Cognitive Computing

Dr. Ghazala HCINI

Université de Gabès

[Link]@[Link]

2023-2024

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 1 / 87

Outline

1 Introduction au Cognitive Computing

2 Apprentissage automatique

3 Traitement du langage naturel

4 La vision par ordinateur

5 Machines Pensantes - Défi Économique, Progrès Humanitaire ?

6 Synergie entre Big Data et Cognitive Computing

7 Le battage médiatique, la réalité, l’espoir

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 2 / 87

 Introduction au Cognitive Computing

Plan de la présentation

1 Introduction au Cognitive Computing

2 Apprentissage automatique

3 Traitement du langage naturel

4 La vision par ordinateur

5 Machines Pensantes - Défi Économique, Progrès Humanitaire ?

6 Synergie entre Big Data et Cognitive Computing

7 Le battage médiatique, la réalité, l’espoir

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 3 / 87

 Introduction au Cognitive Computing

Qu’est-ce que le Cognitive Computing ?

Le Cognitive Computing, ou informatique cognitive, est la simulation

du processus de pensée humaine au sein d’un modèle informatique.
Cette technologie utilise l’apprentissage informatique, le data mining,
la reconnaissance de patterns et le traitement du langage naturel pour
imiter le fonctionnement du cerveau humain

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 4 / 87

 Introduction au Cognitive Computing

Le Cognitive Computing ?

Le système cognitif le plus connu est l’ordinateur cognitif IBM Watson.

Watson est un superordinateur créé par IBM, tirant son nom du fon-
dateur de l’entreprise Thomas J. Watson. Il s’agit d’une machine à
répondre aux questions.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 5 / 87

 Introduction au Cognitive Computing

À quoi sert le Cognitive Computing ?

Création de systèmes informatiques autonomes pour résoudre des problè-

mes sans intervention humaine.
Applications variées en intelligence artificielle: les systèmes experts, la
programmation en langage naturel, les réseaux de neurones, la robo-
tique et la réalité virtuelle.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 6 / 87

 Introduction au Cognitive Computing

Cognitive Computing : la solution au manque de Data

Scientists ?

Le Big Data contient une quantité massive de données, mais il manque

de Data Scientists qualifiés pour les analyser.
Le Cognitive Computing pourrait être une solution en formant les or-
dinateurs à accomplir le travail des Data Scientists.
Cette approche pourrait résoudre le problème de l’analyse des données
massives.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 7 / 87

 Introduction au Cognitive Computing

Importance du Cognitive Computing

Compréhension des Données non Structurées

Amélioration de la Prise de Décision
Recherche Scientifique
Sécurité et Détection des Menaces
Automatisation
Gestion de l’information
Réduction des Coûts

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 8 / 87

 Introduction au Cognitive Computing

Comment le Cognitive Computing tente de reproduire la

cognition

Le Cognitive Computing vise à imiter certaines des caractéristiques de la

cognition humaine en utilisant des technologies informatiques avancées.
Les approches du Cognitive Computing incluent l’utilisation de
L’apprentissage automatique
Traitement du langage naturel
La vision par ordinateur
La compréhension contextuelle

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 9 / 87

 Introduction au Cognitive Computing

Exemples de capacités cognitives dans les systèmes

informatiques (1)

Les systèmes de reconnaissance vocale, tels que Siri d’Apple ou Google

Assistant, sont capables de comprendre la parole humaine et d’effectuer
des tâches en fonction des commandes vocales.
Les systèmes de recommandation utilisés par des plateformes comme
Netflix, Amazon et Spotify exploitent des algorithmes de traitement du
langage naturel pour suggérer des produits ou du contenu personnalisé.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 10 / 87

 Introduction au Cognitive Computing

Exemples de capacités cognitives dans les systèmes

informatiques (2)

Les chatbots et les agents conversationnels, comme ceux utilisés dans

le service client en ligne, utilisent des techniques de compréhension du
langage naturel pour interagir avec les utilisateurs de manière naturelle.
Les systèmes de vision par ordinateur, par exemple, dans les véhicules
autonomes, peuvent détecter et interpréter des objets et des scènes en
temps réel.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 11 / 87

 Apprentissage automatique

Plan de la présentation

1 Introduction au Cognitive Computing

2 Apprentissage automatique

3 Traitement du langage naturel

4 La vision par ordinateur

5 Machines Pensantes - Défi Économique, Progrès Humanitaire ?

6 Synergie entre Big Data et Cognitive Computing

7 Le battage médiatique, la réalité, l’espoir

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 12 / 87

 Apprentissage automatique

L’intelligence artificielle

L ’intelligence artificielle (IA) a pour but de créer des entités intelligentes.

