Partager:

Intelligence artificielle : quelles conséquences pour les PIM, MDM et DAM ?

11 février 2019  Intelligence artificielle
Avatar par Etienne Sola
Image

Les progrès en IA sont impressionnants. Il y a encore des limites mais il est déjà possible de les exploiter pour les solutions de gestion de l’information produit, des données de référence, ou encore dans les systèmes de gestion de patrimoine numérique.

L’IA peut tout faire

L’intelligence artificielle, les médias l’adorent ! Et ils en parlent beaucoup, et notamment des pouvoirs qu’on lui prête. Et pour convaincre les plus réticents, elle a réussi à battre l’Homme au jeu de Go. Un tel exploit était considéré comme impossible pour une machine. Calculer toutes les possibilités de jeu serait trop long et le jeu de Go requiert expérience et intuition... Mais les avancées d’AlphaGo en Deep Learning l’ont emporté.

Grâce à cette avancée technologique majeure, on découvre que l’intelligence artificielle recherche les cancers, conduit des véhicules, dialogue en langage naturel… L’intelligence artificielle fait aussi le café et elle est même le chef du restaurant.


 
Avec de tels progrès, on nous fait croire que l’intelligence artificielle est déjà capable de tout comme programmer à la place de l’homme, composer de la musique ou encore créer des œuvres d’arts. La littérature et les films de science fiction, nous font prendre conscience que le soulèvement des machines se prépare. Skynet va prendre le pouvoir. L’humanité est en danger car elle perd le contrôle de ces machines qui lui sont tellement supérieures.

L’intelligence artificielle ne pense pas

Pourtant l’intelligence artificielle ne pense pas, du moins celle qui fonctionne aujourd’hui. L’IA n’est qu’un système d’algorithmes très avancés qui sont définis et contrôlés par l’homme. L’intelligence artificielle est capable d’exploiter des quantités de données gigantesques (le big data ») pour en extraire des statistiques et des formules mathématiques complexes qui lui permettent de reconnaître et reproduire. Et c’est là toute la différence avec l’Homme. L’IA n’est, encore à ce jour, pas capable de connaitre et produire par elle-même. Et une telle autonomie n’est pas pour demain.
Dans un récente interview, Luc Julia, l’un des concepteurs de l’assistant Siri (Apple), rappelle que "l’intelligence artificielle n’existe pas" comme il l’explique dans un livre du même titre. Il y a encore beaucoup de chemin à parcourir pour que l’intelligence artificielle devienne une véritable intelligence capable de conscience, d’émotions, d’instinct, de travailler dans plusieurs domaines, d’apprendre rapidement par elle-même…


 
Les avancées récentes dans le domaine du machine learning et deep learning sont basées sur un "apprentissage" effectué par la machine. Cet apprentissage requiert des quantités très importantes de données et des itérations très nombreuses pour pouvoir fonctionner. La victoire de DeepMind de Google sur des joueurs professionnels à Starcraft II est un bon exemple : il a fallu l’équivalent de près de 200 ans d’entrainement pour atteindre ce niveau de jeu. Un temps gigantesque qui montre que les humains apprennent, heureusement, beaucoup plus vite. Et ils sont capables de capitaliser leur expérience pour l’utiliser sur de nouveaux sujets (pour apprendre un nouveau jeu vidéo) alors que les intelligences artificielles sont encore spécialisées sur des tâches très précisément définies.

Les PIM / MDM / DAM et l’intelligence artificielle

Aujourd’hui, les solutions de gestion de l’information produit (GIP ou PIM), des données de référence (MDM) et les systèmes de gestion de patrimoine numérique (DAM) permettent de centraliser des quantités importantes d’information (caractéristiques techniques, logistiques, marketing, tarifaires…). L’objectif est d’accroître la qualité de l’information et la publier efficacement sur différents canaux.

Utiliser l’intelligence artificielle dans ces solutions promet de résoudre tous les problèmes rencontrés lors de la mise en œuvre de ces outils logiciels. En effet, ces systèmes permettent d’organiser l’information avec un grand niveau de finesse à l’aide de nombreuses métadonnées. La qualité de l’information provient avant tout de ce que les utilisateurs fournissent : un prix erroné, une image incohérente, un doublon de fiche ou encore des propriétés incomplètes... tous ces problèmes sont engendrés par une mauvaise saisie de l’information.

Avec l’IA, on pourrait avoir un système intelligent capable de relire toutes ces informations et identifier ce qui ne va pas, corriger les erreurs et, mieux encore, saisir les données.

Les dernières technologies autorisent déjà une partie de ces actions. Aujourd’hui, le système peut analyser vos images et les comparer à vos descriptions produits, traduire automatiquement les textes, analyser les données et les comparer pour en déduire des règles statistiques et identifier les éléments qui ne les respectent pas.

Pour effectuer correctement de telles actions, il faudra s’appuyer sur des "bases de connaissances" existantes (comme "Google Translate", un système d’intelligence artificielle qui a déjà appris à traduire dans de nombreuses langues) ou élaborer votre propre base de connaissances. Dans ce cas, la tâche est complexe car, pour que cette base soit exploitable, elle doit contenir un très grand volume de données de très bonne qualité. Tout le monde ne dispose pas de dizaines voire centaines de milliers de fiches produits homogènes et de qualité constante pour entraîner son système :
  • Si la qualité des données est incertaine ou trop fluctuante, l’apprentissage le sera aussi et il ne produira pas de bons résultats,
  • Si la quantité de données est insuffisante, l’apprentissage ne pourra aboutir,
  • Si l’ensemble des éléments à traiter est trop hétérogène, aucune "tendance statistique" ne s’en dégagera correctement.
Ainsi, l’élaboration des jeux d‘entraînement et de contrôle est une tâche très délicate. Elle nécessite l’aide de spécialistes (les fameux data scientists). C’est la tâche la plus chronophage dans les projets de machine learning.

Quant à la capacité des machines à saisir les données ou choisir les bonnes images, tout dépend de l’objectif recherché :
  • Préparer des descriptions longues à partir de différentes caractéristiques ou associer automatiquement des images aux bons produits sur la base de leurs métadonnées : c’est déjà possible avec des algorithmes "traditionnels". Ce que l’IA pourrait faire en complément c’est, à partir de milliers de fiches produits, analyser comment l’humain l’a fait pour en déduire les règles à appliquer. L’utilité est moindre car les utilisateurs sont généralement capables de formuler ces règles directement.
  • Rédiger des textes marketing appropriés ou choisir l’image la plus valorisante pour présenter un produit : de telles actions sont subjectives et font appel à l’intuition. Il faut avoir "l’intelligence des situations". L’intelligence artificielle actuelle ne l’a pas.

Exploiter les progrès en IA dans le domaine des PIM / MDM / DAM est déjà possible. Il y a encore des limites mais elles sont repoussées un peu plus chaque jour.


A lire aussi
Peut-on faire confiance à l’IA
Intelligence artificielle

Peut-on faire confiance à l’IA pour améliorer la qualité des données produit ?

Dans le domaine de la gestion de la qualité de l’information produit, introduire de l’IA impose de porter une attention particulière à l’interaction entre l’IA et l’humain, pour préserver la confiance.

Lire la suite