Qu'est-ce que l'IA prédictive ?

L'intelligence artificielle (IA) prédictive fait référence à l'utilisation de l'apprentissage automatique pour identifier des logiques dans les événements passés et faire des prédictions sur les événements futurs.

Objectifs d’apprentissage

Cet article s'articule autour des points suivants :

  • Définir l'IA prédictive
  • Expliquer les concepts fondamentaux qui rendent possible l'IA prédictive
  • Opposer l'IA prédictive à l'IA générative

Contenu associé


Vous souhaitez continuer à enrichir vos connaissances ?

Abonnez-vous à theNET, le récapitulatif mensuel de Cloudflare des idées les plus populaires concernant Internet !

Consultez la politique de confidentialité de Cloudflare pour en savoir plus sur la manière dont nous collectons et traitons vos données personnelles.

Copier le lien de l'article

Qu'est-ce que l'IA prédictive ?

L'intelligence artificielle (IA) prédictive correspond à la capacité d'un programme informatique à identifier des modèles, anticiper des comportements et prévoir des événements futurs en s'appuyant sur l'analyse statistique. Le domaine des statistiques est utilisé depuis longtemps pour établir des prévisions sur l'avenir ; l'IA prédictive rend l'analyse statistique plus rapide et (théoriquement) plus précise grâce à l'apprentissage automatique et aux grandes quantités de données auxquelles elle a accès. L'exactitude des prédictions n'est certes pas garanties, toutefois avec l'IA prédictive les entreprises bénéficient d'une aide pour préparer l'avenir et personnaliser l'expérience de leurs clients.

Imaginez que Joey est un pêcheur qui a besoin de connaître le temps qu'il fera avant de partir en mer. Au cours des derniers mois, chaque fois que Joey a vu un ciel rouge le matin, il a essuyé une tempête. Joey en arrive à la conclusion que chaque fois qu'il voit un ciel rouge, il doit y voir le signe précurseur d'une tempête qui se prépare. L'IA prédictive parvient à des conclusions similaires, à la différence près qu'elle analyse des milliers de facteurs (et pas simplement la couleur du ciel) et des décennies de données (au lieu de quelques mois).

L'IA prédictive n'est qu'une des nombreuses capacités offertes par l'IA, qui désigne un ensemble d'aptitudes dont les ordinateurs peuvent être dotés et qui leur permettent d'imiter les facultés intellectuelles humaines.

Comment fonctionne l'IA prédictive ?

Big data

Dans le domaine des statistiques, plus les données sont nombreuses, plus l'analyse est précise. Par exemple, un sondage d'opinion doit justifier d'un nombre minimum de participants pour être considéré comme fiable, et les études scientifiques doivent être répétées plusieurs fois pour être considérées comme statistiquement significatives.

De la même façon, l'IA prédictive implique l'accès à de grandes quantités de données, souvent appelées « big data ». Plus les données fournies sont nombreuses, meilleures sont les prédictions. Un sondage d'opinion peut avoir quelques milliers de participants. Un modèle prédictif d'IA peut réunir des milliers, voire des millions de sondages d'opinion réalisés dans le passé pour établir des prédictions sur l'opinion publique ou les élections à venir.

Apprentissage automatisé

L'apprentissage automatique est un sous-ensemble de l'IA. Il s'agit d'une méthode permettant d'entraîner un programme informatique à identifier des données sans intervention humaine. Avec suffisamment d'exemples de comportements d'utilisateurs sur un site web, par exemple, un modèle d'apprentissage automatique peut apprendre à distinguer le trafic automatisé des bots du trafic humain sur le site web. Ou encore, avec suffisamment de photos d'un ciel et d'informations sur la météo, un modèle d'apprentissage automatique peut apprendre à identifier un ciel « rouge » et à associer certains types de ciels à un temps orageux.

Dans l'IA prédictive, l'apprentissage automatique est appliqué aux vastes collections de données décrites précédemment. Un modèle prédictif d'IA peut traiter d'énormes ensembles de données sans supervision humaine.

