

90% des ressources sont investies sur la fin du cycle d’achat de la voiture. Or cela parait logique d’étaler les messages dans la durée pour construire une relation avec le consommateur. L’idée était alors de mettre 50% des moyens sur la construction de la marque et 50% sur le fin.

Le programme ?

3 piliers à ce programme

1-construire un eco-système data

2- construire différemment les contenus

3- acheter différemment les media

Tout ceci chapeauté par un essai de motivation des agences par de l’excellence créative et un programme de formation et d’accompagnement pour réaliser cette transformation.

Succès ?

OUI ! Au global, c’est un succès. L’entreprise Renault s’est transformée, les équipes marketing et communication aussi et la plupart des outils sont en place même s’il y en encore du travail de rationalisation à faire de ce coté-là. Il ne suffisait pas de transformer Renault il fallait transformer aussi les fournisseurs sur la manière de faire. Ainsi, les équipes de Publicis, d’OMD et tous les partenaires data sont sur un même plateau avec les équipes Renault. Cela a permis un gain de 40% sur le temps de création des campagnes.

MAIS il y a des choses simples ou banales que l’on a appris

  • Si les équipes marcom ont bien compris, les patrons des filiales qui sont poussés sans arrêt sur les volumes au quotidien, ont beaucoup de mal à opérer ce passage du 90%/10% vers le 50%/50%. La seule solution tient dans la répétition permanente dans tous les comités de direction du message et de quantifier de prouver que c’est plus efficace. Quand un pays vous suit, il sert d’exemple pour les autres.
  • Le frein principal c’est la capacité et le savoir-faire interne. Un pays qui était parfait sur la nouvelle approche pendant 6 mois, repart dans de mauvaises directions tout simplement parce qu’une personne a changé ! Il faut faire un mélange entre les nouvelles équipes et les anciennes et vérifier le travail de manière régulière
  • Les modes de l’ad tech sont insupportables, tous les jours des prestataires viennent vous dire que tout ce que vous faites est nul et qu’il faut tout changer ! Il ne faut pas écouter les sirènes, il ne faut pas essayer d’être le premier dans tout ce que vous faites, il faut réduire ses ambitions, choisir ce qui marche et ce sont, bien souvent de petites choses, et ensuite persévérer !

5-      INTELLIGENCE ARTIFICIELLE : LES DÉCRYPTAGES DE L’ENGAGEMENT VISUEL

Arnaud Caplier, Fondateur, THE CONTILLERY

Impression : TENDANCE

On parle beaucoup de data, l’effort a été porté sur la cible, le moment, le canal et quasiment jamais sur l’optimisation des contenus qui est le plus souvent vue sous l’angle de la personnalisation et non de la qualité des contenus. Or la data permet maintenant d’arriver à cette optimisation des contenus.

En data, explosion, profusion et arrivée du machine learning. Une image aujourd’hui c’est une foultitude d’information (profondeur, luminosité, pixel, salience, ….) et on peut entamer le cycle de mesure de la relation entre les caractéristiques de l‘image sur l’action (ex image sur Instagram et like). De cette mesure, on peut ensuite aller à la prévision sous la forme d’un score par image. Une image avec un score de ou un score de 9 ont des résultats finaux extrêmement différents : conversion x 2, engagement social x 10 ou x 20.

6-      TEDIBER, UNE APPROCHE DIRECT TO CONSUMER EN RUPTURE AVEC TOUS LES CODES EXISTANTS

Aude du Colombier, Co-fondatrice, TEDIBER

Impression : FIERE DE SON JOB

Création il y a 4 ans, d’une startup sur les matelas (achat important, on passe un tiers de sa vie dans un lit !) avec comme ligne directrice « remettre les clients au cœur dans tout ce que l’on fait ». L’entreprise est passée de 4 à 40 personnes avec une organisation fluide sans silo entre les fonctions. Tout le monde est actionnaire !

  • Un business model totalement intégré de la fabrication d’un matelas jusqu’à la livraison à domicile pour offrir, au client, une expérience très simple et fluide en plus du rapport qualité / prix imbattable (optimisation maximale à tous les niveaux)
  • Une réinvention des fondamentaux du marché en simplifiant le choix d’où un modèle unique de matelas
  • La mise en transparence avec un prix juste, unique, constant toute l’année. Aucune solde n’est faite pour instaurer de la confiance et avoir une approche responsable. Ceci permet aussi d’avoir les moyens d’investir dans de la production locale, dans de la qualité produit, dans de la recherche
  • La confiance passe par 100 nuits d’essai et si ça ne va pas remboursement immédiat avec récupération du produit (partenariat avec Emmaüs Défi pour ces matelas)
  • La satisfaction des clients comme obsession. La pérennité de l’entreprise viendra de cela. L’équipe service client est alors la plus grosse équipe (20% des effectifs), pas de sous-traitance. Cette équipe est un actif de l’entreprise et c’est une source d’insight pour tout le reste de l’entreprise. La qualité du service client est le ressort du bouche à oreille et un vrai facteur de choix par rapport aux concurrents.
  • Une évolution physique avec l’ouverture d’un magasin et bientôt d’un second même si Tediber est née sur le web et que le plus gros du business est toujours sur le web. La boutique permet l’incarnation physique et amélioration de l’expérience client.
  • Une extension de gamme vers le canapé lit
  • Une volonté de devenir une marque de référence
  • Une minimisation de l’impact environnemental avec une production européenne et le lien avec Emmaüs

Bref, l’entrepreneuriat est une aventure passionnante, et lui permet d’avoir une vraie fierté dans le développement d’une marque et d’une activité à partir de rien. Aucun regret sur le reporting et la politique qu’elle devait faire dans les grandes entreprises où elle a travaillé (Unilever, Mc Kinsey, Google) !

