Prochain webinar le 18/01/2022 à 12h30  "Comment faire des dashboards vraiment efficaces ?" 👉 En savoir plus
logo emil

Table des matières

Data

Librairies IA open source : comment rendre accessible l'intelligence artificielle ?

December 21, 2021

✋ Recevez vos accès au reste des cours
Pour recevoir instantanément (et gratuitement) vos accès à l'ensemble des cours c'est par ici !
Merci ! Vous allez recevoir vos accès par email.
Il y a l'air d'avoir une erreur avec votre adresse email !
✋ Recevez en exclusivité nos prochains articles Data.
Inscrivez-vous à notre newsletter.
Merci ! On vous écrit très vite !
Il y a l'air d'avoir une erreur avec votre adresse email !
ia open source

Et si l'IA était plus accessible que ce qu'on pensait ?

Je vous en parlais dans cet article, les inconvénients de l'intelligence artificielle sont nombreux.

Alors tout de suite, vous vous dites "On ne peut juste pas utiliser tout ça, c'est fini, c'est réservé à une poignée d'élites."

J'ai une bonne nouvelle pour vous. Et cette bonne nouvelle ce sont les outils open source d'intelligence artificielle. Ces nouvelles solutions démocratisent la pratique et permettent de s'en sortir sans avoir suivi un PHD en data science à Stanford.

La popularité de Python permet le développement de librairies d'IA open source

Python est le langage par excellence de l'intelligence artificielle. Et c'est aussi le 2e langage de programmation le plus utilisé au monde !

D'abord, sa syntaxe très simple le rend accessible par des personnes sans profil ingénieur. Ensuite, il est flexible : en tant que langage dynamique, aucune règle figée ne bride le développement de fonctionnalités ou la résolution de problèmes. Enfin, de par sa popularité, on trouve quantité de ressources pour éviter de partir de zéro, comme les fameuses librairies d'IA open source.

Ces fameuses librairies de deep learning recensent plusieurs algorithmes, proposés en open source, par des acteurs plus avancés sur ces sujets.

TensorFlow et Pytorch sont les plus connues, tandis que d'autres librairies plus spécifiques font aussi leur apparition, comme Huggingface, la librairie nlp (traitement du langage), Prohet pour la prédiction de séries temporelles par Facebook ou encore l'algorithme H3 de géolocalisation d'Uber.

Grâce à cette technologie, vous accédez à un très grand nombre d'algorithmes déjà entraînés pour vous !

Google propose sa librairie IA en open source pour accélérer son apprentissage

Mais pourquoi les entreprises mettent-elles gratuitement leurs librairies à disposition ? Revenons sur l'exemple de TensorFlow.

Aujourd’hui, les smartphones et les ordinateurs actuels ont un niveau d’intelligence équivalent à celui d’un enfant de 4 ans, et Google souhaite faire évoluer l’IA rapidement. C’est pourquoi, l'entreprise a mis en open source TensorFlow, leur outil d’IA, en espérant que les développeurs du monde entier le fassent évoluer.

Si seules les équipes de Google utilisaient TensorFlow alors ils seraient déjà capables d’entrainer X fois l’algorithme tous les jours. Mais si des centaines d'applications l'utilisent en plus de Google, c’est autant de nouvelles possibilités d’entrainements et donc une évolution beaucoup plus rapide..

Les équipes de Google l'utilisent notamment pour la reconnaissance vocale dans l’application Google, pour Smart Reply dans Inbox pour Gmail, pour la recherche dans Google Photos et dans la recherche web avec RankBrain.

Il s'agit d'une librairie codée en Python qui fournit une API pour les utilisateurs qui voudraient utiliser des techniques de machine learning. Ce sont en fait des fonctions mathématiques et de méthodes de calcul qui permettent de développer des fonctions d’apprentissage par la machine à adapter à chaque cas de figure.

Deux options pour utiliser les algorithmes open source d'intelligence artificielle

Une fois que vous accédez à la librairie d'IA open source, vous avez deux options.

Soit vous utilisez un algorithme déjà entraîné.

Par exemple, si vous souhaitez différencier des chiens et des chats, vous pouvez facilement utiliser un algorithme existant.

Soit vous utilisez le transfert learning.

Vous utilisez un algorithme entraîné pour une tâche qui n'est pas forcément la même que celle pour laquelle il a été créé. Vous allez donc l'entraîner pour votre cas spécifique.

Si un algorithme peut reconnaître des objets sur une image, alors il peut aussi distinguer des voitures jaunes de voitures rouges.

Par exemple, les algorithmes GPT 3 dont je parlais dans cet article comprennent globalement le texte et peuvent donc être utilisés pour de la traduction, de la rédaction de résumé ou de la prédiction de mots.

Les logiciels d'analyse constituent un premier pas vers l'intelligence artificielle

Aujourd'hui, vous pouvez déjà utiliser des logiciels d'analyse poussée, comme Dataiku, qui permettent de coordonner toutes les tâches liées à l'intelligence artificielle : entraînement, prédiction et mise à disposition.

L'objectif est de faciliter la mise en production.

Si vous ne savez pas quel algorithme utiliser pour répondre à votre problématique, ces outils permettent aussi de pratiquer l'auto Machine Learning. Vous leur indiquez simplement ce que vous cherchez à faire et ils testent algorithmes et paramètres pour vous trouver la meilleure solution.

Toutefois, les logiciels d'analyse ne sont pas encore totalement accessibles aux plus novices.

C'est pour cette raison que je vous présente dans mon dernier article de la série, les solutions SaaS dédiées à l'intelligence artificielle réellement accessibles.

✋ Recevez vos accès au reste des cours
Pour recevoir instantanément (et gratuitement) vos accès à l'ensemble des cours c'est par ici !
Merci ! Vous allez recevoir vos accès par email. 
Il y a l'air d'avoir une erreur avec votre adresse email !

Vous souhaitez en savoir plus sur le programme

Python & Machine Learning
En savoir plus

Pour aller plus loin