Sept cas d’usage de l’intelligence artificielle et de l’apprentissage automatique à suivre

L’année 2023 s’annonce comme une année charnière pour l’intelligence artificielle (IA) et l’apprentissage automatique (ML). Certains observateurs du secteur prédisent que les récentes percées de l’IA pourraient conduire à une nouvelle révolution dans la société, semblable à la révolution industrielle, à l’invention de l’internet ou à l’avènement du smartphone. Pourtant, 2023 ne marque pas l’invention de l’IA, mais seulement l’année où elle s’est répandue grâce à la technologie ChatGPT d’OpenAI.

Before we go further, let’s define some of these terms. Artificial intelligence refers to computer systems that mimic human thought and decision making. Machine learning algorithms use mathematical formulas to learn from data sets and perform tasks better over time.

While generative AI tool ChatGPT has received much buzz this year, it’s far from the first widespread AI use case. For example, finance and investment trading organizations were early adopters of AI/ML capabilities, using AI/ML to decide when to buy or dump assets on the stock market and other exchanges (otherwise known as high-frequency trading). Other industries have also made widespread use of AI—from the healthcare sector to manufacturing to utilities—and we expect that adoption will only continue to grow. 

Avant d’aller plus loin, définissons quelques-uns de ces termes. L’intelligence artificielle désigne les systèmes informatiques qui imitent la pensée et la prise de décision humaines. Les algorithmes d’apprentissage automatique utilisent des formules mathématiques pour apprendre à partir d’ensembles de données et exécuter des tâches plus efficacement au fil du temps.

Si l’outil d’IA générative ChatGPT a fait beaucoup parler de lui cette année, il est loin d’être le premier cas d’usage généralisé de l’IA. Par exemple, les organisations financières et d’investissement ont été les premières à adopter les capacités de l’IA/du ML, en utilisant l’IA/le ML pour décider quand acheter ou vendre des actifs sur le marché boursier et d’autres bourses (ce que l’on appelle également le trading à haute fréquence). D’autres secteurs ont également largement utilisé l’IA, qu’il s’agisse du secteur des soins de santé, de la fabrication industrielle ou des services publics, et nous nous attendons à ce que l’adoption de l’IA continue de croître.

Sept cas d’usage de l’intelligence artificielle et de l’apprentissage automatique à suivre.

Examinons quelques cas d’usage convaincants qui continuent à se développer.

1. Traitement des documents

La plupart des organisations croulent sous les documents Qu’il s’agisse de chèques papier, de factures électroniques ou de scans de codes-barres, les entreprises passent souvent beaucoup de temps à traiter des documents. Le traitement intelligent des documents (IDP) permet aux entreprises d’extraire des données de documents à grande échelle sans travail manuel important. Les organisations peuvent ainsi économiser énormément de temps, d’efforts et d’argent. En outre, il réduit le risque d’erreur humaine inhérent à la saisie manuelle des documents.

2. Surveillance de la fraude financière

L’un des concepts d’IA/de ML les plus répandus concerne la détection d’anomalies dans les ensembles de données. Lorsque vous entraînez l’IA sur un ensemble de données, elle peut développer une base de comportements. Lorsqu’une anomalie se produit, le système peut la signaler pour une analyse plus approfondie. Les institutions financières utilisent la détection des anomalies lors du processus de connaissance du client (KYC) pour signaler les transactions en cas de fraude ou d’usurpation d’identité. Par exemple, si la carte de crédit d’une personne indique un achat important effectué dans un autre pays en même temps qu’un achat dans sa ville de résidence, l’entreprise peut bloquer la carte et vérifier l’achat auprès du titulaire de la carte.

3. Approbation des risques de crédit et de prêt

Les institutions du secteur financier peuvent faire un usage intensif des capacités de l’IA/du ML pour mieux comprendre la solvabilité et les risques liés aux prêts d’argent. L’IA peut analyser plusieurs points de données tels que les antécédents de crédit, l’utilisation du crédit et les états financiers pour déterminer s’il est prudent d’accorder un crédit à un emprunteur potentiel pour une carte de crédit, un prêt hypothécaire ou un prêt commercial. De plus, au fil du temps, l’IA peut analyser les données pour repérer des modèles potentiels parmi les risques de défaillance que les analystes humains n’auraient pas pu voir autrement. Cela permet non seulement de réduire les risques, mais aussi de rendre le traitement des demandes beaucoup plus efficace pour les agents de crédit et les souscripteurs.