7-      MUSIQUE, L’INTELLIGENCE ARTIFICIELLE COMME INSPIRATION

Philippe Guillaud, CEO, MATCHTUNE (associé à André Manoukian)

Impression : ETONNANT ET INTERESSANT

Il est allé voir les entreprises qui créent les vidéos. Pour toutes, la musique est le problème !

  • Il faut passer beaucoup de temps dans les grands catalogues pour faire un choix et encore faut-il trouver la bonne quand le métier d’illustrateur sonore n’existe plus.
  • Comment transformer 3 minutes en 25 secondes ? des couts s’ajoutent…
  • Et quand on a les 25 secondes, ca ne colle pas forcement bien avec les images
  • De plus, si la musique ne plait pas, il faut tout refaire…. !

MatchTune résoudrait ces problèmes grâce à l’IA !

Pour lui, il faut d’abord comprendre la vidéo, sa structure. Ensuite on peut proposer un nombre restreint de musique et demander à l’IA d’adapter la musique à la vidéo. La machine adapte la musique pour la caler sur les x secondes de video et si ça ne plait pas, la machine propose quelque chose d’autres en un claquement de doigt !

Nous aurions aimé voir comment on fait pour mieux comprendre le processus, mais c’est intéressant !

8-      “LET’S TALK ABOUT” BRUT.

Guillaume Lacroix, CEO, BRUT

Impression : BRAVOOOOOO !

BRUT est le résultat d’une intuition et d’une révolution.

  • La révolution est que la conversation change la consommation media. BRUT essaye de donner du contexte a l’actualité, a la société, au monde pour démarrer une conversation pas un débat. Ce dernier ne fait que polariser les opinions (ca marche très bien sur les réseaux sociaux), cela fait du clic et n’est pas vertueux. La conversation par contre permet de bâtir des communautés. C’est la révolution
  • L’intuition est venue sur les thèmes que BRUT traite. Quelques chiffres : 30 millions de personnes qui regarde BRUT chaque jour, 300 millions par mois principalement en Europe, en Inde (plus gros media en langue anglaise) et en Amérique du nord (seconde page media sur FB). 70% des spectateurs ont moins de 35 ans et ces individus, où qu’ils soient dans le monde, ont un système de valeurs qui a changé : responsabilité du pouvoir, droit des femmes, lutte contre les discriminations… tout ce qui est tourné vers des solutions pour la planète, l’environnement. L’intuition a été de choisir ces sujets là et BRUT a explosé avec la prise de conscience sur ces sujets.

Implantation.

En plus des pays pré-cités, une présence au Japon, en Chine, en Espagne, en Grande Bretagne. Dans chaque pays , la moitié de ce que BRUT distribue vient d’un autre pays. Ce qui est très bon pour le business model !

Génération globalisée.

Les variations régionales touchent la culture et le sport , le reste des valeurs est globale avec quelques nuances. Exemple en Inde, déjà le droit de la femme est compliqué, alors les LGBTQ, c’est plus dur ! Quand ils ont ouvert les USA, les jeunes américains se sont comportés de la même façon que les jeunes des autres pays, c’est pour cela qu’ils sont allés vite pour lancer la page américaine (il y a 18 mois). « Quand on s’intéresse à l’humain et que l’on montre qu’il y a des gens qui se bougent positivement à l’heure de médias classiques toujours négatifs, cela les intéresse ! »

Diffusion

Brut fait entre 1 milliard de vues par mois, 50% Facebook, 30% SNAPCHAT le reste c’est Instagram, YouTube (Ce dernier ne déclenche pas de conversation)

Vice fait 650 millions de dollars de revenu et ils ne sont pas rentables. Si Brut fait cela, ce n’est même plus de la rentabilité il peut partir sur la lune !

La pub ?

On a affaire à des générations qui adorent les marques et détestent la pub ! Du coup comment créer l’expérience publicitaire. BRUT choisit ses clients pour garder une intégrité de marque. Sur les réseaux sociaux ce qui marche c’est la preuve de ce que l’on fait, BRUT agit comme un tiers de confiance.

BRUT a levé 40 millions de dollars (Artemis, Alexandre Mars, …) pour s’étendre aux USA, assez ou pas assez ?

Editorialement BRUT fonctionne déjà très bien aux USA mais il faut convertir. BRUT est déjà archi rentable en France (pas de chiffres fournis), cela doit etre uen réalité partout. A titre d’exemple, VICE fait 650 millions de dollars de revenu et ils ne sont pas rentables. Si BRUT fait cela, ce ne serait même plus de la rentabilité mais un départ pour la lune !

L’enjeu de BRUT est l’activation des communautés pour créer un impact sur les sujets qui ont poussé les individus à se constituer en communauté. Ce défi sera dévoilé début 2020.

