L'intelligence artificielle (IA) désigne un ensemble de techniques permettant à un ordinateur d'effectuer des tâches qui nécessitent habituellement certaines capacités humaines, comme reconnaître des images, comprendre du langage, traduire un texte, produire du contenu ou analyser des informations.

L'IA ne correspond pas à un seul programme ni à une seule technologie. Elle regroupe différentes méthodes informatiques. Certaines permettent à une machine de suivre des règles définies à l'avance, tandis que d'autres lui permettent d'apprendre à partir de grandes quantités de données. Le machine learning, ou apprentissage automatique, constitue ainsi l'une des principales méthodes utilisées dans l'IA moderne.

Le fonctionnement général

Un système d'IA reçoit des données, les traite avec des algorithmes et produit un résultat. Dans le cas d'un modèle utilisant le machine learning, une phase d'entraînement permet au système d'analyser de nombreux exemples afin de repérer des régularités. Le modèle entraîné peut ensuite traiter de nouvelles données et produire une prédiction, une classification ou une réponse.

Par exemple, un système entraîné avec de nombreuses photographies de chats et de chiens peut apprendre à distinguer certaines caractéristiques des deux animaux. Lorsqu'une nouvelle photographie lui est présentée, il peut alors estimer à quelle catégorie elle appartient.

Les principales technologies

L'intelligence artificielle fait partie d'un ensemble plus large de technologies qui permettent aux machines de percevoir leur environnement, de traiter des informations et d'effectuer des actions.

• Intelligence artificielle : analyse de données, reconnaissance d'images, traitement du langage, traduction, génération de contenu ou aide à la décision.
• Robotique : conception de machines capables d'effectuer automatiquement des actions physiques.
• Internet des objets : utilisation d'objets connectés capables de recueillir et d'échanger des données.
• Réalité virtuelle : création d'un environnement numérique dans lequel l'utilisateur peut être immergé.
• Réalité augmentée : ajout d'informations numériques à l'environnement réel.

Les applications

Ces technologies sont utilisées dans de nombreux domaines. En médecine, l'IA peut aider à analyser des images ou des données. Dans les transports, elle peut assister la navigation et l'analyse du trafic. Dans l'industrie, elle permet de surveiller des machines et d'automatiser certaines opérations. Dans l'éducation, elle peut servir à créer des outils d'apprentissage adaptés. Elle intervient également dans la recherche scientifique, la finance, les jeux vidéo et de nombreux services numériques.

Les robots utilisent de leur côté des capteurs, des programmes et des actionneurs pour agir physiquement sur leur environnement. Certains fonctionnent selon des instructions préprogrammées, tandis que d'autres utilisent des systèmes d'IA pour analyser les informations recueillies et adapter leurs actions.

Les objets connectés permettent également de recueillir et de transmettre automatiquement des informations. Une montre connectée peut par exemple mesurer une activité physique et transmettre les données à un smartphone ou à un serveur.

Les progrès technologiques

Les progrès des processeurs, des cartes graphiques, du stockage et des réseaux permettent de traiter des quantités de données de plus en plus importantes. Cette évolution a rendu possible l'entraînement de modèles d'IA beaucoup plus complexes qu'auparavant.

Les assistants virtuels, les systèmes de reconnaissance d'images, les outils de traduction et les générateurs de contenu utilisent ainsi des modèles capables de traiter rapidement de grandes quantités d'informations.

Les limites et les enjeux

Les résultats produits par une IA ne sont pas toujours exacts. Ils dépendent notamment de la qualité des données utilisées et de la manière dont le système a été conçu. Des données incomplètes ou déséquilibrées peuvent entraîner des biais, tandis qu'un modèle peut produire une information incorrecte avec une apparence convaincante.

Le développement de ces technologies soulève également des enjeux concernant la protection des données personnelles, la fiabilité des résultats, la responsabilité en cas d'erreur, l'évolution de certains métiers et la consommation de ressources informatiques.

