Intelligence Artificielle : Guide du débutant

Tout le monde parle d'intelligence artificielle. C'est compréhensible - après tout, il existe soudainement des outils gratuits (ou bon marché) facilement disponibles pour créer une variété de contenus générés par l'IA, y compris du texte et des images, dans une gamme illimitée de styles, et apparemment en quelques secondes.

Bien sûr, c'est excitant.

Mais arrêtez-vous un instant et posez-vous quelques questions :

• Est-ce que je sais vraiment ce qu'est l'IA ?
• Est-ce que je sais depuis combien de temps il existe ?
• Est-ce que je connais la différence, le cas échéant, entre l'IA et l'apprentissage automatique ?
• Et est-ce que je sais ce qu'est l'apprentissage en profondeur ?

Si vous avez répondu par l'affirmative à toutes ces questions, cet article n'est peut-être pas pour vous. Si vous avez hésité sur certains d'entre eux, lisez la suite.

La révolution de l'IA commence... maintenant ?

Commençons par remplir certains contextes.

L'IA est-elle quelque chose de nouveau ?

Non. Conceptuellement, au moins, l'IA remonte à 1950 (nous en reparlerons plus tard). En tant qu'activité pratique, il a commencé à prospérer dans les années 1960 et 1970 à mesure que les ordinateurs devenaient plus rapides, moins chers et plus largement disponibles.

L'IA dans le marketing est-elle quelque chose de nouveau ?

Non. Il convient de garder à l'esprit que l'IA a depuis longtemps de très nombreuses applications dans le marketing autres que la création de contenu. Les recommandations de contenu et les recommandations de produits sont alimentées par l'IA depuis des années. L'analyse prédictive - utilisée pour prédire le comportement des utilisateurs sur la base de grands ensembles de données de comportement passé, ainsi que pour prédire la meilleure action suivante (lui montrer un livre blanc pertinent, lui montrer une casquette de baseball rouge, envoyer un e-mail) - a été AI -alimenté depuis longtemps.

Des fournisseurs bien connus intègrent l'IA dans leurs solutions depuis près d'une décennie. Adobe Sensei et Salesforce Einstein datent de 2016. L'implication d'Oracle dans l'IA remonte au moins aussi loin et probablement plus loin ; il ne lui a juste jamais donné un nom mignon. Pega est un autre déployeur vétéran de l'IA, qui l'utilise d'abord pour prédire les prochaines meilleures actions dans son offre de gestion des processus métier, puis dans sa plate-forme CRM.

Eh bien… l'IA générative est-elle quelque chose de nouveau ?

IA générative. IA conversationnelle. Outils d'écriture IA. Toutes les phrases du moment, toutes se chevauchant dans le sens. L'IA générative génère des textes (ou des images, voire des vidéos). L'IA conversationnelle génère des textes en interaction avec un interlocuteur humain (pensez aux chatbots alimentés par l'IA). Les outils d'écriture IA visent à créer des textes personnalisés à la demande. Toutes ces solutions utilisent, dans un sens ou dans un autre, des "invites", c'est-à-dire qu'elles attendent qu'on leur pose une question ou qu'on leur définisse une tâche.

Tout cela est-il nouveau ? Non. Ce qui est nouveau, c'est sa large disponibilité. Le traitement du langage naturel (NLP) et la génération du langage naturel (NLG) existent depuis des années maintenant. Le premier désigne une interprétation de textes alimentée par l'IA ; ce dernier, la création de textes alimentée par l'IA. Dès 2015, sur la base de mes propres rapports, NLG, alimenté par l'IA, créait des rapports écrits pour les médecins et pour les opérations industrielles - et générait même des prévisions météorologiques pour le Met Office, le service météorologique national du Royaume-Uni.

Données entrantes, texte sortant. Tout simplement pas aussi largement disponible que quelque chose comme ChatGPT.

Vidéo aussi. Au moins en 2017, l'IA était utilisée pour créer, non seulement du contenu vidéo personnalisé, mais individualisé - généré lorsque l'utilisateur clique sur lecture, si rapidement qu'il semble être diffusé à partir d'une vidéothèque existante. Encore une fois, pas largement disponible, mais plutôt une offre d'entreprise coûteuse.

Creusez plus profondément : ChatGPT : Guide du marketing

Qu'est-ce que l'IA : la version simplifiée

Expliquons-le de fond en comble.

Commencez par les algorithmes

Un algorithme peut être défini comme un ensemble de règles à suivre dans des calculs ou d'autres opérations de résolution de problèmes ou d'exécution de tâches, en particulier par un ordinateur. « algorithme » vient-il du grec ? Non, c'est en fait une partie du nom (al-Khwārizmī) d'un mathématicien arabe ^{du 9ème} siècle. Mais cela n'a pas d'importance.