Intelligence Artificielle

12 personnes en techno, utilise du machine learning pour analyser son bas de catalogue et avoir de la donnée qualitative sur les générations qui les consomment. BRUT sur travaille sur l’analyse du langage naturel (NLP). Exemple, si un individu a commenté telle vidéo, le NLP permettra de lui dire qu’il y a tel aspect de cette vidéo traité dans telle autre vidéo et de lui proposer de la voir. Si on arrive à le faire on va doubler notre audience automatiquement !

Brut est unique à l’international !

Une journée d’Intelligence Artificielle avec BONHEUR (un compte rendu partial et partiel)

Share This:

Comment résumer, en quelques lignes, une journée entière consacrée à l’intelligence artificielle le 23 octobre 2019, à Station F ?

Impossible d’autant plus que le programme était d’une richesse incroyable variant les mathématiques, la politique, le business, les enjeux, la pratique, les secteurs et 2 stars : Stéphane Mallat (Collège de France) et le montréalais Yoshua Bengio, l’un des 2 papes de l’IA avec le français Yann Le Cun (Le premier travaille pour Google, le second pour Facebook).

Chapeau pour cette magnifique journée (1 800 personnes y ont assisté) même si nous regrettons (cela va faire vieux c..) une journée complètement en anglais alors qu’il y a très très peu de non francophones dans la salle (3 à la première présentation…). Au moins, les ¾ des présentations étaient plus que compréhensibles pour des francophones vu la prégnance de l’accent français en anglais !! On regrettera aussi quelques changements de programme impromptus sans que l’application spécifique soit à jour, et les tics de langage du type « amazing », « incredible », « guys » …

Bref, nous ressortons de tout cela avec quoi ?

L’IA n’a rien de magique (nous le savions mais cela a été dit clairement moultes fois) et de nombreux progrès, dans tous les domaines, sont encore à venir pour contourner tous les problèmes et biais posés. Par contre, le processus d’automatisation est en marche avec son cortège de solutions business (Nous n’avions jamais vu une conférence avec autant d’offres d’emploi à l’intérieur même des présentations !!)

Un cocorico. La France est devenue, ce jour-là, officiellement, le pays leader en Europe sur l’Intelligence Artificielle (avant la Grande Bretagne et Israël) avec le premier rang en matière d’investissements dans les startups dédiées au sujet. 570 millions d’euros au 1er semestre 2019 pour une année qui atterrirait à 1.2 milliards d’euros selon les estimations du cabinet Roland Berger et de France Digitale (qui reprend l’organisation de l’événement France is AI).

Nous ne relatons ici, dans cet ordre, que ce qui concerne la politique, la complexité, les biais et contournements des biais, le business, le pragmatisme, le feel good et un tout petit peu de mathématiques.

Politique

Nous avons un ambassadeur pour le numérique (et il est compétent), Henri Verdier (…, Cap Digital, Etalab,…) qui doit « couvrir » 4 thématiques dans lesquelles l’IA est forcément présente :

  • Les grands sujets de cyber sécurité (nous vous rappelons une de nos obsessions : la question n’est pas de savoir si des crashs de cyber sécurité au niveau des états vont se produire mais quand ! Merci l’Estonie 2007…).
  • La participation des états a la gouvernance d’internet
  • La diplomatie économique
  • La défense et la promotion des valeurs qui structurent nos sociétés

En fait, il est à la recherche d’une troisième voie, l’Europe, alternative au « sans contrôle publique » américain et au « tout contrôle » chinois. Pour y arriver quelles solutions ?

Les lois avec l’exemple du RGPD qui fait des petits au Japon, en Inde et est copié aux USA. Ce qui n’empêche pas la France, par exemple, d’assouplir sa position par rapport à la circulation libre de la data (free flow of data with trust), l’important étant de savoir comment s’organiser.

L’argent mais que sont les investissements de chaque état européen pris indépendamment par rapport aux milliards américains et chinois. Il rappelle que le succès n’est pas proportionnel à l’argent investi, au tera octet de data, mais au fait d’être malin.

Et des engagements forts (?) sur des principes, des valeurs et l’éthique. Il pousse à la création d’un GIEC de l’IA (pas bête) pour avoir des gardes fous, au dépassement des conneries venant d’un pays (ex : la classification trompeuse des tomates en légume aux USA, alors que c’est un fruit, car il y a 100 ans pour des raisons de taxes, Heinz a qualifié les tomates en légumes. Aujourd’hui toutes les bases de données américaines utilisées en IA des USA classent les tomates en légume au lieu de fruit !).

Le rôle de l’Etat, pour lui, est celui du jardinier qui doit faciliter la vie des startups.

Complexité

On est loin de « l’intelligence » artificielle. La voiture autonome sur la place de l’étoile ce n’est pas pour demain. Trop d’interactions, de décisions à prendre encore pour les machines existantes qui ne sont capables que d’imiter des taches simples et répétitives (c’est déjà ça !). Une machine sait faire un chose à la fois et ne peut pas tout faire ! Exemple, la machine alpha GO est bonne pour le jeu de GO mais ne sait rien faire d’autres, il faut tout créer à chaque fois.

