Familles de capacités et modalités

Ce que l'IA fait bien ici, ce qu'elle fait mal

Ce qu'elle fait bien

• Classer dans des catégories stables: elle trie des milliers de tickets selon des catégories fixées d'avance.
• Prédire une grandeur qui se répète: elle estime les appels de la semaine prochaine à partir de trois ans d'historique.
• Détecter un écart à la norme: elle signale la facture qui ne ressemble à aucune des précédentes.
• Recommander dans un grand catalogue: elle propose l'option que des profils semblables ont retenue.
• Passer d'un format à l'autre: elle transcrit un message vocal ou décrit une image en texte.

Ce qu'elle fait mal

• Répondre «aucune catégorie»: un modèle entraîné sur trois classes range tout cas dans l'une des trois.
• Prédire une rupture: un modèle appris sur l'historique manque le changement que l'historique ne contient pas.
• Recommander l'inédit: elle reproduit les choix passés et propose rarement ce que personne n'a choisi.
• Optimiser un objectif incomplet: le calcul respecte les contraintes écrites et viole celles que personne n'a formulées.
• Traiter une entrée mal captée: un audio bruité ou une photo floue fausse chaque étape qui suit.
• Passer de la démonstration à vos documents: un modèle qui réussit sur les exemples d'un catalogue peut échouer sur vos données.

Les familles de capacités

Une famille de capacités regroupe les systèmes d'IA selon ce qu'ils rendent au métier.

Ce classement sert l'analyste quand il écrit le besoin. «Il nous faut de l'IA pour les factures» ne dit rien. «Il faut détecter les factures fournisseurs inhabituelles avant le paiement» nomme le résultat attendu. La solution devra prouver ce résultat.

Une optimisation se calcule le plus souvent par un solveur. Le solveur n'apprend pas. Vous en trouverez un exemple dans la fiche Optimisation. Le résultat «Générer» vient le plus souvent du deep learning. Le deep learning est une forme de machine learning qui repose sur des réseaux de neurones à nombreuses couches. Pour distinguer la règle, le machine learning et le génératif, voyez Qu'est-ce que l'IA?

Aucune norme ne fixe ces six familles. Les plateformes de machine learning (Azure Machine Learning, Amazon SageMaker) rangent leurs algorithmes par type de problème: classification, régression, prévision, détection d'anomalies, recommandation, segmentation (clustering). La segmentation regroupe des cas semblables sans catégories fixées d'avance. Vous la trouverez dans la fiche Data mining.

Prédire recouvre en partie classer. Quand la prédiction porte sur un nombre (un volume, un délai), les plateformes parlent de régression ou de prévision. Quand elle dit si un événement aura lieu (par exemple le retard d'une livraison), elle classe une issue future.

Le mot «détection» change aussi de sens selon le domaine. En vision par ordinateur, la détection d'objets localise un objet dans l'image. Elle ne dit rien d'une anomalie.

Les modalités: le format des données

Texte, image, audio et vidéo appellent chacun leurs propres opérations. Un texte se classe, s'extrait, se résume. Un son se transcrit. Une vidéo se découpe en séquences. Une tâche multimodale combine plusieurs formats: une photo de compteur et une question écrite donnent une réponse en texte.

Les lignes et colonnes d'un tableau forment un format de plus. Les catalogues le nomment données tabulaires. La plupart des prédictions et des détections d'anomalies en entreprise travaillent sur ce format.

Le traitement automatique du langage naturel (NLP, Natural Language Processing) désigne le domaine des données en langue humaine: mots, phrases, contexte. La vision par ordinateur désigne celui des images et des vidéos. La méthode reste à choisir: un filtre par mots-clés relève du NLP au même titre qu'un modèle de langage. Une règle sur la couleur d'un pixel relève aussi de la vision.

Hugging Face est une plateforme qui héberge des modèles d'IA. Son catalogue Tasks range la plupart de ses tâches par modalité (texte, vision, audio, tabulaire, multimodal). La rubrique Reinforcement Learning nomme une méthode: le catalogue mélange lui-même deux des trois étiquettes. Chaque carte décrit une tâche, jamais un produit fini. Son titre nomme souvent la transformation: Image-to-Text, Text-to-Speech. Plusieurs modèles accomplissent la même tâche avec des résultats inégaux.