L'intelligence artificielle et les nouvelles technologies permettent donc d'automatiser certaines tâches, d'analyser rapidement de grandes quantités d'informations et de créer de nouveaux outils. Leur utilisation nécessite cependant de connaître leurs possibilités, leurs limites et leurs conséquences afin de les employer de manière fiable et responsable.

Les objets connectés sont des appareils capables de recueillir des informations sur leur environnement, de les traiter et de les échanger avec d'autres systèmes. Lorsqu'ils sont associés à l'intelligence artificielle, ils peuvent aller plus loin qu'une simple automatisation : les données recueillies peuvent être analysées afin de reconnaître des situations, de détecter des anomalies, d'effectuer des prédictions ou d'adapter automatiquement leur comportement.

Un objet connecté équipé d'intelligence artificielle forme ainsi une chaîne dans laquelle les capteurs recueillent des données, un système électronique les traite, un logiciel ou un modèle d'IA les analyse et un système de commande peut ensuite provoquer une action. La connexion permet de transmettre les données vers d'autres appareils ou vers des serveurs lorsque les traitements nécessitent davantage de ressources.

La collecte des données

Le fonctionnement commence généralement par la collecte de données. Les capteurs transforment des phénomènes physiques en informations numériques pouvant être traitées par un ordinateur.

Une montre connectée peut par exemple mesurer les mouvements avec un accéléromètre, les rotations avec un gyroscope et différents signaux physiologiques avec des capteurs spécialisés. Une caméra recueille des images successives, un microphone transforme les sons en données numériques et un thermostat mesure la température de son environnement.

Ces données constituent la matière première utilisée par les algorithmes. Plus les mesures sont nombreuses, précises et représentatives de la situation réelle, plus elles peuvent fournir des informations utiles au système d'intelligence artificielle.

Le traitement local

Une partie du traitement peut être réalisée directement dans l'objet connecté. Un microcontrôleur, un processeur ou une puce spécialisée peut analyser les données sans avoir à les transmettre systématiquement vers Internet.

Cette approche est particulièrement utile lorsque l'objet doit réagir rapidement ou lorsque les données sont sensibles. Une caméra peut par exemple analyser localement une image afin de déterminer si elle contient une personne, sans envoyer continuellement toutes les images vers un serveur distant.

Le traitement local permet également de réduire la quantité de données transmises et la consommation de la connexion réseau. Les systèmes capables d'exécuter des modèles d'intelligence artificielle directement sur les appareils sont souvent associés à l'IA en périphérie, ou Edge AI.

Le rôle de l'intelligence artificielle

L'intelligence artificielle intervient lorsque les données recueillies doivent être interprétées afin d'identifier des motifs, des situations ou des comportements. Un programme classique suit généralement des règles définies à l'avance. Un modèle d'apprentissage automatique peut au contraire avoir appris à reconnaître certaines caractéristiques à partir d'un ensemble de données.

Une caméra connectée peut ainsi utiliser un modèle de reconnaissance d'images pour distinguer une personne, un animal ou un véhicule. Un microphone peut utiliser un modèle de reconnaissance vocale pour transformer une parole en texte. Un capteur industriel peut fournir des mesures qui permettent à un modèle de détecter qu'une machine commence à fonctionner de manière anormale.

L'IA ne remplace donc pas les capteurs et les circuits électroniques. Elle intervient dans le traitement et l'interprétation des informations produites par ces éléments.

L'apprentissage à partir des données

Pour qu'un modèle d'apprentissage automatique puisse reconnaître une situation, il doit généralement être entraîné à partir de données. Pendant cette phase, l'algorithme recherche des régularités dans les exemples qui lui sont fournis et ajuste les paramètres du modèle.

Pour entraîner un système capable de reconnaître des objets dans des images, on peut lui fournir un grand nombre d'images contenant différents objets. Le modèle apprend progressivement à distinguer les caractéristiques qui permettent de différencier les catégories.