Biais et contournement des biais

  • Où sont les femmes (une fois de plus), quand on voit Karl Tuyls (Deepmind de Google et Université de Liverpool) qui remercie dans un slide de photos son équipe d’au moins 16 chercheurs, que des hommes ! Les organisateurs de la journée ont fait attention à ce point et des femmes étaient présentes sur la scène!
  • Biais des bases de données. Les modèles d’apprentissage des machines (machine learning supervisés) sont très gourmands en données. Pour leur apprendre des choses, il faut que l’humain intervienne, par exemple, en annotant des milliers d’images de façon à expliquer à la machine ce que signifie telle ou telle image. La masse d’images annotées permettra alors à la machine d’être capable de classer correctement de nouvelles images rencontrées Il y a un très gros business autour des bases de données d’images annotées, décrites, par les humains (Inde, Madagascar,…). Mais c’est long, cela coute cher (même si ces travailleurs humains sont payés une misère) et cela ne couvre pas toutes les situations car il est dangereux pour l’humain de coder certaines situations (il doit visionner des atrocités pour coder !). Sans aller chercher ici les horreurs pornographiques ou terroristes, pensez simplement aux accidents entre un piéton et une voiture, vous ne disposez pas d’un « corpus » de cas, d’images, suffisants. Pourquoi ne pas les créer dans un monde virtuel alors (Naila Murray, Naver Labs), et avoir alors de la variété dans les situations qu’un grand nombre de situations identiques.
  • Toujours sur les bases de données, imaginez 8 photos, 6 de chats blancs et noirs dans différentes positions et 2 de chiens noirs, eux aussi dans des positions différentes. Vous injectez dans la machine une photo de chien blanc pour classification en chien ou chat, la réponse sera chat, car toutes les photos d’un animal blanc était un chat ! Cela parait bête mais c’est une réalité que vous pouvez transposer à grande échelle. Cela renvoie à un biais très classique en stat, votre échantillon n’est pas représentatif de la population qu’il est censé représenter !
  • En Autriche, une startup se faisait fort de réduire le chômage en fournissant un algorithme d’adéquation entre le profil du candidat et l’offre d’emploi à base de machine learning. Super sur le principe mais la machine a appris le chemin le plus efficace trouvé dans l’historique des données, ne proposer des offres d’emploi qu’aux hommes car ils décrochent des emplois quand les femmes et les personnes handicapées n’en recevaient plus aucune…

Business

Criteo

La publicité était présente à cette journée avec les changements de fond opérés par Criteo dans son fonctionnement (Zofia Trstanova). Comment changer son moteur de recommandation pour être plus pertinent et être capable de présenter le bon produit pour 1 milliard de requêtes / utilisateurs en 50 millisecondes… ? Joli challenge ! Bien sûr, il y a l’historique de l’utilisateur mais quel produit choisir dans les milliers, millions de produits possibles parmi les partenaires de Criteo (CDiscount ….) ? C’est simple, Il faut construire une matrice de distance entre produits et choisir le plus proche voisin du dernier produit acheté ou choisi par l’utilisateur. Cela parait facile mais la masse de produits et l’urgence de la réponse change tout. Il faut alors approximer les distances, approximer la matrice.

Le nouveau système Criteo a commencé à être déployé il y a un an et demi. Il va être amélioré par l’incorporation des annotations d’images dans le processus.

Astra Zeneca (James Weatherhall VP Data science et AI)

Le raisonnement est simple pour un laboratoire pharmaceutique. Un brevet dure 20 and, il faut 12 ans pour arriver a une solution définitive et sa mise en marché. Il ne reste donc que 8 ans pour obtenir des revenus. Comment raccourcir les 12 ans pour allonger les 8 de revenus ! La première étape est dans la connexion de toutes les données qui existent maintenant pour un laboratoire pharmaceutique (données génomiques et génétiques, données patients, données de capteurs, données d’interaction media, données des réseaux d’information médicaux, données de marché. La seconde étape est de connecter un certain nombre de ces données (ca a pris moins de 2 ans). Ensuite, et il y en a pour 5 ans encore, on applique de l’Intelligence Artificielle. Premier exemple, dans la découverte de médicament, les « manipulations » de molécule sont « facilement » automatisables. Ce qui prend aujourd’hui 24 jours pourraient baisser à 5 jours. Second exemple, l’interprétation radiologique dans des cas de tumeur. Un radiologue met 20 minutes, dans des cas complexes à analyser l’épreuve avec environ 10% d’erreurs quand un processus d’IA met quelques secondes avec moins de 1% d’erreurs.

Eramet (Jean Loup Loyer, Head of data sciences & AI)

Une société de production minière (Nouvelle Calédonie, Gabon…) et de métallurgie qui comme Astra Zeneca est maintenant à la tête de nombreuses données. Une des premières utilisations a été de faire de la maintenance préventive sur ses machines d’extraction grâce à l’analyse des données de capteurs. Mais en allant plus loin, Eramet analyse maintenant les images prises par drone des chantiers de ses concurrents ou clients pour adapter au plus juste sa production miniere et ajuster ses prix !

Société Générale (Julien Molez, Group Innovation Data & AI Leader)

L’analyse des données n’y est pas nouvelle (l’actuariat pour la gestion des risques) mais là encore, la masse de données issues des clients, de la dématérialisation des documents, permet d’aller plus loin. 3 cas d’utilisation de l’Intelligence Artificielle

  1. Analyse du langage (NLP) sur les clauses de confidentialité a signer avec des partenaires potentiels pour voir si elles sont compatibles avec la législation bancaire et la politique de la banque.
  2. Moteur de recommandation du bon article à lire au bon moment pour les clients de la branche affaires (et leurs conseillers)
  3. Analyse de tous les paiements de la banque en temps réel en France pour détecter les valeurs aberrantes (outliers) et bloquer les mauvaises transactions

Pragmatisme (Benoit Limare, Sicara)

Une fraîcheur de propos très agréable.