Dans ce sens, il y a une poursuite de cette capacité dont l’humain est maı̂tre,
à résoudre des problèmes. ≪ La capacité à résoudre des problème ≫ est
d’ailleurs une définition de l’intelligence que l’on retrouve régulièrement.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 13 / 87

 Apprentissage automatique

Apprentissage automatique

L’apprentissage automatique est une branche de l’intelligence artificielle

(IA) et de l’informatique qui porte sur l’utilisation des données et des al-
gorithmes pour imiter la manière dont les êtres humains apprennent, afin
d’améliorer progressivement sa précision.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 14 / 87

 Apprentissage automatique

Apprentissage automatique

Fonctionnement de l’apprentissage automatique.

1 Un processus de décision
2 Une fonction d’erreur
3 Un processus d’optimisation de modèle.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 15 / 87

 Apprentissage automatique

Apprentissage automatique

Les algorithmes d’apprentissage automatique se séparent en plusieurs phases.

1 Phase d’entraı̂nement (ou d’apprentissage): le modèle choisi est

soumis à un grand nombre d’exemples significatifs. Le système
cherche alors à apprendre des règles implicites en se basant sur ces
données (appelées données d’entraı̂nement). Cette phase
d’entraı̂nement précède généralement l’utilisation du modèle.
2 Phase d’inférence (ou de test): Pendant cette phase, le modèle est
utilisé pour faire des prédictions ou des classifications sur de nouvelles
données, qui n’ont pas été utilisées pendant la phase d’entraı̂nement.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 16 / 87

 Apprentissage automatique

Apprentissage automatique

Catégories de l’apprentissage automatique

1 Apprentissage automatique supervisé
2 Apprentissage automatique non supervisé
3 Apprentissage semi-supervisé

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 17 / 87

 Apprentissage automatique

Apprentissage automatique

Apprentissage automatique supervisé

L’apprentissage supervisé, également appelé apprentissage automatique su-
pervisé, est l’utilisation d’ensembles de données étiquetées pour entraı̂ner
des algorithmes qui permettent de classer des données ou de prédire des
résultats avec précision.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 18 / 87

 Apprentissage automatique

Apprentissage automatique

Apprentissage automatique supervisé

L’apprentissage supervisé est généralement utilisé pour de la régression ou
de la classification:
La régression est utilisée lorsque la sortie à prédire peut prendre des
valeurs continues, il s’agit d’une variable réelle.
La classification est une tâche consistant à choisir une classe parmi
toutes celles possibles.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 19 / 87

 Apprentissage automatique

Apprentissage automatique

Apprentissage automatique non supervisé

L’apprentissage non supervisé, ou apprentissage automatique non super-
visé, utilise des algorithmes d’apprentissage automatique pour analyser et
regrouper des jeux de données non étiquetées.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 20 / 87

 Apprentissage automatique

Apprentissage automatique

Apprentissage semi-supervisé
L’apprentissage semi-supervisé est un juste milieu entre l’apprentissage su-
pervisé et l’apprentissage non supervisé.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 21 / 87

 Apprentissage automatique

Apprentissage automatique

Scénario d’utilisation de l’apprentissage automatique

Reconnaissance vocale: également appelée reconnaissance automa-
tique de la parole, reconnaissance vocale par ordinateur ou retranscrip-
tion de la voix en texte, cette fonctionnalité utilise le traitement au-
tomatique du langage naturel pour retranscrire la parole humaine en
un format écrit.
Vision par ordinateur: cette technologie d’IA permet aux ordinateurs
et aux systèmes de déduire des informations significatives d’images
numériques, de vidéos et d’autres entrées visuelles et d’agir en fonction
de ces données.
Détection des fraudes: les banques et autres institutions financières
peuvent utiliser l’apprentissage automatique pour détecter les transac-
tions suspectes.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 22 / 87

