L’intelligence artificielle (IA) et en particulier le « machine learning » a fait d'énormes progrès ces dernières années dans la prédiction de toute chose, dans presque tous les domaines, si bien qu’un certain vertige s’empare des observateurs. Jusqu’où ira-t-on? Que nous réserve un monde conduit par l’IA?
Pour répondre à cette question, un groupe d’entrepreneurs sous la houlette des Chambres de commerce romandes a fait le voyage de Boston à la rencontre de personnalités de Harvard et du MIT, mais aussi d’entrepreneurs et de start-ups au cœur de la transformation digitale. Des rencontres avec des experts de la question étaient au menu du jour. Il fallait en avoir le cœur net. Il fallait découvrir l’ampleur des dégâts. Eh bien, c’est pire que prévu. Il n’y a pour l’instant pas de limites, pas de frontières à tracer pour mesurer l’étendue des champs de conquête de l’IA. Tout ou presque va y passer. Tout ou presque peut être transformé. Alors qu’on était venu voir l’innovation, on est reparti avec une seule problématique, celle de la transformation. Comprenez-nous bien. L’IA n’innove pas les métiers… Elle les transforme! Ce n’est pas du tout la même chose. La Fintech n’est pas que de la technologie bancaire, c’est un remplacement. Idem pour l’insurtech, ou le digital Health, etc. C’est comme UBER, AirBnB, Amazon Go, etc… on n’innove pas, on remplace par autre chose. Quand le Professeur Urs Gasser de la Law School de Havard nous parle de data, d’algorithmes et d’IA, il affirme avec force que personne ne se rend vraiment compte de la révolution actuelle. Il prétend même que la magnitude du changement sera de loin supérieure à celle de la première révolution industrielle.
Son argumentation solide et fondamentale interpelle fortement. Ainsi, les lois ne sont rien d’autres que des données ou des algorithmes que les machines «˚Intelligentes » vont facilement absorber. Exit l’action de l’homme de loi? Alors on pourrait continuer sa pensée en l’extrapolant: Exit l’homme tout court si l’on n’y prend pas garde. La solution ne serait alors pas de légiférer contre les «robots» et «bots» intelligents mais bien «d’augmenter» l’homme par ces nouvelles facultés. Car il s’agit de comprendre l’intelligence artificielle comme une autre intelligence! Si on les additionne, alors l’humanité va aller très loin. Si on les soustrait alors on va régresser ou disparaître. Voilà l’enjeu. Pour en revenir à son point de vue: il y a globalement trois stratégies. Celle de l’Europe (et de la Suisse) qui met la protection du citoyen au centre en voulant absolument contrôler l’évolution de l’IA par un cadre éthique. Google vient d’en expérimenter les limites avec son «board éthique» qui n’a tenu qu’une semaine sous les assauts et critiques des internautes! L’Amérique qui laisse faire et la Chine qui utilise l’IA comme outil de contrôle étatique.
Le chemin qu’il propose est celui de la maîtrise des mécanismes sous-jacents à l’IA, notamment la compréhension du fonctionnement des algorithmes (aujourd’hui, véritable boîte noire comportant des biais voir des discriminations). Une fois ces derniers maitrisés, on va pouvoir augmenter notre propre intelligence. C’est simple… mais cela pourrait être particulièrement efficace. On était venu chercher des visions d’avenir, on rentre avec la mission de maîtriser l’IA. Cela change nos perspectives.
*La sérendipité est le fait de « trouver autre chose que ce que l'on cherchait »
Reto Wyss, a proposé, il y a près de dix ans déjà, d’appliquer à la problématique de la vision en milieu industrielle une toute nouvelle méthode appelée le « machine learning ». Ce fut rapidement un succès probant et important. En 2012, Reto a co-créé ViDi Systems SA, une start-up, dans l’écosystème du Vivier à Fribourg, qui aujourd’hui fait partie du groupe Cognex à BOSTON, leader mondial de la vision industrielle. La compagnie propose un ensemble d’outils software et hardware qui se distingue par une approche simplifiant le contrôle visuel par apprentissage automatique sans nécessiter de programmation à chaque fois nouvelle.
Le logiciel IA (intelligence artificielle) interprète les images d’une série de pièces « bonnes » pour en définir un modèle de référence auquel sont ensuite comparées les pièces produites en grandes séries que l’on désire inspecter. Le modèle inclut les variations liées aux processus de fabrication. Cette découverte est une véritable révolution en milieu industriel mais pas seulement, comme nous le verrons plus loin.