Pour lui il y a au moins 2 catégories de projet d’IA :

  • L’IA bidon, la start-up qui dit qu’elle fait de l’IA (notamment en reconnaissance d’image) et qui a, en fait de nombreuses petites mains à Madagascar pour classer les images…
  • L’IA raisonnable : démarrer petit pour élargir le champ par la suite. Le grand soir dans de l’IA est dangereux car il faut prouver l’intérêt de la méthode à la fois auprès des salariés proches de l’informatique mais aussi ceux qui sont touchés par le process et la direction générale. Commencer par quelque chose de raisonnable (voire même bidon) est le moyen d’amorcer la pompe, d’emporter l’adhésion de tous avant d’engager des coûts élevés dans un projet plus complet (l’IA ça coûte cher !)

Des exemples :

  • Une société de produits de beauté voulant un moteur d’IA pour recommander le bon produit de soins pour la peau a de clientes avec déjà une bonne solution avec un selfie et quelques bonnes questions.
  • Une autre où le DSI voulait réduire une tache de 15 minutes à 10 secondes. Un projet simple permettait déjà de réduire la tache de 15 minutes à 45 secondes. Le projet pour atteindre les 10 secondes aurait été extrêmement couteux.

Il rappelle que pour faire de l’IA, il faut des données (la moindre des choses !), lisibles par un humain (si l’humain ne les comprend pas, la machine ne saura rien faire), et contrôlables (autrement dit de nombreuses photos de produits différents d’un site de e-commerce prises toutes avec des angles différents débouchera sur des problèmes, il faut contrôler l’input !).

Feel good

Accenture a présenté un programme d’aide aux personnes âgées avec de l’IA conversationnelle. Le premier pilote d’« Elderly care » avait été fait en Grande Bretagne il y a 3 ans. 4 sont dans les « tuyaux », un en Belgique, 2 aux USA, 1 à Stockholm. Cela a raisonné beaucoup dans nos oreilles suite au petit dejeuner IREP que nous avions animé sur ce sujet avec Hélène Xuan et Olivier Altmann

 

Mathématiques

Un grand moment avec Stéphane Mallat du Collège du France qui, sur le moment, nous a paru biblique quand il expliquait comment les mathématiques pouvaient aider l’Intelligence Artificielle à résoudre le problème de l’interprétation des choses.

Pour lui, tout est dans la structuration des réseaux de neurones, il le démontre. Mais il a avoué avoir perdu, pour l’instant, un pari d’un diner dans un 3 étoiles (on est français où on ne l’est pas) avec Yann Le Cun quant au fait de trouver le modèle d’analyse et les théorèmes qui vont bien !

Au fait, si vous voulez comprendre vraiment « Comment les Réseaux de neurones à convolution fonctionnent » cliquez ! Ça vaut le coup car c’est la base de tout le décodage d’images entre autres. Si nous vous le disons avec nos mots, vous découpez votre image en pixels, chaque pixel a un poids en fonction de son contenu et de ses couleurs. Vous tordez votre image et refaites votre découpage en pixels. Ceci plusieurs fois, vous prenez un échantillon de pixels dans chaque découpage et à la longue vous mettez tous vos échantillons ensemble et vous serez capable de reconnaître une nouvelle image en la comparant via ses pixels à celles que vous aviez eu au préalable. C’est bien mieux expliqué dans le lien que nous vous signalons et nous venons surement d’écrire de grosses horreurs!!

 

En conclusion, l’IA était, pour nous, plus facile à comprendre que la conférence sur le gaming !

VIVE L’INTELLIGENCE ET LA SCIENCE – Conférence IPSOS (compte rendu partial et partiel)

Share This:

Quand on consulte l’excellent site myenventnetwork.com, le constat est simple : tous les jours des événements, des conférences, des ateliers (parfois plusieurs dans la même journée) gratuits pour la majorité d’entre eux, mettent en avant un aspect du métier de la communication, du digital et des media.

C’est trop mais c’est ainsi (cf notre coup de gueule il y a 2 ans et ça n’a pas changé).

Nous sortons, de plus en plus souvent avant la fin (ce qui n’est pas poli), énervés après avoir entendu des choses déjà dites, redites, rabâchées sans aucune aspérité sans point de vue affirmé. C’est pour cela que nous n’avions rien publié sur ce blog depuis des mois. Overdose de banalités !

Aussi, quand une société vous propose de faire bouger vos neurones en vous apportant de l’intelligence scientifique, vous ne pouvez dire qu’une seule chose MERCI IPSOS !

L’idée de ces conférences à la maison de la chimie, le 26 septembre 2019 au soir, était de se réinterroger sur tous les modèles théoriques qui sous-tendent tout ce que nous faisons, faut-il les renouveler ? comment les renouveler ?

Que se passe-t-il dans notre cerveau, comment raisonne-t-on ? (Olivier Houdé, Professeur émérite Paris Descartes, laboratoire LaPsyDÉ).