 Traitement du langage naturel

Plan de la présentation

1 Introduction au Cognitive Computing

2 Apprentissage automatique

3 Traitement du langage naturel

4 La vision par ordinateur

5 Machines Pensantes - Défi Économique, Progrès Humanitaire ?

6 Synergie entre Big Data et Cognitive Computing

7 Le battage médiatique, la réalité, l’espoir

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 23 / 87

 Traitement du langage naturel

Traitement du langage naturel: NLP

Grâce au Natural Language Processing (NLP), les appareils informa-

tiques peuvent comprendre et traiter le langage humain. Le traitement du
langage naturel se porte sur l’interaction entre un humain et un ordina-
teur. En d’autres termes c’est le point d’intersection entre l’informatique,
l’intelligence artificielle et la linguistique informatique.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 24 / 87

 Traitement du langage naturel

Traitement du langage naturel: Définition

Le NLP, ou traitement du langage naturel en français, désigne la capacité

d’un programme informatique à comprendre le langage humain. Il s’agit
d’une composante de l’intelligence artificielle (IA) qui traite le langage na-
turel tel qu’il est parlé et écrit.
Le NLP appartient à la fois au domaine de l’informatique et de la linguis-
tique.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 25 / 87

 Traitement du langage naturel

Les défis du NLP

Le langage humain est un système complexe qui permet d’exprimer une

pensée et de communiquer au moyen de signes, tels que des sons, des
gestes, des graphiques, des tactiles et des olfactifs.
Le langage humain est ouvert et productif, ce qui signifie qu’il permet
aux humains de produire une vaste gamme d’énoncés à partir d’un
ensemble fini d’éléments et de créer de nouveaux mots et phrases.
le contexte dans lequel un mot est utilisé peut avoir une grande in-
fluence sur sa signification. Le contexte peut fournir des informations
supplémentaires qui aident à déterminer la signification d’un mot et
peut également aider à clarifier le sens d’un mot qui a plusieurs signi-
fications.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 26 / 87

 Traitement du langage naturel

Les défis du NLP

Le NLP doit comprendre les mots et les différents concepts:

La compréhension des mots et des concepts est au cœur du NLP, car elle
permet aux systèmes de traiter le langage naturel de manière intelligente,
en identifiant non seulement ce qui est dit, mais aussi ce qui est signifié.
Cela est essentiel pour des applications allant de la recherche d’informations
à la réponse aux questions et à la prise de décisions basées sur le texte.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 27 / 87

 Traitement du langage naturel

Comment fonctionne le NLP ?

L’analyse du langage naturel comprend deux composantes essentielles

Analyse Syntaxique: Concentrée sur la structure grammaticale des
phrases et des groupes de mots, elle détermine comment les mots sont
agencés en respectant les règles grammaticales.
Analyse Sémantique: Axée sur la signification des mots, des phrases
et des énoncés, elle permet de comprendre le sens, la logique et l’intention
derrière les mots et les structures de phrases.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 28 / 87

 Traitement du langage naturel

Comment fonctionne le NLP ?

Le traitement se fait par le biais de programmes informatiques en guise de

cerveau. Le NLP comporte deux étapes principales, à savoir le prétraitement
des données et le développement de l’algorithme.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 29 / 87

 Traitement du langage naturel

La phase de prétraitement des données

1 Les sacs de mots:

Ce modèle permet de compter les mots d’un texte. Pour ce faire, il
crée une matrice d’occurrence pour le document d’entrée, sans tenir
compte de la syntaxe ou de la sémantique.
Exemple
I like this article
I like medium
I like data

I like this article medium data

1 1 1 1 0 0
1 1 0 0 1 0
1 1 0 0 0 1

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 30 / 87

 Traitement du langage naturel

La phase de prétraitement des données

2 La tokenisation :
Cette fois, le principe consiste à segmenter le texte en phrases ou en
mots. Les segments de textes sont appelés ≪ tokens ≫. Cette
approche permet également d’éliminer les caractères tels que les
ponctuations ou les émojis.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 31 / 87

 Traitement du langage naturel

La phase de prétraitement des données

2 La tokenisation :
Etape: Retrait des stopwords

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 32 / 87

 Traitement du langage naturel

La phase de prétraitement des données

3 La stemmatisation :
La stemmatisation (ou racinisation) réduit les mots à leur radical ou
racine. Le résultat n’est pas forcément un mot existant.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 33 / 87

 Traitement du langage naturel

La phase de prétraitement des données

4 La Lemmatisation :
La lemmatisation, qui prend en considération le contexte dans lequel
le mot est écrit, a pour but de trouver la forme canonique du mot, le
lemme.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 34 / 87