Identifier des logiques

Exactement comme Joey, le pêcheur, qui a associé la vue d'un ciel rouge à la préparation d'une tempête à venir, l'IA prédictive apprend à associer certains types de données ou certaines occurrences. L'IA prédictive peut examiner des centaines, voire des milliers de facteurs pour identifier des logiques récurrentes, indiquant potentiellement des événements susceptibles de se reproduire à l'avenir.

Quels sont les scénarios d'utilisation de l'IA prédictive les plus courants ?

Les applications de l'IA prédictive sont vastes et variées. Avoir une idée de ce qui va se passer dans le futur peut être un énorme avantage pour un entreprise, quand bien même ces prédictions ne sont pas toujours exactes. Voici quelques-uns scénarios possibles d'utilisation de l'IA prédictive :

  • Gestion des stocks : l'IA prédictive peut contribuer à déterminer les périodes où la demande des consommateurs est susceptible d'être plus élevée et où une marque ou un magasin doit prévoir plus d'articles en stock.
  • Gestion de la chaîne d'approvisionnement  : de la même façon, l'IA prédictive peut identifier les périodes d'encombrement des routes ou encore les moments où il serait judicieux de prévoir davantage de camions pour répondre aux pics de la demande des utilisateurs.
  • Expérience utilisateur personnalisée : l'IA prédictive anticipe le comportement de l'utilisateur en fonction de ses activités passées.
  • Santé : avec suffisamment de données, l'IA prédictive pourrait prévoir les futurs problèmes de santé potentiels sur la base des antécédents médicaux d'une personne. (Les données relatives à la santé sont évidemment soumises à des cadres réglementaires stricts tels que l'HIPAA).
  • Campagnes de marketing : tout comme l'IA prédictive peut anticiper le comportement des utilisateurs ou des clients, elle peut contribuer à identifier les types de contenus ou de produits susceptibles d'intéresser les clients potentiels.

IA prédictive et IA générative

L'IA prédictive et l'IA générative reposent toutes deux recours sur l'apprentissage automatique et sur l'accès à de nombreuses données, pour produire leurs résultats. Cependant, l'IA prédictive utilise l'apprentissage automatique pour extrapoler l'avenir. L'IA générative utilise l'apprentissage automatique pour créer du contenu. La version IA prédictive de Joey le pêcheur prévient ses compagnons de pêche de l'arrivée d'une tempête. La version IA générative de Joey écrit un roman qui envisage différentes interactions entre la météo et les sorties en mer pour pêcher.

D'une certaine manière, l'IA générative est similaire à l'IA prédictive dans la mesure où elle utilise l'analyse statistique pour « prédire » les mots et concepts qui sont associés. Mais ces deux formes d'IA diffèrent dans leurs objectifs, dans les modèles d'apprentissage automatique qu'elles utilisent et dans les scénarios d'utilisation.

Comment l'IA prédictive utilise-t-elle les intégrations ?

À l'instar de la plupart des types d'IA, l'IA prédictive implique une capacité à interroger des bases de données rapidement et efficacement, et à déterminer les relations entre des éléments de données similaires. Une base de données d'intégrations permet d'effectuer des recherches de similarité.

Les intégrations sont un moyen de stocker des informations sous une forme permettant d'identifier les similitudes et les relations. Créés par des couches de réseaux neuronaux non supervisés, les intégrations transforment les éléments d'information en vecteurs puis elles les disposent dans un espace mathématique en fonction de leur rapport aux autres éléments d'information de l'ensemble de données.

Les intégrations qui finissent par être regroupées peuvent être considérées comme pertinentes les unes par rapport aux autres et des logiques peuvent ainsi être rapidement identifiées. Si les expressions « ciel rouge », « nuages de tempête » et « gros temps » sont toutes proches les unes des autres dans une base de données d'intégrations, un modèle d'IA prédictive est en mesure de déterminer l'arrivée d'une tempête.

Lire des informations supplémentaires sur l'IA.