Les adeptes de l’homo-economicus ont toujours mis en avant la capacité de réflexion logique de l’humain, son système algorithmique qui permet d’élaborer une pensée réfléchie, dont la fiabilité est grande mais qui nécessite du temps, des efforts pour aboutir. Son défaut ? Monopoliser notre attention (amusez-vous au jeu dans cette video).  C’est le système dit 2, incarné dans les travaux de Jean Piaget. Exemples simples : lire un mot que l’on ne connait pas, changer de direction pendant un trajet habituel, calculer 19 x 46…

Daniel Kahneman (prix Nobel d’économie 2012) a démontré que le système 2 n’était pas le seul dans notre cerveau, mais qu’il en existait un autre : le système 1. C’est un système dit heuristique dont la caractéristique est d’être une pensée automatique, intuitive, avec une fiabilité correcte mais non totale et surtout une très grande rapidité. Le cerveau humain cherchant toujours à économiser sa consommation d’énergie, le système 1 est celui que nous activons le plus souvent dans nos taches quotidiennes. Des exemples ? La lecture, la conduite automobile sur un trajet habituel, des calculs simples (1+1, 2+3 …). L’apprentissage est la base de construction du système 1.

Au passage, ne pensez-pas, comme l’imaginait Piaget, qu’en passant de l’enfant à l’adulte le 1 laisse la place au 2 ! Non, suivant les sujets, les moments, l’adulte est à fond dans le système 1, aucune corrélation avec l’âge ! (Comme quoi la sagesse n’est pas l’apanage des vieux 😊)

Alors nous nous arrêtons là, avec 2 systèmes ?

Non ! Il en existe un troisième, issu des travaux d’Olivier Houdé. Ce système 3 est dit système d’inhibition qui a fonction d’arbitre, et qui nous pousse à interrompre notre processus de décision rapide (système 1) pour basculer sur la réflexion algorithmique (système 2). Le système 3 permet d’éviter les conflits entre les 2 premiers, les conflits cognitifs. Les adeptes des neurosciences le localiseront dans le cortex pré-frontal, là où se situe nos émotions et sentiments.

L’idée est alors de « cultiver » notre système 3 pour apprendre à débrancher le système 1 au profit du 2, il faut résister à notre intuition !

A quoi cela sert-il ?

Un exemple concret proposé par Brice Teinturier : les stéréotypes racistes et antisémites existent depuis longtemps (les juifs et l’argent, les juifs et le pouvoir, le lobby juif mondial…) et sont suivis par IPSOS (B Teinturier a projeté des verbatim issus des réseaux sociaux, à vomir…). La question est, pour un gouvernement par exemple, de trouver des moyens de combattre ces stéréotypes. Affirmer que ce n’est pas vrai ne sert à rien, on se heurte au mur du système 1. Comment pousser le système 3 à débrancher le 1 pour activer le 2, donc à dépasser le stéréotype pour aller à la réflexion. IPSOS a introduit dans ces questionnaires d’opinions, des mesures de nouvelles émotions relatives au doute, au regret et à la curiosité qui permettent aux pouvoirs publics de penser leurs démarchent autrement. Ces mesures sont applicables aussi au marketing.

 

Deuxième sujet : La modélisation de la mobilité (Olivier Bonin, Professeur, Géographe, chercheur à l’IFSTTAR au Laboratoire Ville Mobilité Transport)

Le sujet parait plus simple que l’exploration de notre cerveau et pourtant ! Comment reconstituer des flux de mobilité pour mesurer des individus qui bougent en permanence dans tous les coins. Les vieilles méthodes consistaient à reconstituer des flux en comptant des passages à des points fixes et en interrogeant des individus dans le cadre d’enquêtes. En demandant un point de départ, un point d’arrivée, un mode de déplacement et des choix d’itinéraires, il était possible de modéliser les flux. Les modèles permettaient alors d’interpoler dans le temps et l’espace, des données très partielles, lacunaires. Ceci avec plus ou moins de succès car on se limitait souvent à des heures de pointe (le matin), un jour de semaine, sans tenir compte des variabilités des activités et en étant focalisé plus sur les flux que sur les comportements des individus.

Aujourd’hui, des données sont disponibles en masse : la billétique, le GPS, les smartphones, des boîtiers dédiés… Ces données sont, de plus, relatives à un individu. Et même si elles sont moins riches sémantiquement que des enquêtes, elles apportent une densité temporelle et spatiale incomparables.

Vous y appliquez des modèles différents (on passe des modèles gravitaires aux modèles multi-agents), calculés au niveau de l’individu (qu’il soit réel ou synthétisé) et vous disposez de multiples programmes d’activité répartis entre les jours, les chaînages, les différents membres d’une famille, bref, de tout ce qui est nécessaire pour l’optimisation des trajets, des infrastructures, des horaires, … mais aussi pour la mesure d’audience de l’affichage (Outdoor, en usage maintenant…)

C’est le cas applicatif montré par (le brillant) Jean Noël Zeh (IPSOS) puisque l’entreprise a gagné l’appel d’offres de Mobimétrie (ex Affimétrie). Dans cette mesure sont intégrés les déplacements de 10 000 personnes (elles ont porté pendant 9 jours, un « meter », un boitier spécifique, précis sur la localisation GPS), des mesures déclaratives de déclarations de déplacements (smartphones), les points d’intérêts géographiques (magasin, services publics, réseaux de transports, …), toute l’open data INSEE, et des données payantes de telco ou d’autres acteurs.

Jean Noël Zeh a aussi montré 2 cas de « research for good », comme la mesure des flux dans un camp de réfugiés Rohingya au Bangladesh pour permettre d’établir des points d’eau ou des centres de soins.

