fr
contact
BACK TO THE LIST

AI Paris 2018: Ce qu’il faut retenir

18 juin 2018

Paris AI 2018 à la Cité de la Mode et du Design, c’est l’événement par excellence pour rencontrer différentes entreprises et découvrir les nouvelles tendances dans le domaine de l’intelligence artificielle en France et en Europe. Avec plus de 70 stands d’entreprises spécialisées dans les services IA et Big Data, de chercheurs et de startups réunis dans un seul endroit, Paris AI attire des publics spécialisés.

Des assistants virtuels, des plates-formes d’apprentissage automatisé, des robots intelligents pour l’industrie étaient les technologies les plus présentes dans le salon. Maintenant, parmi tant d’options, quelles sont les tendances les plus pertinentes de l’événement?

 

Voicebots & Chatbots

Les dernières tendances des assistants personnels virtuels voice & chat bots pour la banque et l’assurance comme Amelia de IPSoft, et Zac pour le domaine de l’hospitalité viennent enrichir l’offre IA pour améliorer l’interaction entre les entreprises et leurs clients. Ce secteur était représenté par au moins un tiers des entreprises présentes à l’événement.

 

Bots entrainés par des linguistes et des psychologues

L’une des tendances les plus présentes est l’intégration de professionnels des sciences humaines pour enrichir le travail effectué par les développeurs. L’inclusion d’une connaissance approfondie de la communication humaine offre un potentiel énorme pour améliorer la technologie actuelle du chat et des bots vocaux. La compréhension des intentions de l’utilisateur, le contexte des mots et l’expertise du métier enrichissent la gamme et la qualité des produits dans la course concurrentielle pour des assistants virtuels plus efficaces et “humanisés”.  

 

La composante émotionnelle

La détection des émotions n’a pas été laissée de côté, une large partie importante des solutions présentées par les exposants, intègrent désormais des modèles pour la reconnaissance des émotions montrées par le client en temps réel. Ces données sont utilisées pour enrichir les réponses des chatbot et améliorer l’expérience globale du client. L’utilisation d’avatars à caractéristiques humaines nous fait penser que la course pour les bots humanisés a déjà commencé !

 

Différents modes de mise en œuvre

Du point de vue technique, nous trouvons plusieurs approches de mise en œuvre, bien que les plus dominantes sont encore l’apprentissage machine et l’apprentissage profond, certaines entreprises maintiennent une approche déterministe enrichie par la connaissance du métier. Les solutions Cloud, facilement adaptables aux cas d’usage, restent en tête comme les plus utilisées.

 

Machine Learning automatisé

Le machine learning automatisée pourrait potentiellement changer la façon dont les entreprises considèrent l’utilisation de l’AI comme une technologie complémentaire à leurs solutions existantes. Tel est le cas de, par exemple, la solution de bout en bout de la plate-forme ForePaaS (de la société qui porte le même nom) et Cloud AutoML Google tous deux présents à l’événement.

 

L’écart existant

Pour une grande partie de la société, l’intelligence artificielle représente un domaine que seuls ceux qui possèdent des compétences mathématiques et statistiques sont capables de développer. D’une part, il existe un écart évident entre l’offre et la demande de ingénieurs de la science des données. D’autre part, il existe encore un nombre considérable d’entreprises qui ne sont pas nécessairement optimistes quant à la valeur de la mise en œuvre de l’intelligence artificielle.

 

Machine Learning en tant que service

Le Machine Learning automatisé pourrait être défini comme une solution de bout en bout qui applique les techniques des sciences des données d’une manière beaucoup plus simplifiée et conviviale.

Habituellement, avant l’application des algorithmes d’apprentissage machine, il est nécessaire d’appliquer une série d’étapes précédentes, telles que le pré-traitement des données et l’extraction et sélection des caractéristiques afin d’avoir l’information dans un format qui permet son traitement. Par la suite, la sélection de l’algorithme à utiliser, ainsi que la sélection des paramètres qui permettront d’augmenter les performances du modèle final.

Le machine learning automatisé offre le grand avantage de produire des solutions plus simples à créer et à mettre en œuvre de manière automatisée. Offrant de performances respectables, le système permets de générer des solutions à partir de zéro jusqu’à l’industrialisation, pratiquement sans coder.

 

En quelques mots

Le salon Paris AI 2018 est l’occasion de connaître les tendances et les acteurs les plus influents dans le domaine de l’intelligence artificielle en France.

Contactez-nous pour explorer davantage les possibilités du chat & voice bots, et des solutions d’apprentissage machine et Big Data avec notre équipe de professionnels.

 

Concocté avec amour par :
Nelson Fernandez
Concocté avec amour par :
Simon Palma

Articles concoctés avec les mêmes ingredients

18 mars 2025

#AxionableSuccessStories : Circet – Mesure d’empreinte GES et collecte de données ESG

Circet – Mesure d’empreinte GES scope 1 à 3 et collecte de données ESG Acteur mondial des services d’infrastructures télécoms et énergie, Circet s’est appuyé sur Axionable pour piloter son empreinte carbone de 2023 dans ses 13 pays d’implantation. Le Carbon Management System SWEEP a été choisi pour automatiser la mesure et le suivi de leur […]

Yannick Bottino
11 mars 2025

[Avis d’expert] 🛠️ Comment choisir un LLM (Large Language Model) de Confiance ?

Crédit photo : Unplash   La récente médiatisation de DeepSeek-R1, le nouveau modèle à chaîne de raisonnement développé par DeepSeek, a fait l’effet d’une onde de choc aux États-Unis de par ses résultats très prometteurs, rivalisant avec les champions américains (OpenAI, Anthropic, Claude notamment). Rapidement, les modèles de DeepSeek se sont vus reprocher des biais […]

Lucas SCELLOS
20 février 2025

#AxionableSuccessStories : ETIX – Empreinte carbone & trajectoire de décarbonation

ETIX – Evaluation de l’empreinte & définition de la trajectoire de décarbonation ETIX Everywhere, acteur clé de la souveraineté numérique en France et leader des data centers de proximité, accélère la décarbonation de ses activités avec le soutien de son actionnaire Eurazeo et de son prêteur Zencap AM. Pour structurer cette démarche, Etix s’est appuyée […]

Yannick Bottino
30 janvier 2025

#AxionableSuccessStories : SAUR risques de transition

Identification des risques et opportunités de transition climatique SAUR, acteur majeur du secteur de l’eau en France et à l’international, a choisi de renforcer son analyse des risques et opportunités liés à la transition climatique. Pour cela, l’entreprise s’est appuyée sur l’expertise d’Axionable afin de personnaliser et tester, à travers un cas pilote, un outil […]

Paul LAVILLE
Paris
13 rue des Arquebusiers
75003 Paris
contact Contact