Les systèmes cognitifs et l’IA

Systèmes cognitifs et IA

Les systèmes intelligents qui soutiennent des prises de décision de plus en plus incisives et une vision axée sur les données sont l’avenir des entreprises. Ces systèmes libèrent le potentiel tant vanté du Big Data, le transformant d’une matière première avec un grand potentiel en quelque chose qui peut être activement utilisé et manié.

C’est là que les systèmes cognitifs ont un rôle important à jouer. Ces systèmes sont soutenus à chaque instant par une technologie basée sur l’intelligence artificielle.

Que sont les systèmes cognitifs ?

Les systèmes cognitifs fonctionnent sur le même modèle que les processus cognitifs du cerveau humain. Ils recueillent des données, les stockent, puis les utilisent pour exécuter des décisions et des actions. Si le cerveau humain est capable de tirer des conclusions qualitatives et interprétatives, les systèmes cognitifs fonctionnent d’une manière légèrement différente.

Ces systèmes sont conçus pour traiter des volumes d’information bien plus importants. En travaillant avec des enregistrements immuables et en effectuant des calculs de haut niveau et des opérations procédurales, ces systèmes cognitifs forment le « cerveau » d’une entreprise, fournissant le cadre d’analyse des données nécessaire pour obtenir de meilleurs résultats dans le paysage moderne.

Les différents types de systèmes cognitifs

Les systèmes cognitifs peuvent être divisés en trois types distincts : transactionnel, d’engagement et d’information. Cependant, ces trois types fonctionnent ensemble, créant une relation symbiotique qui constitue la base du système cognitif global.

Système transactionnels

Un système transactionnel est conçu pour être une ressource de données exhaustive et complète pour une entreprise. Il s’agit du point de contact centralisé sur lequel les applications logicielles et les utilisateurs humains s’appuient pour prendre des décisions essentielles à l’entreprise.

Au niveau micro, cela peut ne pas sembler si révolutionnaire. Après tout, les utilisateurs humains et les logiciels intelligents reconnaissent la nécessité d’une source de données unifiée. À condition qu’il n’y ait pas d’erreurs fondamentales, cette source de données unifiée devrait être relativement facile à réaliser. Cependant, lorsque nous élargissons le champ d’application et commençons à examiner les fonctions critiques au niveau macro, le système transactionnel devient plus crucial, car il est facile de créer des incohérences à ce niveau.

Lorsque les données sont cloisonnées, les processus le sont aussi. Sans une ressource de données centralisée fournie par le système transactionnel, les incohérences des données sources deviennent rapidement des incohérences opérationnelles.

Pour lutter contre cela, le système transactionnel doit respecter quatre principes clés :

  • Exhaustivité – Le système doit être une source unifiée des données requises par tous les processus et programmes.
  • Exactitude – Les données doivent être correctes.
  • Actualité – Les données doivent être à jour ou près de l’être.
  • Cohérence – Il ne doit y avoir aucune incohérence ou disparité au sein de la source de données.

Système d'engagement

Un autre aspect essentiel des systèmes cognitifs est le système d’engagement ou encore de collaboration. Ces systèmes fonctionnent différemment des systèmes transactionnels et occupent une position différente dans le paysage opérationnel de l’entreprise.

Alors que les systèmes transactionnels alignent les processus organisationnels via une source de données unifiée et dorsale, les systèmes d’engagement existent plus en avant et sont utilisés directement par les équipes opérant sur le terrain. Par exemple, une équipe dans l’atelier devra être capable de superviser et de vérifier l’inventaire des matériaux à sa disposition, ainsi que d’exécuter des commandes et des opérations sur la base de ces connaissances. Tout cela sera géré par une application de processus qui constitue le système d’engagement.