Troisième intervention : le consommateur expliqué par ses neurones (Vinod Venkatraman , Professeur, Temple University).

Nous sommes repartis dans le cerveau humain ou plus exactement dans les méthodes de mesure d’effets qui existent, aujourd’hui, avec la technologie (Eye tracking, facial tracking, activité cérébrale, sudation…). Mais la chose intéressante est de les avoir relier à un impact marketing sur les ventes.

Aux méthodes nouvelles, Vinod Venkatraman a testé aussi les méthodes plus classiques d’interrogation (groupes ou questionnaires). C’est l’objet d’un article primé en 2015 à l’ARF aux USA (sur de petits échantillons…). La conclusion est bonne pour une société d’études. Que ce soient des mesures d’eye tracking, biométriques, EEG ou questionnement, chacune apporte un voire plusieurs éléments de réponse différents à l’élasticité publicitaire sur les ventes. Autrement dit, c’est en utilisant toutes les méthodes que l’on a une vision complète et pertinente. Pour avoir, nous-même, hybridées plusieurs méthodes, nous ne pouvons qu’être en accord avec cette conclusion !

En application, Katell le Coueffic a présenté le « creative lab » qui permet, en une journée, de mettre en oeuvre la plupart des méthodes indiquées et d’avoir des pistes d’optimisation sur du matériel publicitaire non finalisé. Nous supposons que ceci sera plutôt l’apanage des grands sociétés clientes.

En conclusion, une des phrases prononcées en introduction par Helen Zeitoun :

« science et études, le ticket gagnant pour ne pas dire n’importe quoi »

(combien d’entre nous devraient s’en inspirer !).

La fin de l’individu, voyage d’un philosophe au pays de l’Intelligence Artificielle (Gaspard Koenig) (un résumé d’un livre non lu !)

Share This:

Nous avions déjà eu le plaisir d’écouter Gaspard Koenig (GK) lors d’une conférence TEDX Paris. Le 27 septembre 2019, il présentait son nouveau livre qu’il a « résumé » pendant une heure à Station F, (grand amphi complet). Ce compte rendu est fait sur ce « résumé » pas sur la lecture du livre (acheté mais non lu !).

Le sous-titre de ce livre pourrait être

« remettre l’église au milieu du village » !

Pour lui, il faut remettre l’humain dans l’IA, c’est-à-dire en maître de ses propres données.

Comment y arrive-t-il ?

Il a rencontré près de 120 chercheurs, entrepreneurs, intellectuels, magicien… en France, UK, Israël, USA, Chine … Bel effort (sponsorisé par Le Point) pour un philosophe non spécialiste de l’Intelligence Artificielle.

Au passage, GK fait remarquer que rencontrer des interlocuteurs sur ce sujet n’est pas facile, car ils sont pressés, stressés, soumis à des enjeux financiers importants et n’ont aucune envie de rencontrer un philosophe !

Quelques tacles :

  • Ces interlocuteurs n’ont aucune culture. La référence la plus ancienne qu’il a pu entendre dans la bouche de ses interlocuteurs était … « star wars »
  • Ce sont les physiciens qui ont toujours joué les « Cassandre » sur l’IA en se basant sur des théories très très peu probables alors que les mieux placés pour en parler, les informaticiens, sont eux réalistes (Yann le Cun, Facebook, sort un livre dans 15 jours sur le sujet) et savent très bien que l’IA est très très loin de cette prise de contrôle.

Alors faut-il avoir peur ou non de l’Intelligence Artificielle (IA)?

Dans l’absolu, Non ? mais…

Dans l’expression Intelligence Artificielle, il y a intelligence et celle-ci est le produit d’une évolution biologique depuis des milliers d’années qui nous a donné le pouvoir de conceptualiser. Donc, tant que l’IA en reste aux calculs de l’ordinateur, aucun risque de dépassement ou de rapprochement de l’homme par la machine.

L’IA et le travail ?

GK n’est pas inquiet sur ce que l’on appelle « la fin du travail ». Le travail étant un sens commun, l’IA ne peut le tuer car l’IA n’a pas de sens commun. Elle peut être très précise dans 99% des cas mais dans 1% elle conduit à de grosses « conneries ». Ces erreurs ne sont pas une histoire de répétitivité des taches, mais de sens commun. Ex : un serveur dans un café ne peut pas être remplacé par une machine car toutes les décisions qu’il doit prendre sont multiples et différentes à chaque instant et dans chaque lieu.

Il est probable que des métiers disparaîtront et se créeront. Le danger de l’IA peut venir si nous changeons notre environnement pour nous adapter à celle-ci. C’est ce qui semble se produire dans les ports gérés par les chinois où toute l’infrastructure est conçue pour l’IA et non plus pour l’homme. Nous avons à faire un choix de civilisation.

(Si on raisonne par l’absurde, il paraîtrait qu’1/3 des emplois sont des « boulots à la con » (les bullshit jobs). L’IA ne saura pas faire un boulot à la con !!).

IA et le libre arbitre ?

C’est sur ce point qu’est le danger, selon Gaspard Koenig.

Ces systèmes nous connaissent mieux que nous-même, ils connaissent notre environnement, ils nous donnent des conseils, ils nous conduisent à des choix optimaux. Nous allons alors leur déléguer notre capacité de choix. Cela signifie la fin du libre arbitre. Or, celui-ci est le fondement de nos systèmes sociaux (le fondement du système juridique américain par exemple).