Ainsi, pour une vis par exemple, le modèle est créé en moins de vingt minutes à partir d’une sélection d’images de plusieurs « bons » échantillons mis en rotation sur leur axe. En phase d’inspection, le logiciel rapporte les défauts identifiés (rayures, bosses, taches…) n’importe où à la surface de la vis, avec une acuité jusque-là obtenue uniquement avec l’œil humain, rapporte Reto Wyss.
Inventé et programmé par Reto Wyss, la légende dit qu’il a fait une version bêta en quelques semaines seulement et même s’il y travaille encore aujourd’hui à l’améliorer – ce package qui est maintenant l’œuvre d’une équipe –, permet à tout système de production automatique d’avoir un contrôle expert virtuel souvent meilleur que l’homme car ce dernier est parfois trop versatile. Influencé par son état physique (fatigué ou peu bien) ou mental (mauvaise humeur ou dépressif), l’homme n’agit pas avec constance. Un algorithme digital n’a pas d’état d’âme… Dans ce cas, cela peut être utile !Mais le travail de l’équipe de chercheurs sous la direction de Reto Wyss ne s’arrête pas là. Certes le contrôle automatique de pièces défectueuses est important mais d’autres processus de contrôle visuel se développent pour l’agriculture (contrôle de qualité des fruits par exemple) mais aussi en médecine (comme le contrôle des cellules rouges du sang). L’avenir économique et industriel de tels processus de contrôle par vision automatisée paraît immense, ce d’autant plus que ces fonctions de contrôle, qui est un travail extrêmement répétitif, occupent aujourd’hui des millions de gens dans le monde. Des gains conséquents en productivité sont ainsi prévisibles avec l’usage généralisé des outils mis au point notamment par Reto Wyss et son équipe. Au-delà du contrôle de qualité se profile tout le domaine de la reconnaissance de formes qui va toucher des domaines très variés de l’automatisation des processus industriels. Machine learning, c’est un champ d’étude de l’intelligence artificielle. Cela concerne la conception, l’analyse, le développement et l’implémentation de méthodes permettant à une machine (au sens large) d’évoluer par un processus systématique et ainsi d’exécuter des tâches difficiles ou problématiques à remplir par des moyens algorithmiques plus classiques. Un exemple possible d’apprentissage automatique est celui de la vision : reconnaître un objet et l’associer.
IBM Watson Health est une unité de l’entreprise IBM spécialisée dans l’intelligence artificielle pour la médecine. Que ce soit pour découvrir de nouveaux médicaments ou l’analyse d’images notamment en radiologie ou encore les protocoles en oncologie, Watson agrandit chaque jour son empire médical en développant de nouvelles applications. Watson Health est installé à Boston en face du MIT. Visite avec vingt entreprises de Suisse Romande à la recherche du futur (voir notre rubrique de la semaine dernière).
Saturé d’algorithmes auto-apprenants (« Deep Learning »), cet outil informatique est d’une grande utilité à l’aide au diagnostic pour les médecins qui y ont accès. La compagnie a déjà conclu des contrats de développement avec plus d’une centaine d’hôpitaux aux Etats-Unis, dont la fameuse Cleveland Clinic. L’idée étant que Watson s’attaque, en collaboration étroite avec des professionnels, aux divers aspects de la médecine. Le noyau informatique est au départ le même, puis il évolue selon les tâches à accomplir. Chaque fois, la « machine » est capable d’apprendre des situations nouvelles qui lui sont présentées et perfectionne son raisonnement pour produire des jugements de plus en plus « intelligents ». Ainsi, en multipliant les partenariats et les expériences, Watson s’améliore. De ce fait, il devient clair qu’une branche nouvelle dans le domaine de la santé va s’ouvrir : on pourrait la qualifier de « Deep Health » par analogie à « Deep Learning ». C’est tout simplement la médecine prédictive issue des algorithmes auto-apprenants. Le champ d’investigation est immense et n’a pas d’autres limites que notre imagination. Par exemple, d’un point de vue scientifique, on ne connaît pas très bien les liens entre comportements et santé, qui sont pourtant essentiels. Voilà qui pourrait être un champ de recherche ouvert à l’usage des données issues du Big Data et du « Deep Learning ». C’est sans doute dans le comportemental (le behaviour des Anglo-Saxons) que la médecine prédictive s’exprimera le mieux. En effet, la force de ces technologies comme le Big Data permet d’abord d’exploiter des données non structurées propres aux comportements humains, souvent imprévisibles et chaotiques. Derrière de multiples comportements se cachent les symptômes annonciateurs de nombreuses maladies. Songeons ici à la maladie de Parkinson ou à celle d’Alzheimer : ces deux maladies qui se développent avec le vieillissement de la population sont repérables de manière extrêmement précoce par d’infimes changements de comportements. Ceci est sans doute vrai pour bon nombre d’autres maladies. Encore faut-il disposer des outils de repérage... On va ainsi vers une médecine augmentée des capacités de l’Intelligence Artificielle (IA). C’est cette leçon qu’il faut retenir : l’homme va augmenter très fortement ces « skills » dans toute sorte de domaines pour devenir une sorte de « sur-homme » tant décrit par la science-fiction. On pensait souvent aux Robots pour remplacer l’homme et bien non cela sera un homme augmenté notre avenir ! Plus d’artefacts physiques pour augmenter ses capacités comme la vitesse avec les voitures, nager avec les bateaux, voler avec les avions, mais bien des capacités intellectuelles. On va vers une sorte « d’exosquelette » du cerveau !