Ce qui compte, c'est que l'utilisation d'algorithmes pour un calcul ou une tâche n'est pas - répétez, pas - la même chose qu'utiliser l'IA. Un algorithme est facilement créé ; prenons un exemple simple. Supposons que je gère une librairie en ligne et que je souhaite proposer des recommandations de produits. Je peux écrire une centaine de règles (algorithmes) et entraîner mon site Web à les exécuter. "Si elle cherche Jane Austen, montrez-lui également Emily Brontë." "S'il recherche des livres de la Première Guerre mondiale, montrez-lui également des livres de la Seconde Guerre mondiale." "S'il cherche Agatha Christie, montrez-lui d'autres romans policiers."

J'aurai besoin que mes volumes de romans policiers soient étiquetés de manière appropriée, bien sûr, mais jusqu'à présent, c'est facile. D'une part, ce sont de bonnes règles. En revanche, ce ne sont pas des règles « intelligentes ». C'est parce qu'ils sont gravés dans le marbre à moins que je revienne et que je les change. Si les personnes à la recherche de livres sur la Première Guerre mondiale ignorent systématiquement les livres sur la Seconde Guerre mondiale, les règles ne s'apprennent pas et ne s'adaptent pas. Ils continuent bêtement à faire ce qu'on leur a dit de faire.

Maintenant, si j'avais les ressources d'Amazon, je rendrais mes règles intelligentes, c'est-à-dire capables de changer et de s'améliorer en réponse au comportement des utilisateurs. Et si j'avais la part de marché d'Amazon, j'aurais un déluge de comportements d'utilisateurs dont les règles pourraient s'inspirer.

Si les algorithmes peuvent apprendre par eux-mêmes - avec ou sans supervision humaine - nous avons l'IA.

Mais attendez. N'est-ce pas juste du machine learning ?

IA contre apprentissage automatique

Pour le puriste, l'IA et l'apprentissage automatique ne sont pas la même chose à l'origine. Mais - et c'est un gros mais - les termes sont utilisés de manière si interchangeable qu'il n'y a pas de retour en arrière. Au lieu de cela, le terme "IA générale" est utilisé lorsque les gens veulent parler d'IA pure, d'IA dans son sens originel.

Revenons à 1950 (je vous avais prévenu que nous le ferions). Alan Turing était un brillant informaticien. Il a aidé les Alliés à battre les nazis grâce à son travail de renseignement de craquage de code. Sa récompense fut d'être abominablement traité par la société britannique pour son homosexualité (toujours illégale), traitement qui se solda par des excuses officielles du Premier ministre Gordon Brown, plus de 50 ans après sa mort : « Au nom du gouvernement britannique, et de tous ceux qui vivent librement grâce au travail d'Alan, je suis très fier de dire : nous sommes désolés. Tu méritais tellement mieux.

Et l'IA alors ? En 1950, Turing a publié un article historique, "Machines informatiques et intelligence". Il l'a publié, non pas dans une revue scientifique, mais dans la revue de philosophie "Mind". Au cœur de l'article se trouve une sorte d'expérience de pensée qu'il a appelée "le jeu de l'imitation". Il est maintenant largement connu sous le nom de "test de Turing". Dans les termes les plus simples, il propose un critère pour l'intelligence artificielle (ou artificielle). Si un interlocuteur humain ne peut pas faire la différence entre les réponses à ses questions d'une machine et les réponses d'un autre être humain, nous pouvons attribuer l'intelligence à la machine.

Bien sûr, il y a beaucoup, beaucoup d'objections à la proposition de Turing (et son test n'est même pas intelligemment conçu). Mais cela a lancé la quête pour reproduire - ou du moins créer l'équivalent de - l'intelligence humaine. Vous pouvez considérer IBM Watson comme une poursuite continue de cet objectif (bien qu'il ait de nombreux cas d'utilisation moins ambitieux et plus rentables).

Personne ne pense vraiment qu'une machine de recommandation de produits de type Amazon ou un moteur de création de contenu de type ChatGPT est intelligent à la manière des humains. D'une part, ils sont incapables de savoir ou de se soucier de savoir si ce qu'ils font est bien ou mal - ils font ce qu'ils font sur la base de données et de statistiques prédictives.

En fait, toute l'IA dont il est question ici relève en fait de l'apprentissage automatique. Mais nous n'empêcherons personne de l'appeler IA. Quant à la poursuite de l'IA au niveau humain ou "générale", il y a de bonnes raisons de penser que ce n'est pas juste au coin de la rue. Voir, par exemple, « Le mythe de l'intelligence artificielle : Pourquoi les ordinateurs ne peuvent pas penser comme nous le faisons » d'Erik J. Larson.