Cela représente une distinction importante entre les systèmes transactionnels et les systèmes d’engagement. Le système transactionnel est une ressource à l’échelle de l’entreprise, un monolithe de données toujours exactes, conçu pour unifier les opérations. Les systèmes d’engagement, en revanche, sont axés sur des opérations spécifiques, ce qui signifie que vos équipes d’atelier peuvent utiliser un ensemble spécifique de systèmes d’engagement, tandis que votre personnel de marketing peut en utiliser un tout autre.

Tous ces systèmes d’engagement, cependant, tireront leurs données du même système transactionnel centralisé.

Système d'information

Si le système transactionnel et le système d’engagement jouent des rôles très différents, il existe déjà un point de connexion qui les rapproche. Ce point de connexion, ce sont les données. En termes simples, les systèmes d’engagement ont besoin de données précises et opportunes pour fonctionner correctement et le système transactionnel fournit ces données.

Pour continuer en ces termes simples, il peut sembler que la relation entre ces systèmes soit complète, les données étant stockées dans le système transactionnel et traitées dans le système d’engagement. Il n’y a pas besoin d’avoir un troisième système.

Dans la pratique, cependant, un troisième système est nécessaire. C’est là qu’intervient le système d’information, aussi appelé système d’observation.

Le système d’information crée une connexion plus sophistiquée et plus significative entre les systèmes transactionnels et d’engagement. Les systèmes d’engagement doivent pouvoir faire plus que simplement puiser dans les données d’une source unifiée. Ils doivent être en mesure de puiser dans le bon type de données, des données qui ont déjà été traitées et traduites de leur forme brute en informations exploitables.

Ce rôle est rempli par le système d’information. Lorsque des données sont créées ou écrites dans le système transactionnel, le système d’analyse commence son processus. Il puise directement dans ces données et les affine sous une forme qui peut ensuite être exécutée comme une action opérationnelle. Ce processus se déroule en six phases principales.

La phase de consommation

Dans la phase de consommation, le système de connaissance détermine quelles données sont importantes et pertinentes. Les systèmes modernes de stockage de données sont vastes, et les systèmes d’engagement ont du mal à traiter efficacement ces stocks de données. Avec le système d’engagement en place, les bons ensembles de données – au bon volume – sont fournis au système d’engagement.

La phase de collecte

Une fois les ensembles de données corrects déterminés et identifiés, le système d’analyse commence à collecter les données requises. Des systèmes tels que IGM DB2 et BigInsights d’IBM InfoSphere s’efforcent de réduire les paramètres de données de manière significative, créant ainsi des structures de données gérables, prêtes pour l’analyse et le reporting.

La phase analytique

Toutes les données sont analysées dans une certaine mesure. Cette analyse peut prendre de nombreuses formes. En effet, il peut s’agir de décisions sur des données pertinentes ou non, ou de l’identification d’une activité frauduleuse par le biais de transactions ou d’événements anormaux. Cependant, dans le système d’information, cette capacité d’analyse est poussée plus loin, en tirant parti de fonctions automatisées pour traiter et analyser des données à des volumes incroyablement élevés, à des vitesses élevées et à travers une variété de types de données.

La phase de rapport

Même une fois les données analysées, il faut encore les traduire en informations exploitables. Si les fonctions automatisées intégrées au système d’engagement peuvent y parvenir dans une certaine mesure, le reporting permet aux opérateurs humains de comprendre en temps réel les structures de données. Le système d’information doit fournir cette compréhension, en s’appuyant sur les données stockées, les données en cours de transfert et les données en cours d’utilisation, afin de fournir un instantané de la situation actuelle.

La phase de détection

La détection fait passer l’analyse et le reporting au niveau supérieur, en identifiant activement les situations et les occurrences qui présentent un intérêt spécifique pour l’entreprise. Par exemple, des ensembles de données convergents qui représentent des opportunités commerciales ou des résultats anormaux qui indiquent un risque.