Le secteur de l’assurance change. Des start-ups comme Oscar (New York) ou encore les GAFAs comme Amazon (Seattle) dictent le jeu de la transformation. Pascal Marmier de Swiss Re et Evelyn Lager (Babson College) en ont fait une démonstration éblouissante début avril à la Swissnex de Boston devant un parterre d’entrepreneurs suisses romands.Intrigué par leurs propos, on a essayé d’en savoir plus en les questionnant -en catimini- sur les plans d’Amazon dans le domaine de l’assurance. Voilà ce qu’il faut retenir :D’abord, Amazon, le géant du commerce de détail qui a déjà transformé la façon dont les commerçants du monde entier fonctionnent, porte maintenant ses efforts dans l'industrie de la Santé. En lançant HAVEN, l’entité d’assurance du groupe formé par JPMorgan, Berksman et Amazon, ils forcent toutes les grandes entreprises américaines du secteur à bouger. Ainsi deux entreprises américaines CVS et AETNA ont fusionné signalant le début de grandes manœuvres, de changements majeurs dans la façon dont les Américains achèteront à l’avenir des médicaments mais aussi comment ils seront traités face à la maladie, sont désormais à prévoir. En effet, cette nouvelle entité est susceptible de commencer à offrir des services de soins primaires et des suivis médicaux directement à partir de ses pharmacies et « Walk-in » cliniques sans rendez-vous (en Suisse l’équivalent c’est Medbase de Migros). Cette affaire semble être une conséquence directe du penchant d'Amazon pour la perturbation des modèles économiques. Les analystes estiment que CVS a raflé Aetna pour rester compétitif face à Amazon, qui a fait plusieurs démarches cette année pour faire face à la concurrence des compagnies pharmaceutiques. La chaîne d’information CNBC a rapporté que l'entreprise de Seattle cherchait à embaucher un directeur général pour développer une stratégie pour entrer dans le secteur pharmaceutique. C'est chose faite : il s'appelle Dr Gawande. Puis le mot s'est répandu qu’Amazon avait acquis des licences de pharmacie dans une douzaine d'états. C'est chose faite Amazon a acheté PillPack, la plus grosse compagnie de vente en ligne de produits pharmaceutiques. La compagnie a dit qu'elle l'a fait pour vendre des fournitures médicales mais le mouvement positionne Amazon pour vendre des médicaments « on-line », au cas où. Des rapports ont circulé qu’Amazon avait tenu des discussions préliminaires avec les fabricants de médicaments génériques (Mylan et Sandoz). Mais, on ne sait pas si Amazon est intéressé à vendre des médicaments aux consommateurs ou à agir en tant que grossiste en médicaments.De toute façon, les actions récentes de l'entreprise de Seattle ont rendu l'industrie de la pharmacie très nerveuse. "CVS ne l'admettra jamais, mais c'est ce genre de pivot qu'Amazon fait", a déclaré Trip Miller, associé gérant de Gullane Capital Partners, un actionnaire minoritaire d'Amazon à The Street. "Ce qu'ils font maintenant est définitivement basé sur le seul intérêt d'Amazon." Le fait que CVS ait acheté Aetna sans avoir une idée claire des plans d'Amazon est un témoignage de la réputation du géant de la technologie qui secoue des industries allant des livres aux vêtements en passant par la télévision et l'épicerie.Les acteurs de l'industrie savent quand Amazon envisage une nouvelle activité, ceux qui attendent trop longtemps pour réagir vont se retrouver en mauvaise posture.