On assisterait alors à une transformation culturelle radicale (chaos ?) car l’IA cherchera à optimiser la « performance » d’ensemble et non pas la performance individuelle, on irait alors vers « ce qui est le moins mauvais pour soi compte tenu d’un optimum pour l’ensemble ».

2 exemples :

  • Google maps vous indique le meilleur trajet pour désengorger le trafic pas le trajet le plus court, l’itinéraire égoïste, que vous vous choisiriez probablement.
  • Les applications de rencontres font face à l’illogisme humain. Les recherches ont montré que les femmes recherchaient un compagnon de leur tranche d’âge (une droite entre âge du demandeur et âge du demandé). Les hommes, bloquent leur curseur de compagne recherchée à 24 ans quel que soit leur propre âge (une asymptote). Les algorithmes ont alors besoin de nombreuses informations pour découvrir les désirs implicites sous des choix explicites, de façon à ce que l’ensemble du réseau soit satisfait.

IA et causalité ?

L’IA fait disparaître la notion de causalité et donc l’utilité des théories ou des lois.

Le fait de disposer de toute l’information permet de se passer de la notion de causalité.

Ex : la société Didi en Chine (le Uber chinois) a plus de 90% du marché des VTC en Chine. Elle dispose donc de toutes les informations. Cette société ne fait plus de politique de prix pour attirer les chauffeurs (offre et demande) vers certaines courses lointaines mais se contente de faire du dispatching de chauffeur pour assurer l’optimum d’ensemble. L’information étant complète, la notion de marché disparait. Il va plus loin en s’interrogeant sur la pérennité de la notion de justice, des lois en tant que telles.

IA et différences culturelles ?

Le Chine a fait de l’IA une priorité absolue tant sur le fond que sur le financement.

Les chinois n’ont aucun tabou, aucune limite, et ceci leur permettra d’atteindre un bonheur collectif. La passion de la Chine pour l’IA correspond parfaitement aux valeurs confucianistes qui reviennent en force. Les chinois parlent d’ailleurs de leurs inventions avec une grande candeur. Gaspard Koenig a alors projeté quelques verbatim comme « les jeux video permettent de rendre les gens accro pour mieux les contrôler (parti communiste) ».
Aux USA et en Europe, la prospérité allait de pair avec la liberté individuelle. L’IA remet en cause cette équation. Plus vous voulez de croissance, plus vous devez sacrifier la liberté individuelle, ce qui va à l’encontre des fondements mêmes des sociétés occidentales.

La notion d’impérialisme a d’ailleurs évolué en passant d’un impérialisme territorial à un impérialisme numérique dans lequel les gouvernements sont perdus.

Conclusion : un modèle alternatif ?

Le rétablissement de l’individu dans ses prérogatives humaines est le cœur de sa réflexion.

L’humain doit prendre conscience de l’extrême important du flux sortant des data, sa propriété privée, ses données personnelles. C’est notre bien et nous devons avoir le droit de le sortir du marché ou d’y rester !

GK fait la promotion des portefeuilles électronique de données : « Chacun doit pouvoir contrôler son propre nudge » !

Pour atteindre ce but, GK a besoin de « potes » listés ci-dessous. En cliquant sur chaque nom, vous verrez dans quelle lignée philosophique ou pratique ils/elle se situent.

Daniel Dennett

Harry Kloor

Jaron Lanier

Margrethe Vestager

Nous espérons que ce « résumé », loin d’être parfait, vous donnera envie de lire ce livre ou de réfléchir sur les notions de biens communs, libre arbitre, théorie, causalité et confucianisme.

(Et c’était chouette de retrouver Jimi Fontaine a cette conférence 😊)

l’histoire de l’Intelligence Artificielle va vous rendre plus intelligent

Share This:

Nous somme fans absolu du chercheur Dominique Cardon. Il vient de publier avec JP Cointet et A Mazieres

« LA REVANCHE DES NEURONES

L’invention des machines inductives et la controverse de l’intelligence artificielle »

Lisez le, vous serez plus intelligent après l’avoir lu et vous comprendrez mieux l’Intelligence Artificielle.

Pour y accéder cliquez ici

Nous reproduisons, ci-dessous, le résumé que ces chercheurs ont écrit.

« Depuis 2010, les techniques prédictives basées sur l’apprentissage artificiel (machine
learning), et plus spécifiquement des réseaux de neurones (deep learning), réalisent des
prouesses spectaculaires dans les domaines de la reconnaissance d’image ou de la traduction
automatique, sous l’égide du terme d’“Intelligence artificielle”. Or l’appartenance de ces
techniques à ce domaine de recherche n’a pas toujours été de soi. Dans l’histoire
tumultueuse de l’IA, les techniques d’apprentissage utilisant des réseaux de neurones – que
l’on qualifie de “connexionnistes” – ont même longtemps été moquées et ostracisées par le
courant dit “symbolique”. Cet article propose de retracer l’histoire de l’Intelligence
artificielle au prisme de la tension entre ces deux approches, symbolique et connexionniste.
Dans une perspective d’histoire sociale des sciences et des techniques, il s’attache à mettre en
évidence la manière dont les chercheurs, s’appuyant sur l’arrivée de données massives et la
démultiplication des capacités de calcul, ont entrepris de reformuler le projet de l’IA
symbolique en renouant avec l’esprit des machines adaptatives et inductives de l’époque de la cybernétique ».