Tribunes

Parole d'Intelligence Artificielle : Vers de meilleures décisions humaines, avec ou sans humain

Jérôme Besson, associé chez Sentelis, se demande si c’est la machine ou l’homme qui est réellement aux commandes avec l’émergence de l’AI.

Jérôme Besson, associé chez Sentelis, se demande, si la machine tend à remplacer l'humain dans la prise de décision, car jugée plus fiable et plus rapide, lequel des deux est réellement aux commandes ?

PublicitéL'Acquisition de Viv par Samsung, investissement de 30 millions de dollars par eBay... pas un jour ne se passe sans entendre parler d'intelligence artificielle ou d'intelligence augmentée. L'intelligence machine s'insinue chaque jour un peu plus et les répercutions sont déjà visibles au quotidien par exemple dans les centres d'appels où des Web agents et autres Chatbots (robots conversationnels) remplacent déjà les conseillers clients et autres équipes supports pour traiter des questions simples et récurrentes.
Une question néanmoins se pose : si la machine tend à remplacer l'humain dans la prise de décision, car jugée plus fiable et plus rapide, lequel des deux est réellement aux commandes ? Et si l'homme prend des actions sur la base d'une recommandation ou d'une décision faite par une machine, comment peut-il s'assurer qu'il en comprenne les tenants et les aboutissants pour agir de façon confiante et assumer les conséquences de ses actions pilotées, assistées par la machine ?
Des questions cruciales qui obligent les entreprises à repenser profondément leur processus de décision actuels et de trouver pour chaque cas d'usage une réponse à Machine-made ou Human-made decision ?
Une interrogation qui renvoie naturellement aux informations, faits, évènements, connaissances et règles à partir desquels la décision est prise. Des informations à disposition de l'entreprise qui n'ont jamais été aussi nombreuses et diverses en variété et véracité. Or pour en tirer le maximum de valeur, en l'occurrence l'analyse la plus juste pour prendre les bonnes décisions, il ne fait aujourd'hui plus aucun doute que seule une machine est capable de produire des analyses de façon répétitive, sans lassitude et à grande échelle. Pour autant, l'Homme, en tout cas à aujourd'hui, ne disparait pas de la chaîne de valeur. Si ces tâches fastidieuses sont confiées aux machines, l'humain reste encore dans de nombreuses situations au sommet de la pyramide décisionnelle, éclairé, assisté, à minima augmenté, tout au moins inspiré par la machine (analyse cognitive). Une intelligence machine dont le rôle se limite alors à lui présenter les résultats de son analyse, à lui faire des recommandations sur la meilleure action à réaliser.

La machine doit apprendre à tenir compte des sensibilités de l'Homme

Or, ces analyses brutes ne peuvent pas être présentées telles quelles aux décisionnaires sans adaptation. A titre d'exemple, personne ne souhaite apprendre froidement d'une machine dépourvue d'humanité qu'au vue des éléments capturés via son bracelet santé et des millions de cas similaires répertoriés et analysés par cette intelligence artificielle, qu'elle a développé telle ou telle maladie et que les chances de guérison sont faibles.
Si les systèmes de Business Intelligence ont été historiquement et exclusivement pensés pour une décision humaine, ils l'ont été de façon uniforme sans prendre en compte la diversité du facteur humain face à la prise de décision. Or, deux personnes à qui l'on donne les mêmes informations n'en tireront pas les mêmes conclusions et ne prendront donc vraisemblablement pas la même décision.
Les systèmes de nouvelle génération dits de Business Analytics apparus avec le Big Data et massivement motorisés par de l'intelligence machine, aujourd'hui du machine learning, demain du deep learning, doivent impérativement revoir profondément, dès lors que l'humain reste dans la boucle de décision, leur façon de restituer le résultat de leurs analyses. In fine, ces systèmes de nouvelle génération doivent avant tout permettre à l'homme de prendre une décision et/ou d'en tirer une action opérationnelle de façon juste, en pleine conscience et confiance et surtout de la façon la plus cohérente possible d'une décision à l'autre.
Bien que les systèmes actuels aient progressé en termes de représentation visuelle avec de nombreux outils de data visualisation intelligents capables de proposer la meilleure représentation en fonction des données, ils n'ont pas encore révolutionné le genre. Les éléments présentés pour pouvoir être efficacement exploités par un l'humain doivent tenir compte du caractère de la nature humaine auxquels ils sont destinés.

PublicitéPersonnaliser la prescription en fonction du décideur

Or, cette dernière varie d'un individu à l'autre dès lors qu'il s'agit de prendre une décision. Elle fluctue comme en témoigne le test de personnalité DISC (Dominant, Influent, Stable, Conforme) qui permet de caractériser en particulier ce dont nous avons besoin pour prendre des décisions. Ainsi, les personnalités de type D sont reconnues comme des personnes capables de prendre des décisions rapides à partir d'un minimum d'information, tandis que les personnalités de type C, n'ont jamais assez d'information pour décider et sont très attachées à leur exactitude. Ainsi, selon le destinataire de l'analyse, cette dernière doit être présentée de façon personnalisée, voire mieux, contextualisée pour en maximiser la compréhension et l'actionnabilité.
L'analyse présentée doit permettre non seulement d'évaluer et comprendre ce qui se passe (analyse historique - descriptive et diagnostic), mais surtout de prédire ce qui va se passer (analyse prédictive) et de conseiller sur la meilleure façon d'agir pour éviter que la prédiction ne se réalise ou au contraire pour en maximiser les chances de réalisation (analyse prescriptive). Elle ne doit pas être uniquement statistique mais narrative. Elle ne doit pas s'exprimer sous la forme d'un tableau de chiffres et/ou de graphiques tous plus visuels les uns que les autres. Elle doit raconter une histoire qui se doit d'être personnalisée et justifiée avec le ton approprié.

Le rôle d'un langage naturel compréhensible

Pour être efficace et univoque cette histoire doit être contée en langage naturel et adoptée un style narratif et un vocabulaire compréhensibles par la personne à laquelle elle est destinée. Et si cette analyse est narrée visuellement et vocalement (e.g. sous forme d'un briefing vidéo d'explication), l'avatar qui la présente doit être le moins robotique possible et son ton adapté à la situation (gravité, risque, menace, opportunité...).

Une réalité pas si éloignée que cela. C'est en tout cas toute la promesse du Natural Langage Generation. Le NLG, à ne pas confondre avec le Natural Langage Processing qui traitent de la compréhension du langage, est l'une des nombreuses branches en plein essor de l'intelligence artificielle. Elle a le potentiel de transformer radicalement notre approche de la Business Intelligence et de la Business Analytics en produisant automatiquement des analyses sous la forme la plus appropriée à celui à qui elle est destinée. Cette technologie promet même demain de faire preuve d'intelligence émotionnelle. Elle devra dans tous les cas être en mesure de pouvoir expliquer les clés de son raisonnement, pourquoi elle en est arrivée à telle ou telles conclusion.