Qu'en est-il de "l'apprentissage en profondeur" ?

"Apprentissage en profondeur" est un autre terme lié à l'IA que vous pourriez rencontrer. Est-ce différent de l'apprentissage automatique ? Oui c'est le cas; c'est un grand pas au-delà de l'apprentissage automatique et son importance est qu'il a considérablement amélioré la capacité de l'IA à détecter des modèles et donc à gérer les images (et la vidéo) avec autant de compétence qu'elle gère les chiffres et les mots. Cela devient compliqué; voici la version courte.

L'apprentissage en profondeur est basé sur un réseau de neurones, une couche de neurones artificiels (bits de mathématiques) qui sont activés par une entrée, communiquent entre eux à ce sujet, puis produisent une sortie. C'est ce qu'on appelle la "propagation vers l'avant". Comme dans l'apprentissage automatique traditionnel, les nœuds découvrent la précision de la sortie et ajustent leurs opérations en conséquence. C'est ce qu'on appelle la "rétropropagation" et entraîne l'entraînement des neurones.

Cependant, il y a aussi une multiplication de ce qu'on appelle les « couches cachées » entre la couche d'entrée et la couche de sortie. Pensez à ces couches littéralement empilées : c'est simplement pourquoi ce type d'apprentissage automatique est appelé "profond".

Une pile de couches réseau s'avère tout simplement bien meilleure pour reconnaître les modèles dans les données d'entrée. L'apprentissage en profondeur aide à la reconnaissance des modèles, car chaque couche de neurones décompose des modèles complexes en modèles de plus en plus simples (et il y a aussi ce processus de formation par rétropropagation).

Existe-t-il des fournisseurs d'IA dans l'espace martech ?

Cela dépend de ce que vous voulez dire.

Fournisseurs utilisant l'IA

Il y a environ 11 000 vendeurs dans l'espace martech. Beaucoup d'entre eux, peut-être la plupart d'entre eux, utilisent l'IA (ou peuvent faire valoir que c'est ce qu'ils font). Mais ils n'utilisent pas l'IA pour elle-même. Ils l'utilisent pour faire quelque chose.

• Pour créer des recommandations commerciales.
• Pour rédiger les lignes d'objet des e-mails.
• Pour recommander les prochaines meilleures actions aux spécialistes du marketing ou aux commerciaux.
• Pour alimenter les chatbots.
• Rédiger un texte publicitaire.
• Générer du contenu pour des tests multivariés à grande échelle.

La liste est interminable.

Ce que je veux dire, c'est que l'IA est un peu comme le sel. Le sel est ajouté aux aliments pour leur donner un meilleur goût. La plupart d'entre nous, au moins, aiment l'utilisation appropriée du sel dans notre alimentation. Mais qui dit jamais, "Je vais avoir du sel pour le dîner," ou "J'ai envie d'une collation; Je vais prendre du sel.

Nous mettons du sel dans les aliments. Nous mettons l'IA dans la technologie marketing. Mis à part, peut-être, à des fins de recherche, le sel et l'IA ne sont pas beaucoup utilisés seuls.

Alors oui, il existe d'innombrables fournisseurs de martech utilisant l'IA. Mais y a-t-il des vendeurs de martech qui vendent l'IA en tant que produit indépendant ?

Vendeurs vendant de l'IA

La réponse est, dans l'espace martech, très peu. L'IA en tant que produit signifie vraiment un logiciel d'IA conçu par des ingénieurs qui peut ensuite être intégré et utilisé dans le contexte d'une autre solution. Il est facile de trouver des fournisseurs d'ingénierie qui vendent des logiciels d'IA, mais pour la plupart, ils vendent aux organisations informatiques plutôt qu'aux organisations de marketing, et les vendent pour être utilisés à des fins de back-office très variées plutôt que pour permettre le marketing ou ventes.

Il existe une ou deux exceptions, ciblant clairement leurs produits sur les spécialistes du marketing. Pas assez, cependant, pour créer une catégorie peuplée dans un paysage technologique marketing.

Nous avons gratté la surface

C'est tout ce que cet article est destiné à faire : gratter la surface d'un sujet extrêmement complexe avec une riche histoire derrière et un avenir imprévisible. Il y a bien sûr des questions éthiques à aborder, comme les cas presque inévitables où les modèles d'apprentissage automatique seront formés sur des ensembles de données biaisés, ainsi que le plagiat tout aussi inévitable du contenu humain par l'IA générative.

Mais j'espère que cela suffit à mâcher pour l'instant.