EURODECISION a réuni le 28 mars quelques clients pour une demi-journée d’échanges autour de l’Intelligence Artificielle (IA) hybride. La matinée a commencé avec une présentation par EURODECISION des différentes familles d’IA (IA symbolique, IA statistique et connexionniste, recherche opérationnelle, IA collective), des enjeux et des objectifs des IA hybrides (décomposition en sous-problèmes, amélioration des performances et des temps de calcul…), et de quelques exemples de projets. Puis ce fut l’occasion pour chacun de présenter des cas d’usage, les résultats et les gains opérationnels obtenus en couplant les IA statistique, symbolique, connexionniste et collective avec la recherche opérationnelle. Les participants à cet événement ont atterri à la Data Factory d’AIR FRANCE, que nous remercions pour son accueil !
Pourquoi s’intéresser à l’IA hybride ?
L’IA hybride consiste à combiner plusieurs techniques (familles) d’IA pour profiter des avantages de chacune des approches. Par exemple : prévisions à partir d’un historique de données afin d’alimenter des modèles d’optimisation, mécanismes d’apprentissage automatique « cachés » dans des algorithmes d’optimisation afin de tirer profit des solutions déjà explorées, adaptation dynamique du paramétrage d’algorithmes d’optimisation en fonction du contexte, résolution de problèmes d’optimisation à l’aide du reinforcement learning, mise en œuvre sous la forme d’un système multi-agents d’heuristiques concurrentes ou complémentaires, etc. Cela permet de de formaliser des problèmes complexes, , d’automatiser efficacement la résolution de ces problèmes, et de pouvoir comprendre et expliquer les résultats obtenus. Avec nos clients nous avons pu observer en particulier les fruits de l’application hybride d’IA statistique et derecherche opérationnelle dans les secteurs aérien et bancaire, le transport ferroviaire et les services aéroportuaires.
Quels sont les points à prendre en compte dans la mise en place d’une IA hybride ?
- Tout d’abord, pour l’IA statistique, il est important d’avoir un historique des données accessible, correct et cohérent. Si les données ne sont pas « propres » ou sont mal structurées, un travail en amont de visualisation, de nettoyage et de correction des données sera nécessaire..
- Il faut avoir une idée (roadmap) claire et bien formalisée des réponses à apporter à la problématique métier.
- Un outil basé sur l’IA est un dispositif « vivant » et évolutif. Ainsi, en choisissant une approche d’IA pertinente il est important de prendre en compte la difficulté associée avec la mise en œuvre de cette approche et les mises à jour qui seront à faire d’une manière régulière. La force de n’importe quel outil d’IA réside dans son dynamisme et sa flexibilité qu’il faudra maintenir en fonction des nouvelles données et des logiciels ou algorithmes adjacents. Par exemple, si vous êtes en train de mettre en place un modèle prédictif basé sur une régression linéaire, il vous faudra à l’avenir avoir la possibilité d’adapter les coefficients de régression au besoin.
- Il ne faut pas avoir l’espoir de résoudre tous les problèmes par une seule approche d’IA. On peut citer ici notre Directeur de l’innovation, Gérald Petitjean : « L’IA générale qui résout tout n’existe pas ! À chaque classe de problèmes sa famille d’IA ! À chaque besoin, une techno ou une combinaison de technos adaptée ! »
En conclusion
Grâce à cette matinée sur l’IA hybride, les experts en gestion des bagages « ratés » ont notamment pu découvrir qu’ils avaient des problématiques communes avec les spécialistes en règlements des transactions financières ou en exploitation ferroviaire. Plus généralement, tous les participants ont pu échanger sur les résultats de leurs travaux, les difficultés rencontrées et leurs réussites, et chacun attend avec impatience le prochain vol à destination d’un nouveau thème d’actualité.