Si l’on considère les nouveaux moyens électroniques et informatiques (hardware et software) dont dispose l’industrie aujourd’hui, l’usine devra être considérée comme « numérique ». En effet, l’usine moderne est un processus continu dont la chaîne numérique constitue le « système nerveux ».De la conception à la production, de la logistique à l’expérience client... tout y passe. Il n’y a aujourd’hui plus rien qui échappe à la transformation des tâches. C’est cela l’essence même de l’usine numérique : tout est connecté à tout : les gens, les machines et les process. C’est ce qu’offre par exemple la plateforme TULIP, entreprise située à Boston, dans la fabrication d’App pour la production industrielle.Mais la constitution d’un tel processus a nécessité un changement radical dans la conception même de l’organisation de l’usine. Les nouveaux outils numériques sont nombreux : IoT, Sensors/capteurs, chariots et véhicules autonomes, 3D printing, robots et bots, drones, Big Data, Machine Learning (ML), R/V (Réalité Virtuel), etc. mais aussi les plateformes informatiques comme le cloud ou l’edge computing ou encore au niveau des télécoms la 5G. Bref, l’usine se révolutionne partout à la fois, c’est ce qui fait la complexité de la phase de transformation actuelle.Pour y mettre de l’ordre nous proposons une approche organisationnelle en trois étapes :
Avec cette approche méthodologique simple, il est possible à chaque industrie d’évoluer vers le numérique. Il ne faut pas procéder autrement. La tentation de faire des projets complexes et globaux peut rendre caduc toute accumulation d’expériences. À l’heure actuelle, il est bon d’avoir une vision d’avenir pour l’usine connecté mais il faut d’abord faire le pas de la révolution des données et des algorithmes. Apprendre et maîtriser son avance vers l’inconnu.
Depuis la première révolution industrielle la machine a pris une part importante dans la création de richesse de nos économies avancées. Le train, la voiture, l’avion mais aussi les machines à laver, à café, la photocopieuse, le fax puis l’ordinateur, avant l’avènement du téléphone mobile, etc. l’évolution de notre société est ponctuée par l’apparition de nouvelles machines et objets dédiés à notre confort et à l’efficacité du travail. Avec la révolution numérique les choses vont encore changer drastiquement car la plupart des « machines » seront virtuelles. En effet, avec l’intelligence artificielle (IA) on aura avant tout à faire avec des algorithmes de type auto-apprenants qu’on appelle curieusement « machine learning ». Cette appellation n’est en fait pas usurpée car ce sont de véritables machines dont les rouages sont fait d’algorithmes. Tout se passe -symboliquement- avec des données comme matière première, comme l’acier peut l’être dans l’industrie, qui sont transformées, assemblées, packagées et valorisées sous forme de produits commercialisables. L’économie se dématérialise en quelque sorte mais les services et la création de valeur restent bien réels.Et le plus important changement tient dans l’autonomie de la machine. Par exemple la voiture autonome, les drones sans pilote, etc. Mais attention ne pas confondre autonomie et indépendance, car ces « machines » restent pour l’instant dépendantes de l’homme en ce qui concerne leur conception, leur mise en fonction ou leur approvisionnement en énergie (l’homme pouvant heureusement toujours tirer la prise…).Mais la machine après avoir été longtemps sous l’emprise de l’homme s’émancipe. C’est le « marqueur » de notre époque. Les conséquences économiques que cela peut représenter sont encore à venir mais des gains en compétitivité et en productivité vont surgir de l’application de l’IA dans l’industrie et de nouveaux produits vont voir le jour, connectant directement les clients avec les fabricants qui sauront tout de leurs habitudes, comme Google sait tout de nos déplacements et de nos centres d’intérêts. Par exemple, les nouvelles machines-outils auto-apprenantes vont remplacer celles à commande numérique et planifieront leur besoin en maintenance avant que ne survienne une panne et un arrêt de production. On change de génération ! Et les aspects économiques sont tout simplement énormes, les gains dans l’industrie sont estimés à plus de 10'000 Milliards. Il est clair que seuls les industriels qui sauront maîtriser les compétences en IoT (Internet des Objets), en Big Data et en IA, donc en machine learning, seront les vainqueurs de la 4ème révolution industrielle. Reste encore la question de la valorisation par de nouveaux business models industriels. Ils vont aussi devoir changer de paradigmes à l'instar du modèle « Software as a Service », les fournisseurs seront rétribués lorsque leurs machines auront fabriqué les bonnes pièces au bon moment, ce sera l’avènement du « Machine as a Service ». En effet, les chaînes de valeurs digitales et le cloud computing vont également dématérialiser les modèles d’exploitation actuels. Les entreprises établies de longue date devront procéder à d’importants changements et imaginer de nouvelles façons de générer des profits basés sur les données valorisées en services. Comme les sociétés Airbnb et Uber qui ont transformé des "services traditionnels" en industries reposant sur des applications dématérialisées sur le cloud.Il est temps que les entreprises industrielles traditionnelles fassent de même - avant qu'un « nouveau parvenu » ne les déloge !