 Traitement du langage naturel

La phase d’apprentissage (développement de l’algorithme

de NLP)

Une fois que les données sont prétraitées, la prochaine étape du NLP consiste
à développer un algorithme pour les interpréter. Là encore, il existe de
nombreux algorithmes de Natural Language Processing. Cependant, il y a
trois types d’approches couramment utilisées.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 35 / 87

 Traitement du langage naturel

La phase d’apprentissage (développement de l’algorithme

de NLP)

La méthode basée sur les règles

Utilisation de règles linguistiques spécifiques au domaine.
Résolution de problèmes simples tels que l’extraction de données
structurées à partir de données non structurées.
Exemple : Classification des courriers indésirables dans les spams.
Règle spécifique : Filtrage de termes tels que ≪ offres ≫ ou
≪ promotion ≫.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 36 / 87

 Traitement du langage naturel

La phase d’apprentissage (développement de l’algorithme

de NLP)

La méthode basée sur le machine learning

Alimentation d’un système avec des données d’entraı̂nement pour
permettre à l’algorithme d’apprendre par lui-même.
Amélioration des performances de l’algorithme à mesure qu’il apprend
et traite de nouvelles données.
Axée sur la compréhension du langage, cette approche utilise des
algorithmes de machine learning qui exploitent des données
prétraitées.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 37 / 87

 Traitement du langage naturel

La phase d’apprentissage (développement de l’algorithme

de NLP)

La méthode basée sur le deep learning

Utilisation du deep learning, une sous-catégorie du machine learning,
impliquant des réseaux neuronaux avec plusieurs couches.
Les algorithmes de deep learning sont plus puissants et peuvent
traiter des tâches plus complexes que le machine learning.
Élimination de la nécessité de concevoir manuellement des
caractéristiques, car les modèles apprennent automatiquement à partir
des données.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 38 / 87

 Traitement du langage naturel

Les avantages du NLP

Amélioration de la précision et de l’efficacité de la documentation.

Génération automatique de résumés lisibles à partir de textes vastes
et complexes.
Analyse des sentiments facilitée, permettant de comprendre les
attitudes et les émotions exprimées dans le langage.
...etc.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 39 / 87

 Traitement du langage naturel

Les défis à relever dans le domaine du NLP

Précision: Les ordinateurs exigent un langage de programmation

précis, structuré et non ambigu, tandis que le langage humain est
souvent ambigu et dépend de variables complexes telles que l’argot,
les dialectes régionaux et le contexte social.
Ton de la voix: Les variations subtiles dans le ton de la voix peuvent
influencer le sens d’une phrase, mais sont parfois difficiles à
interpréter pour les algorithmes.
Utilisation abstraite du langage: telle que le sarcasme, peut être
difficile à comprendre pour les programmes NLP, nécessitant une
compréhension approfondie du contexte.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 40 / 87

 La vision par ordinateur

Plan de la présentation

1 Introduction au Cognitive Computing

2 Apprentissage automatique

3 Traitement du langage naturel

4 La vision par ordinateur

5 Machines Pensantes - Défi Économique, Progrès Humanitaire ?

6 Synergie entre Big Data et Cognitive Computing

7 Le battage médiatique, la réalité, l’espoir

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 41 / 87

 La vision par ordinateur

La vision par ordinateur

La Computer Vision ou Vision par Ordinateur est une technique d’IA

qui consiste à analyser puis interpréter une image ou une vidéo. Au
même titre que le NLP pour le texte, les méthodes de Computer Vision
ont pour objectif d’interpréter des images ou des vidéos de la même
manière qu’un humain. Autrement dit, elles cherchent à donner à un
ordinateur la capacité de voir.
Les algorithmes de Computer Vision utilisent majoritairement des réseaux
de neurones, et notamment réseaux de neurones convolutifs (CNN).