Une fois entraîné, le modèle peut être intégré à l'objet connecté ou exécuté sur un serveur. L'appareil lui fournit alors de nouvelles données et utilise le résultat produit par le modèle.

La reconnaissance et la classification

Une fonction importante de l'IA dans les objets connectés consiste à reconnaître et classer les informations reçues.

Une caméra de surveillance peut analyser une image et déterminer qu'elle contient une personne. Une caméra installée dans une voiture peut identifier des panneaux de signalisation, des véhicules ou des piétons. Un assistant vocal peut reconnaître les mots prononcés par l'utilisateur et déterminer l'intention correspondant à la commande.

Le modèle ne se contente donc pas nécessairement de transmettre une mesure. Il transforme une grande quantité de données brutes en une information plus directement exploitable par le système.

La détection des anomalies

Les objets connectés peuvent également utiliser l'intelligence artificielle pour détecter des comportements inhabituels. Cette fonction est particulièrement importante dans les machines, les véhicules et les installations industrielles.

Des capteurs peuvent mesurer en permanence la température, les vibrations, la pression, la vitesse ou la consommation électrique d'une machine. Un modèle peut apprendre à reconnaître le fonctionnement habituel de celle-ci et signaler une situation qui s'en éloigne.

Une augmentation inhabituelle des vibrations peut par exemple indiquer qu'une pièce mécanique commence à s'user. Le système peut alors signaler l'anomalie avant qu'une panne complète ne se produise.

La prédiction

L'analyse des données peut également permettre d'effectuer des prédictions. Le système utilise les informations disponibles pour estimer ce qui pourrait se produire ensuite.

Dans une installation industrielle, l'analyse de l'historique des températures, des vibrations et des cycles de fonctionnement peut permettre d'estimer le risque de défaillance d'une machine. Cette approche est appelée maintenance prédictive.

Dans un bâtiment, l'analyse de la température, de la luminosité, de l'occupation et de l'historique de consommation peut permettre d'anticiper les besoins en chauffage ou en éclairage.

L'adaptation automatique

L'intérêt de l'association entre objets connectés et intelligence artificielle apparaît particulièrement lorsque le système peut adapter son fonctionnement à partir des informations qu'il reçoit.

Un thermostat classique peut maintenir une température autour d'une valeur définie. Un système utilisant l'IA peut analyser les habitudes d'occupation du logement, les températures mesurées et les conditions extérieures afin d'estimer les besoins futurs et d'adapter progressivement son fonctionnement.

De la même manière, un robot aspirateur peut exploiter les informations provenant de ses capteurs pour construire une représentation de son environnement, reconnaître certaines zones et modifier son déplacement en fonction de ce qu'il observe.

La boucle perception-décision-action

Un objet connecté intelligent fonctionne souvent selon une boucle de perception, de traitement et d'action. Les capteurs observent l'environnement, les données sont traitées, le système détermine une réponse puis les actionneurs exécutent cette réponse.

Un robot équipé d'une caméra et de capteurs de distance peut détecter un obstacle. Son système de traitement analyse les informations reçues et détermine que sa trajectoire doit être modifiée. Les moteurs sont alors commandés afin de changer de direction.

Cette opération peut être répétée en permanence. Le robot observe son environnement, interprète les nouvelles données et adapte son comportement plusieurs fois par seconde.

Le cloud et l'intelligence artificielle

Les capacités de calcul limitées d'un objet connecté ne permettent pas toujours d'exécuter directement les modèles d'IA les plus complexes. Les données peuvent alors être transmises à des serveurs distants capables de réaliser les traitements.

Une caméra connectée peut par exemple envoyer une image vers un serveur qui exécute un modèle de reconnaissance. Le résultat de l'analyse est ensuite renvoyé à l'appareil, qui peut décider d'afficher une alerte ou de déclencher une action.

Cette architecture permet d'utiliser des modèles plus importants, mais elle dépend de la connexion réseau et entraîne la transmission des données vers un système extérieur.

