Dr Églantine

Et là, retournement de situation vu que vous avez l'air attenti-ve-f-s : si ça vous intéresse, embauchez-moi ! Je cherche actuellement du travail en product management / UX design dans le domaine de la data. Profitez-en, ça va pas durer !

Donc bon, je sais que c'est la hype et tout, mais y a plein de façons de traiter des problèmes concrets que subissent de vrais humains avec du logiciel et/ou de la data science.

Dans beaucoup de cas, l'approche machine learning est une mauvaise idée car : - il n'y a pas assez de données, donc ça marche pas, ou alors on les fabrique et c'est du travail de merde (coucou IBM) - y a des données mais y a rien à en faire et/ou elles sont dégueulasses etc

Donc, derrière le terme IA, de la programmation, un peu de machine learning, beaucoup de règles en dur, et en fait, tant mieux, car l'IA est un moyen, par une fin en soi.

Chatbots qui sont justement généralement présentés comme DE L'IA.

Soulignons surtout qu'à ma connaissance, toutes les boîtes qui proposent des chatbots / agents conversationnels à ce jour s'appuient sur des approches manuelles genre de type "SI l'utilisateur dit "comment ça va ?" répondre "très bien et toi" OU "je vais bien, merci""

(Y a aussi des approches hybrides, où on peut par exemple outiller la création de règles, mais ne nous dispersons pas).

Toute l'IA symbolique, qui a dominé pendant plusieurs décennies et est encore le socle de la plupart des vieilles boîtes d'IA, se construit avec des règles écrites a la mano et non avec de l'apprentissage automatique.

Ensuite, on peut remplacer des opérations mentales par des procédures computationnelles SANS deep learning et sans machine learning. Eh oui.

(Pour être tout à fait honnête, les réseaux de neurones fonctionnent souvent sensiblement mieux que d'autres techniques sur certains problèmes comme la reconnaissance d'image).

Mais c'est sûr que "machine à vecteurs de support" ça vend moins du rêve que DEEP LEURNINEGUE

Ces techniques résolvent les mêmes types de problèmes (regrouper, classifier, identifier) que des algos plus simples (et beaucoup plus rapides) comme les SVM, les random forests, avec un gain pas toujours perceptibles.

Si on veut dire "une boîte qui utilise du DEEP LEARNING" sachez que les réseaux de neurones artificiels sont des techniques vaguement inspirées des connaissances en neurosciences des années 50 et que ça n'a rien d'un "cerveau artificiel".

Si on veut dire par là "une procédure computationnelle qui remplace des opérations de pensée humaines", alors ça couvre 100% des boîtes de tech car même une calculatrice correspond à cette définition.

Si par "IA" on veut dire "un esprit artificiel construit par l'homme", alors c'est 0% des boîtes passées, présentes, et probablement futures qui ne font pas d'IA car ça n'existe pas.