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 42 / 87

 La vision par ordinateur

réseau de neurones

Un réseau de neurones est un ensemble de couches. Chaque couche étant

reliée les unes aux autres. Dans le cadre de la Computer Vision, la
première couche prend en entrée une image ou une vidéo, et la dernière
couche renvoie l’interprétation de cette image par le réseau de neurones.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 43 / 87

 La vision par ordinateur

CNN: Architecture

Un CNN comprend généralement plusieurs couches, notamment des

couches de convolution, de pooling et de neurones entièrement con-
nectés. Les couches de convolution sont responsables de la détection
des motifs, tandis que les couches de pooling réduisent la dimension
spatiale. Les couches entièrement connectées effectuent la classifica-
tion finale.
Convolution: La convolution consiste à appliquer un filtre (noyau) à
une petite région de l’image d’entrée, en le faisant glisser sur l’ensemble
de l’image. Cela permet d’extraire des caractéristiques locales.
Pooling: La couche de pooling réduit la dimension spatiale de la sortie
de la couche de convolution. Cela permet de réduire la complexité tout
en préservant les caractéristiques importantes.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 44 / 87

 La vision par ordinateur

Computer Vision

Le terme Computer Vision regroupe tous les algorithmes qui analysent et

interprètent des images ou des vidéos. Il s’agit d’un domaine à part entière
en intelligence artificielle, que l’on peut diviser en quatre grandes
catégories :
Classification
Détection
Identification
Segmentation

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 45 / 87

 La vision par ordinateur

Classification
Un algorithme de classification prend en entrée une image à classer parmi
une liste de possibilités. Par exemple, un algorithme qui détermine à quelle
espèce appartient un animal à partir de sa photo entre dans cette catégorie.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 46 / 87

 La vision par ordinateur

Détection
Ici, l’objectif est de détecter sur une image la position de certains objets.
La présence de ces objets est généralement représentée grossièrement par
un rectangle et un nom sur l’image.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 47 / 87

 La vision par ordinateur

Identification

L’identification est utilisée pour reconnaı̂tre un objet (souvent une per-

sonne). La différence avec les algorithmes précédents est que cet algo-
rithme est capable de faire la différence entre 2 personnes différentes.
C’est ce genre d’algorithme qu’utilisent Facebook, Apple ou Google
Photos pour nous identifier sur nos photos.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 48 / 87

 La vision par ordinateur

Segmentation
Ce type d’algorithme vise à délimiter les frontières entre les différents objets
présents sur une image, et à classer ces derniers. Contrairement aux algo-
rithmes de détection, ici chaque pixel appartient précisément à un unique
objet.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 49 / 87

 La vision par ordinateur

Domaines d’application de la Computer Vision

Reconnaissance faciale
Beaucoup de smartphones proposent aujourd’hui d’être déverrouillés par
reconnaissance faciale. Les algorithmes utilisés varient en fonction des mar-
ques mais ils sont aujourd’hui très performants. De telles méthodes sont
aussi utilisées par Facebook, Google Photos ou Snapchat pour reconnaı̂tre
les visages sur les photos. Suite à la pandémie du Covid19, nombreux sont
les algorithmes à avoir été mis en défaut par la présence d’un masque sur le
visage des utilisateurs.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 50 / 87

 La vision par ordinateur

Domaines d’application de la Computer Vision

Imagerie médicale
Sans s’être réellement imposée en tant que standard dans ce domaine, la
Computer Vision montre des résultats plus que prometteurs dans la détection
de maladie. Une équipe de chercheurs a notamment développé une IA
rivalisant avec les médecins pour détecter précocement les cancers du sein
en utilisant les mammographies des patients.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 51 / 87

 La vision par ordinateur

Domaines d’application de la Computer Vision

Google Maps
Google utilise les images des panneaux prises par les google cars pour
répertorier les noms de rue automatiquement. Le même procédé est appliqué
aux panneaux de signalisation, notamment ceux de limitation de vitesse.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 52 / 87

 La vision par ordinateur

Domaines d’application de la Computer Vision

Tri des déchets

Le robot Max-ai détecte et retire certains déchets indésirables en utilisant
la Computer Vision. Ce genre de robot pourrait révolutionner la manière
dont les déchets sont triés aujourd’hui.
Précision accrue : La vision par ordinateur permet au robot de
détecter et de reconnaı̂tre des objets avec une grande précision. Cela
signifie qu’il peut identifier des déchets spécifiques et les trier avec
une exactitude supérieure par rapport aux méthodes traditionnelles.
Vitesse : Les robots peuvent trier les déchets à une vitesse beaucoup
plus élevée que les humains. Cela pourrait permettre de traiter de
grandes quantités de déchets en peu de temps, contribuant ainsi à
accélérer le processus de tri.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 53 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Plan de la présentation

1 Introduction au Cognitive Computing

2 Apprentissage automatique

3 Traitement du langage naturel

4 La vision par ordinateur

5 Machines Pensantes - Défi Économique, Progrès Humanitaire ?

6 Synergie entre Big Data et Cognitive Computing

7 Le battage médiatique, la réalité, l’espoir

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 54 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Capacité Intelligente