L'IA embarquée et l'IA dans le cloud

Deux grandes approches peuvent donc être utilisées. Avec l'IA embarquée, le modèle fonctionne directement sur l'objet ou sur un équipement situé à proximité. Avec une IA exécutée dans le cloud, les données sont transmises vers des serveurs qui réalisent le traitement.

Une troisième organisation peut combiner les deux. L'objet effectue localement les traitements simples ou urgents et transmet certaines données vers un serveur pour les analyses plus complexes.

Le choix dépend notamment de la puissance de calcul disponible, de la consommation d'énergie, du temps de réponse nécessaire, de la quantité de données à transmettre et du niveau de confidentialité recherché.

La consommation d'énergie

L'intelligence artificielle demande des ressources de calcul qui peuvent être importantes pour un appareil alimenté par une petite batterie. Les objets connectés autonomes doivent donc trouver un équilibre entre puissance de calcul et consommation d'énergie.

Un capteur fonctionnant pendant plusieurs mois ou plusieurs années sur batterie ne peut pas effectuer en permanence des calculs complexes. Il peut rester en veille et ne réaliser une analyse que lorsqu'un événement est détecté.

Les fabricants utilisent également des processeurs spécialisés et des modèles optimisés afin de réduire la quantité d'énergie nécessaire à l'exécution de certaines fonctions d'intelligence artificielle.

Les données personnelles

Les objets connectés intelligents peuvent recueillir des informations très détaillées sur leur environnement ou leur utilisateur. Une montre peut enregistrer des données d'activité, une caméra peut capturer des images et un assistant vocal peut traiter des paroles.

La protection des données devient donc une partie importante de la conception de ces systèmes. Les données doivent être protégées pendant leur stockage et leur transmission, et leur collecte doit être limitée aux informations nécessaires au fonctionnement du service.

Le traitement local peut également réduire certaines transmissions. Lorsqu'une analyse peut être réalisée directement sur l'appareil, il n'est pas toujours nécessaire d'envoyer les données brutes vers un serveur.

La sécurité des objets intelligents

L'association d'un objet connecté à Internet et à un système d'intelligence artificielle crée également des enjeux de sécurité informatique. Une faille peut permettre à une personne non autorisée d'accéder à l'appareil, à ses données ou aux services auxquels il est connecté.

Les systèmes utilisent donc des mécanismes d'authentification, de chiffrement, de contrôle des accès et de mise à jour logicielle. La sécurité doit être prise en compte dès la conception de l'objet et rester assurée pendant toute sa durée d'utilisation.

Des objets qui deviennent intelligents

Un objet connecté n'est pas nécessairement un objet doté d'intelligence artificielle. Un appareil peut simplement mesurer une information et la transmettre à une application. L'ajout d'un modèle d'IA permet d'exploiter ces données pour réaliser des tâches plus complexes comme la reconnaissance, la détection d'anomalies, la prédiction ou l'adaptation automatique.

L'association des capteurs, de l'électronique, des réseaux, des logiciels et de l'intelligence artificielle transforme ainsi l'objet connecté en système capable d'observer son environnement, d'interpréter les informations reçues et d'adapter son fonctionnement.

Des systèmes connectés de plus en plus autonomes

Le développement de processeurs plus puissants, de capteurs plus précis, de réseaux plus rapides et de modèles d'intelligence artificielle plus compacts permet d'intégrer davantage de capacités de traitement directement dans les objets.

Les objets connectés peuvent ainsi passer progressivement d'un simple rôle de collecte et de transmission à un rôle d'analyse et de décision. Une caméra peut interpréter une scène, une machine peut anticiper une anomalie, un véhicule peut analyser son environnement et un robot peut adapter ses déplacements.

L'Internet des objets fournit ainsi à l'intelligence artificielle une multitude de données provenant du monde réel, tandis que l'intelligence artificielle permet à ces objets de donner davantage de sens aux informations qu'ils recueillent et d'agir de manière plus autonome.