Rechercher
Contactez-nous Suivez-nous sur Twitter En francais English Language
 











Abonnez-vous gratuitement à notre NEWSLETTER

Newsletter FR

Newsletter EN

Vulnérabilités

Se désabonner

Commentaire Vectra : MMC Ventures - 40% des entr. de l’IA sont capables de prouver qu’elles font de l’IA

mars 2019 par Vectra Networks

Le Cabinet d’investissement anglais MMC Ventures en partenariat avec la banque
Barclays a publié cette semaine son étude « State of AI 2019 » qui établit que
sur 2830 start-up de l’écosystème de l’IA dans 13 pays européens, près de
40% n’offrent pas les technologies d’intelligence artificielle qu’elles
prétendent utiliser. L’IA est en effet un buzzword que les entreprises aiment
employer pour se présenter comme innovantes… Ce rapport prouve qu’il n’est
pas si simple de développer de vraies technologies d’IA.

Matt Walmsley, Directeur EMEA chez Vectra, commente :

« Ce rapport du MMC Ventures démontre que 40% des entreprises affirmant faire de
l’IA, n’en font pas réellement… Il est donc compréhensible qu’il y ait du
scepticisme quant à l’utilisation du terme IA dans la présentation de nombreuses
entreprises. Comprendre l’IA est assez compliqué, si l’on y ajoute une foule
d’offres abusant du terme, il devient encore plus difficile pour les entreprises
de s’y retrouver. Cela est d’autant plus dommage que dans le secteur de la
cybersécurité, l’IA, le vrai, est une réelle révolution et permet de résoudre
des problèmes jusque-là insolvables ! Voici donc quelques conseils pour détecter
le vrai du faux IA dans les offres proposées, et comment les technologies
fonctionnent :

Face à une offre d’IA, la première question à poser à l’entreprise concerne
l’étendue et la profondeur de ses capacités de développement et l’expertise
de ses « spécialistes IA » ? Ont-ils une formation, un diplôme doctorant en IA,
en machine learning, en science des données, etc. ? Ces experts très pointus sur
le sujet sont tout simplement peu nombreux sur le marché actuellement, il est donc
compliqué de réellement innover, en tout cas pas au rythme du nombre de sortie de
nouvelles offres tamponnées IA. Ces informations sur les profils peuvent être tout
simplement trouvées sur Linkedin, ainsi si l’entreprise ne présente qu’un seul
développeur, sans expérience affichée en machine learning, alors au mieux, il est
probable que l’entreprise ait bricolé une bibliothèque de machine learning open
source sur un code existant, et qu’elle joue simplement avec l’IA.

De la même manière, l’entreprise peut aussi se questionner sur son problème
avant d’engager ses recherches : est-ce que l’IA propose des solutions et des
experts pour répondre à mon problème ? Dans de nombreux cas d’IA appliquée, il
ne s’agit pas simplement de capturer des données et d’y appliquer des formules
mathématiques. Dans le domaine de la cybersécurité par exemple, nous avons besoin
de chercheurs experts en sécurité pour émettre des hypothèses et valider les
comportements et les techniques des attaquants. Un data scientist ne peut pas faire
ça tout seul et ce n’est qu’en collaborant avec le chercheur en sécurité (qui
sont souvent des hackers éthiques) que le data scientist peut mettre au point un
algorithme efficace de détection des attaquants.

Autre moyen d’identifier les offres crédibles : trouver des preuves d’un
investissement en innovation sur le long-terme et des résultats concrets. Un bon
moyen pour cela est d’observer si l’entreprise a obtenu des prix pour les
capacités d’IA qu’elle a créé, si elle a des brevets et si elle est nommée
par des analystes reconnus de l’industrie ?

L’intelligence artificielle repose sur la science des données, la data science,
pour une bonne raison. Il ne s’agit pas simplement de construire des algorithmes
incroyablement complexes ! En plus de sélectionner des approches algorithmiques, le
Data Scientist doit également gérer la conservation des données, la sélection et
l’extraction des caractéristiques et la formation. Il est donc important de se
renseigner auprès de son futur fournisseur d’IA sur les données qu’il utilise pour
construire, former, tester et faire fonctionner ses algorithmes, et de chercher à
comprendre la provenance, la qualité, la gestion et la sécurité des données,
ainsi que la manière et l’endroit où elles sont utilisées.

En particulier pour les jeunes entreprises de l’industrie, observer un peu plus en
détails l’équipe de direction qui les compose peut donner quelques indications.
Il y a-t-il des experts reconnus, des preuves de leurs innovations, des précédents
investissements intéressants, etc. Certaines entreprises peuvent vouloir surfer sur
le buzzword, bien aider par des campagnes de pub, pour gagner de l’argent car le
marché offre actuellement beaucoup d’opportunités… Mieux vaut être vigilant.
Encore une fois le rapport le montre bien.

Enfin, il est important de se rappeler que l’intelligence artificielle est juste
l’outil, pas le but ou la raison. L’IA est le comment, et non le pourquoi. Il
est donc important de se demander si l’outil d’IA que l’on utilise permet de
créer des nouvelles compétences fonctionnant de manière vraiment autonome ou
s’il s’agit d’un outil mécanique avec un vernis d’automatisation mais qui
est soutenu par des processus à distance (backdoor), parfois même humains ? Pour
en avoir le cœur net, il suffit de demander à son fournisseur si l’outil dispose
d’un accès à distance et s’il a besoin de l’utiliser pour intervenir sur
l’outil… Pour conclure, mais cela vaut pour tous les secteurs et toutes les
technologies, rien de tel que des retours d’expériences et des études de cas.
L’idéal étant de se renseigner auprès d’entreprises ou de communautés qui
partagent beaucoup d’informations, notamment dans le monde cyber, ou de rechercher
des programmes d’évaluations pour prendre du recul sur les différentes solutions
proposées. »


Voir les articles précédents

    

Voir les articles suivants