Parmi les multiples définitions que l’on donne de l’IA, la plus simple est:
≪ capacité des machines à prendre des décisions et à adopter des

comportements attribués généralement à des humains ou à des ani-

maux, mais avec un moindre niveau de performance ≫.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 55 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Capacité Intelligente

Évolution Technologique: La dernière décennie a été fortement influ-

encée par le machine learning, une technique d’apprentissage automa-
tique des machines.
Essor du Deep Learning: En tant que sous-domaine du machine learn-
ing, le deep learning s’est révélé particulièrement efficace et a gagné en
notoriété au cours des quatre dernières années.
Référence Systématique dans les Médias: Le deep learning est de-
venu incontournable dans les discussions sur l’intelligence artificielle,
les médias le mentionnant systématiquement.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 56 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Méthodes Clés pour Construire une Machine Intelligente

(1)

Algorithmes Intelligents:
Écriture d’algorithmes intelligents pour résoudre des problèmes
spécifiques.
Entraı̂nement des machines de manière totalement supervisée.
Machine Learning Classique:
Transformation du signal original (par exemple, une image) en un
format traitable par le système d’apprentissage simple.
Collecte de grandes bases de données étiquetées à la main avec une
tâche bien définie (entrée/sortie).
Utilisé dans des domaines tels que la reconnaissance d’images, la
classification de textes, et la traduction automatique.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 57 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Méthodes Clés pour Construire une Machine Intelligente

(2)

Deep Learning (Apprentissage Profond):

Repose sur l’utilisation de multiples couches d’unités de traitement de
données.
Permet un entraı̂nement automatique sans conception manuelle.
Utilisé massivement dans la reconnaissance de la parole et d’images
grâce à des bases de données colossales.
Produit des performances exceptionnelles en réduisant
considérablement le taux d’erreurs.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 58 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Révolution Professionnelle (1)

Vitesse de Croissance Technologique:

La rapidité de croissance et le potentiel de transformation des
technologies rendent difficile la perception des révolutions
technologiques et de leurs conséquences futures.
Difficulté de Prévision:
Les discours pessimistes sur les transformations à long terme résultent
de la difficulté à anticiper l’impact des avancées technologiques.
Impact de l’IA sur les Métiers:
L’IA transforme les métiers, remettant en question la valeur attribuée à
certaines activités.
Le travail physique devient substituable au travail des machines.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 59 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Révolution Professionnelle (2)

Valorisation des Métiers Complémentaires de l’IA:

Les métiers nécessitant l’analyse et l’intelligence humaine deviennent
non substituables et donc plus valorisés.
Défis Sociétaux:
La véritable différence réside dans le temps d’appropriation et
d’intégration de l’IA dans le fonctionnement social.
La rapidité de son développement rend plus difficile le nivellement des
compétences et pourrait laisser davantage de personnes en marge.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 60 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Domaines

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 61 / 87

Machines Pensantes - Défi Économique, Progrès Humanitaire ?

Vers des Conversations Autonomes

Reconnaissance de la Parole, Compréhension et Génération de Texte:

Progrès imminents permettant à ces fonctions de s’effectuer avec un
support système.
Capacité à répondre à n’importe quelle question avec une réponse
présente sur le web.
Défis Actuels:
Certaines approches s’en rapprochent, mais elles dépendent encore du
filtrage de l’utilisateur.
Systèmes sur les Sites de Vente en Ligne:
Prédominance de systèmes encore fortement cognitifs dans le contexte
des sites de vente en ligne (exemple: Recommandation de Produits).

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 62 / 87

 Synergie entre Big Data et Cognitive Computing

Plan de la présentation

1 Introduction au Cognitive Computing

2 Apprentissage automatique

3 Traitement du langage naturel

4 La vision par ordinateur

5 Machines Pensantes - Défi Économique, Progrès Humanitaire ?

6 Synergie entre Big Data et Cognitive Computing

7 Le battage médiatique, la réalité, l’espoir

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 63 / 87

 Synergie entre Big Data et Cognitive Computing

Contexte général

Avec l’évolution rapide de la technologie, la quantité de données générées

à travers le monde a explosé, créant ce que l’on appelle le Big Data.
Le Big Data se caractérise par les 5V :
Volume (quantité immense de données),
Variété (différents types de données : images, textes, vidéos),
Vélocité (vitesse de génération des données),
Véracité (fiabilité des données),
Valeur (extraction de connaissances utiles).
Ces données massives nécessitent des outils capables d’interpréter et
d’analyser leur complexité.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 64 / 87