[ Quelle est la prochaine étape en matière de conformité pour les institutions financières et quelle est la place de l’IA/du ML ? Lisez également : L’avenir de la conformité KYC : quatre tendances à suivre. ]

4. Imagerie médicale et diagnostics

Le secteur des soins de santé est un domaine passionnant dans lequel l’IA/le ML seront de plus en plus utilisés. Par exemple, les professionnels de l’imagerie médicale, tels que les techniciens en radiologie et les échographistes, utiliseront davantage l’intelligence artificielle pour noter les problèmes potentiels dans les scanners médicaux des patients. L’utilisation de machines pour détecter les problèmes potentiels et l’interprétation des résultats par un technicien peuvent s’avérer plus précises que si l’on se fie à l’œil humain. En outre, les médecins utiliseront les données fournies par les patients concernant les symptômes, ce qui permettra à l’IA de diagnostiquer les maladies et même de recommander des traitements.

5. Service clientèle 

L’un des cas d’usage de l’IA/du ML les plus intéressants concerne le service clientèle. Les chatbots peuvent utiliser le traitement du langage naturel (NLP) pour répondre aux demandes des clients et lancer d’autres workflows sur le back-end pour aider à résoudre les problèmes des clients. Par exemple, le chatbot peut traiter des remboursements de bas niveau ou rédiger des réponses par courrier électronique que les agents du service humain doivent vérifier. Les agents de service gagnent ainsi beaucoup de temps dans leurs activités quotidiennes et améliorent l’expérience client, ce qui permet aux entreprises d’accroître la satisfaction de leurs clients à long terme.

6. Prévision énergétique

Depuis des décennies, les services publics travaillent sur les réseaux intelligents. Des dispositifs tels que les compteurs intelligents aident les services publics à planifier les heures de pointe. L’intelligence artificielle et l’apprentissage automatique peuvent analyser les données historiques comme la consommation d’énergie, les modèles météorologiques et d’autres variables pour mieux prévoir la demande. Les opérateurs de services publics peuvent ainsi prévoir l’utilisation de l’énergie et augmenter l’offre lorsque la demande augmente sans surcharger le système (ou se préparer aux pannes).

En outre, cette nouvelle technologie joue un rôle majeur dans les efforts de développement durable, car l’IA peut contribuer à optimiser l’efficacité énergétique, l’utilisation et les schémas de distribution et à prévenir le gaspillage. Cela permet également de réduire les coûts tant pour les services publics que pour les clients industriels et résidentiels.

7. Gestion de la chaîne d’approvisionnement

Ces dernières années ont montré la fragilité des chaînes d’approvisionnement mondiales. La pandémie de COVID-19 a bouleversé l’offre et la demande habituelles, entraînant des pics dans certains domaines et des creux dans d’autres. Il est difficile de prévoir la demande en se basant uniquement sur des données historiques. Les responsables de la chaîne d’approvisionnement moderne doivent donc utiliser des méthodes de prévision plus sophistiquées de gestion de la chaîne d’approvisionnement.

Les capacités d’IA/de ML permettent aux professionnels de la chaîne d’approvisionnement de mieux prévoir la demande grâce à des données en temps réel à travers de multiples points de données afin d’éviter les pénuries. Elles peuvent également utiliser l’IA pour des tâches telles que la fixation des prix, la prévision des conditions météorologiques et des itinéraires pour les navires et les transports, et la mise en place de réseaux de chaîne d’approvisionnement plus réactifs avec leurs fournisseurs et leurs partenaires.

Les capacités d’IA/de ML ne cessent d’évoluer

Vous souhaitez en savoir plus sur la manière dont l’IA/le ML s’intègre dans votre stratégie globale d’automatisation et sur ce que ces technologies nous réservent ? Pour en savoir plus sur les nouvelles tendances en matière de données et d’automatisation, consultez le rapport Gartner® sur les tendances de l’hyperautomatisation en 2022.

Want to learn more about how AI/ML fits into your overall automation strategy and what’s on the horizon for these technologies? To delve into emerging data and automation trends, get the Gartner® Emerging Tech Impact Radar: Hyperautomation.