La phase de décision

La phase de décision fournit la base logique sur laquelle une décision peut être prise. Dans de nombreux cas, cette décision sera très simple comme effectuer à l’identification d’un besoin du client pour un produit ou un service spécifique. Dans d’autres cas, elle sera plus complexe. C’est dans ce processus plus complexe de formation de la logique de décision que le système d’information sera nécessaire.

Le rôle de l'intelligence artificielle dans les systèmes cognitifs

Le système cognitif, formé des systèmes transactionnels, d’engagement et d’information, ne peut exister sans intelligence artificielle. Les volumes de données sont devenus trop importants et les vitesses de traitement ont augmenté si rapidement que les opérateurs humains ne peuvent plus suivre. C’est là que l’IA doit prendre le relais.

 

C’est dans les systèmes d’information que l’IA est exploitée au mieux.

L'intelligence artificielle dans la consommation et la collecte

À un niveau très basique, l’IA est utilisée pour organiser les données au fur et à mesure qu’elles sont consommées et collectées. Par exemple, les données sont classées en fonction du moment où un événement s’est produit et de l’emplacement géographique où il a eu lieu. L’IA reconnaît ces sources de données et leur attribue les balises appropriées.

Toutefois, à mesure que les volumes augmentent, l’IA doit fonctionner de manière plus sophistiquée. On en trouve un exemple dans l’industrie manufacturière, où les flux et reflux dans la chaîne d’approvisionnement peuvent entraîner respectivement des baisses de production ou une surcharge des équipements. Le système d’intelligence artificielle devra reconnaître cette relation.

L'intelligence artificielle dans l'analyse et les rapports

L’analyse reprend la fonction d’identification des relations entre les données mentionnées ci-dessus et la fait évoluer. Le système basé sur l’IA croisera les flux de données en temps réel avec les données historiques, identifiant de nouvelles relations et tendances. En outre, le système d’analyse devra fonctionner de manière cognitive, en reconnaissant les différences entre corrélation et causalité et en émettant des jugements de valeur sur cette base.

L’IA devra également identifier les ensembles de données pertinents pour les rapports automatisés et s’appuyer sur les rapports historiques pour mieux comprendre le paysage actuel des données.

L'intelligence artificielle dans la détection et la logique de décision

Avant de pouvoir prendre une décision, les équipes doivent d’abord déterminer s’il est nécessaire en premier lieu de prendre une décision. En ce sens, la fonction d’IA du système de veille permet de détecter les anomalies, les divergences et les déficiences, avant de déterminer comment un changement opérationnel ou une autre modification peut améliorer la situation.

Une fois la logique établie, le système d’information peut alors automatiser les éléments clés du processus décisionnel pour améliorer l’efficacité et l’efficience. Des plateformes telles que Operation Decision Manager d’IBM fonctionnent sur des procédures basées sur des règles pour exécuter des réponses basées sur des flux de données en temps réel et des « data stores ».

L'intelligence artificielle dans l'intégration des systèmes cognitifs

Si l’IA peut aider les systèmes d’information à identifier et à prendre des décisions, l’intégration avec le système d’engagement reste nécessaire pour exécuter activement ces décisions. De même, le système d’information doit s’intégrer au système transactionnel pour exploiter des sources de données unifiées.

L’intelligence artificielle entre à nouveau en jeu, en comblant le fossé entre ces systèmes et en gérant leurs interactions. Les membres de l’équipe humaine ont toujours leur rôle à jouer dans l’évaluation et l’analyse des données, mais c’est l’automatisation basée sur l’IA qui fait la plus grande partie du travail.

Construisez vos systèmes cognitifs avec IBM

IBM propose une gamme de produits intelligents, compatibles avec l’IA, conçus pour aider les chefs d’entreprise à construire leurs systèmes cognitifs. En tant que partenaire Platinum d’IBM, nous sommes parfaitement positionnés pour vous aider à vous connecter à ces produits très importants. Contactez notre équipe dès aujourd’hui et découvrez-en davantage.

Consulter
plus d'articles

Abonnez-vous à notre infolettre!