 Synergie entre Big Data et Cognitive Computing

Observation dans le Cognitive Computing

Définition :
L’observation consiste à collecter, intégrer et examiner des données à
grande échelle.
Le Cognitive Computing repose sur une capacité avancée d’analyse des
données massives (Big Data).
Lien avec les 5V du Big Data :
Volume : Nécessité d’un accès à des quantités massives de données
pour une analyse approfondie.
Variété : Analyse de données provenant de sources diverses (IoT,
réseaux sociaux, GPS, vidéos, etc.).

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 65 / 87

 Synergie entre Big Data et Cognitive Computing

Exemple concret :

En santé cognitive, des capteurs IoT collectent des données en temps réel
sur la fréquence cardiaque et les conditions environnementales pour une
analyse par des systèmes cognitifs.
Les étapes de l’observation:

Collecte Intégration Analyse

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 66 / 87

 Synergie entre Big Data et Cognitive Computing

Interprétation dans le Cognitive Computing

Définition :
Permet de donner du sens aux données en extrayant des informations
exploitables.
L’interprétation utilise des algorithmes d’apprentissage automatique
pour relier des modèles complexes.
Lien avec les 5V du Big Data :
Variété : Permet de traiter des formats de données hétérogènes, comme
des textes, des images ou des flux vidéo.
Véracité : S’assurer de la qualité et de la fiabilité des données in-
terprétées.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 67 / 87

 Synergie entre Big Data et Cognitive Computing

Exemple concret

Les systèmes de transport intelligent utilisent des données GPS et météo

pour interpréter les meilleures routes disponibles.
Défis associés :
Précision des données:
Les données GPS doivent être actualisées en temps réel pour garantir
des recommandations fiables.
Les prévisions météorologiques peuvent être imprécises ou manquer de
granularité.
Infrastructure nécessaire :
Besoin de capteurs multiples et d’une connectivité réseau rapide pour
transmettre et traiter ces informations en temps réel.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 68 / 87

 Synergie entre Big Data et Cognitive Computing

Évaluation dans le Cognitive Computing

Définition :
Processus d’analyse des données pour tester et valider des hypothèses.
Permet de formuler des décisions basées sur des prédictions.
Lien avec les 5V du Big Data :
Vélocité : Capacité à analyser rapidement de grandes quantités de
données en temps réel.
Véracité : Précision des prédictions grâce à des données fiables.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 69 / 87

 Synergie entre Big Data et Cognitive Computing

Exemple concret :

Dans les villes intelligentes, les systèmes cognitifs évaluent en temps réel la
consommation énergétique et proposent des ajustements pour réduire les
coûts.
Diagramme illustrant un flux de travail typique:

Données Modèles prédictifs Validation

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 70 / 87

 Synergie entre Big Data et Cognitive Computing

Prise de décision dans le Cognitive Computing

Définition :
Phase finale où le système utilise les données analysées pour recom-
mander ou exécuter une action.
Intégration de la logique humaine pour une prise de décision con-
textuelle.
Lien avec les 5V du Big Data :
Valeur : Transformer les données en actions ou connaissances utiles
pour les utilisateurs.
Vélocité : Prendre des décisions rapides et efficaces basées sur des
données en temps réel.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 71 / 87

 Synergie entre Big Data et Cognitive Computing

Exemple concret

IBM Watson en médecine propose des options de traitement personnalisées

basées sur les données du patient et les résultats des essais cliniques.
Illustration d’un cycle décisionnel:

Données Analyse Décision Action

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 72 / 87

 Le battage médiatique, la réalité, l’espoir

Plan de la présentation

1 Introduction au Cognitive Computing

2 Apprentissage automatique

3 Traitement du langage naturel

4 La vision par ordinateur

5 Machines Pensantes - Défi Économique, Progrès Humanitaire ?

6 Synergie entre Big Data et Cognitive Computing

7 Le battage médiatique, la réalité, l’espoir

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 73 / 87

 Le battage médiatique, la réalité, l’espoir

Le battage médiatique

L’IA rendra la technologie actuelle obsolète

Les voitures autonomes envahiront les routes dans cinq ans.
L’IA et les systèmes cognitifs prendront tous nos emplois.
Les décisions seront prises automatiquement.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 74 / 87