Le catalogue montre ce qui est techniquement possible. Il ne dit pas si une tâche sert votre métier ni ce que vaut un modèle sur vos données.

Du pixel à la catégorie

Un modèle qui classe des images reçoit des nombres (les pixels) et rend un score par catégorie. CNN Explainer est un outil conçu par des chercheurs de Georgia Tech et d'Oregon State University. Il montre ce trajet sur un petit réseau de neurones convolutif. Ce type de réseau est courant en vision. À gauche, l'outil décompose l'image d'entrée en trois canaux de couleur: rouge, vert, bleu. Au centre, les premières couches réagissent à des motifs simples: les bords et les contrastes. Les couches suivantes les combinent en formes. À droite, chacune des dix catégories reçoit un score.

La catégorie au score le plus haut l'emporte. Ce score reste une estimation. Le métier fixe le seuil au-dessous duquel une personne reprend le cas. Vous trouverez comment le choisir dans la fiche Data mining.

Le jeu Quick, Draw! de Google rend cette estimation visible. Le joueur dessine un objet en vingt secondes. Le modèle annonce ses hypothèses à mesure que le trait avance. Une forme à moitié tracée reçoit une mauvaise catégorie puis une autre. Le modèle suit la forme du dessin, jamais l'intention du joueur.

Google publie aussi Teachable Machine. L'utilisateur y entraîne son propre classement dans le navigateur. Il crée deux catégories (par exemple une tasse et un stylo) et fournit les exemples par la webcam ou par des photos. Il teste ensuite le modèle sur un angle nouveau. Un fond, un éclairage ou une position différente révèle ce que le modèle a appris à la place de l'objet. Présentez-lui un troisième objet: il le range quand même dans l'une des deux catégories. Entraînez-le sur des objets. N'y mettez ni visage ni document qui contient des données personnelles.

Un cas porte plusieurs étiquettes

Un système se décrit par trois étiquettes: la famille de son résultat, la modalité de ses données et sa méthode.

Le deuxième cas accepte deux familles. La distinction tient aux exemples que l'atelier peut réunir. Avec une série de photos de chaque défaut, le système classe chaque pièce: conforme, rayure, bavure. Avec des milliers de photos de pièces conformes et presque aucune de défaut, il apprend la pièce conforme et signale celle qui s'en écarte: il détecte.

Le quatrième cas enchaîne deux tâches sur deux modalités. La transcription change le format des données. Elle figure parmi les opérations de l'audio. Elle n'appartient à aucune des six familles. Le résultat rendu au métier reste un classement. Une erreur de transcription sur un nom de rue ou un numéro de dossier passe telle quelle au classement. L'équipe mesure donc chaque étape à part sur un échantillon de messages réels qui inclut les accents régionaux.

Le cinquième cas classe sans IA. La famille ne dit pas si le système apprend: une exigence écrite «classer les factures en retard» laisse la méthode ouverte. Qu'est-ce que l'IA? dit quand une règle suffit.

Vérifier le résultat

L'analyste applique cette liste à la description d'un besoin ou d'une solution d'IA.

• Le besoin nomme-t-il le résultat attendu par un verbe: classer, prédire, recommander, détecter, optimiser, générer?
• Chaque étape d'une chaîne a-t-elle son format d'entrée et son format de sortie?
• La méthode est-elle décrite à part du résultat et des données?
• Un classement prévoit-il une issue pour le cas qui n'entre dans aucune catégorie?
• Le seuil qui transforme un score en décision est-il fixé par le métier?
• Les exemples d'entraînement couvrent-ils les angles, les formats et les conditions de production?
• L'équipe a-t-elle rejoué sur ses données la démonstration vue sur un catalogue?

Techniques liées

• Data mining: la classification, la régression, la segmentation, la détection d'anomalies sur des données tabulaires et le seuil qui transforme un score en décision.
• Optimisation: le solveur qui calcule le résultat de la famille Optimiser à partir des contraintes que l'analyste élicite.
• Analyse exploratoire des données: établir ce qu'un jeu de données permet de prédire avant d'entraîner un modèle.
• Courbe de lift et courbe de gains cumulés: lire les scores d'un classement pour décider jusqu'où agir.