 Le battage médiatique, la réalité, l’espoir

La réalité technologique

Aujourd’hui, 99% de l’IA est le fruit d’un effort humain

Le développement personnalisé est la norme.
Aucune technologie n’est magique. Combinez plusieurs technologies
pour de meilleurs résultats: règles, phrases simples, heuristiques, ML.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 75 / 87

 Le battage médiatique, la réalité, l’espoir

L’homme Vs la machine

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 76 / 87

 Le battage médiatique, la réalité, l’espoir

Les applications cognitives (1/3)

Assistants numériques:
Diagnostic/traitement du cancer
Conseiller en santé
Service client
Conseiller en placement

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 77 / 87

 Le battage médiatique, la réalité, l’espoir

Les applications cognitives (2/3)

Opportunities:
Mergers/acquisitions
Découverte de médicaments

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 78 / 87

 Le battage médiatique, la réalité, l’espoir

Les applications cognitives (2/3)

Détection des menaces:

Fraud
Terrorisme
Piratage
Protection de la marque

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 79 / 87

 Le battage médiatique, la réalité, l’espoir

Système d’information traditionnel

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 80 / 87

 Le battage médiatique, la réalité, l’espoir

Système cognitif

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 81 / 87

 Le battage médiatique, la réalité, l’espoir

Quand utiliser les technologies cognitives (1/2)

Les problèmes sont complexes, les informations et les situations sont

fluides, les données sont contradictoires
Sources de données diverses, y compris des données non structurées
(texte, images, voix)
Aucune réponse clairement correcte : le contexte détermine la meilleure
réponse.
Classé (confiance notée), plusieurs réponses sont préférées (alterna-
tives).

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 82 / 87

 Le battage médiatique, la réalité, l’espoir

Quand utiliser les technologies cognitives (2/2)

Processus intensif et difficile à automatiser en raison de son imprévisibilité.

En fonction du contexte: heure, utilisateur, emplacement, point de la
tâche.
L’exploration est une priorité.
Le partenariat homme-machine, l’itération, l’interaction et le dialogue
sont nécessaires.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 83 / 87

 Le battage médiatique, la réalité, l’espoir

Principes de cognitive computing

1 Parce qu’on ne peut pas prévoir ce qu’on voudra trouver. . .

Extraire et stocker des éléments de sens et leurs relations
Combiner au moment de l’exécution
Classer, filtrer et explorer en utilisant le contexte
2 Recherche de similarité + outils d’interaction et d’exploration
3 Commentaires au système pour améliorer la compréhension, les change-
ments de terminologie, l’ajout/la modification de modèles, etc.
4 Répétabilité des résultats uniquement si rien n’a changé.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 84 / 87

 Le battage médiatique, la réalité, l’espoir

Compromis et choix

Sérendipité versus niveau de confiance élevé

Prétraitement et ingestion : profondeur vs. vitesse
Rapidité de réponse : en temps réel ou en quelques secondes, jours ou
semaines
Impact du résultat : vie ou mort ou détection de tendance dans les
médias sociaux.
Rigueur et type de données
Rigueur de l’analyse
Type d’utilisation : réponses aux questions/suivi/analyse des tendances
/alertes de risque/interaction avec les clients. . .

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 85 / 87

 Le battage médiatique, la réalité, l’espoir

L’avenir cognitif

Extraire davantage d’indices de communication: sentiment, voix

(intonation/ton), vision, gestes, expressions faciales
Cognition incarnée : voitures autonomes, robots, appareils, réalité
virtuelle. . .
La recherche devient réalité : modèles conversationnels, tâches et
interfaces individuelles.
Assistants numériques pour le travail ou pour un usage personnel
Logiciels et matériels basés sur les neurosciences.
Plus de réglementations pour la vie privée et la cybercivilité.

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 86 / 87

 Le battage médiatique, la réalité, l’espoir

L’espoir

Les applications cognitives permettront de :

Réduire la surcharge d’informations
Générer des recommandations contextuelles personnalisées
Réagir de manière appropriée aux humeurs, aux émotions, aux
priorités et aux urgences.
Prévenir les erreurs médicales
Détecter les épidémies imminentes
Détecter plus tôt les maladies mentales et physiques.
etc..

Dr. Ghazala HCINI (ISG) Cognitive Computing 2023-2024 87 / 87