L’Intelligence artificielle : un concept et ses applications.

D’où vient l’intelligence artificielle ?

Le concept a vu le jour dans les années 50 sous l’impulsion d’Alan Turing et de son article « Computing Machinery and Intelligence » où il s’interrogeait sur les capacités d’un ordinateur à penser.

Dans la décennie suivante, des recherches plus approfondies étaient financées, notamment celle de deux mathématiciens : Marvin Minsky & John McCarty développent le concept et font le lien avec le domaine des neurosciences et de la neurologie. Avec l’essor de l’informatique dans les années 80, le concept même d’intelligence artificielle s’ouvrit à d’autres secteurs grâce aux technologies du digital : l’éducation, l’aéronautique, l'agriculture.

Il existe à ce jour deux méthodes applicatives ; l’une appelée le Machine Learning et l’autre le Deep Learning. L’une comme l’autre reposent sur le traitement d’une importante quantité de données pour établir des prédictions réalistes

Machine Learning

Le concept de Machine Learning permet d’établir des prédictions sur l’analyse statistique de grandes quantités de données classées par attribut.

Source : Jedha Bootcamp - fonctionnement Machine Learning.

Deep learning

Le deep learning s’inspire d’un réseau neuronal en couches de neurones. Chaque neurone se compose d’une quantité d’informations communes.

Les liaisons entre les neurones sont renforcées ou inhibées afin d'obtenir un résultat attendu le plus proche de la prédiction.

Source : Jedha Bootcamp - fonctionnement Machine Learning.

Une fois ces différents concepts présentés, illustrons ses enjeux et son fonctionnement dans l’expérience utilisateur et la manière dont ils allègent le rythme de travail des chercheurs et des designers.

L’Intelligence Artificielle dans l’expérience utilisateur

Dans son article de 2021 publié sur le site UX-plain , David Magrico, rédacteur parle d'hyper-personnalisation de l’expérience client par l’Intelligence Artificielle, une expérience plus intime et unique se basant sur l’étude de ses habitudes afin de proposer du contenu personnalisé. Google peut être considéré comme un moteur de réponse, plus que de recherche.

Les features snippet (résumés de réponses à des questions fréquemment posées) poussées par les robots de Google fournissent le résultat attendu dès la première page de recherche.
Les assistants vocaux des GAFAMI comme par exemple Cortana, Alexa ou encore Siri révolutionnent l’expérience utilisateur en multipliant les points de contact et toute l’économie de biens et de services actuelle.

Par exemple, dans le secteur automobile, au volant d’une voiture : intégrer de l’Intelligence artificielle dans l’expérience de conduite permettrait de gommer de nombreuses frustrations que l’automobiliste devrait gérer seul : navigation du GPS, musique, assistance dans la voiture etc …
Dans cette idée-là, l’intégration d’IA permettrait au système d’assistance vocale de se comporter comme un guide intelligent.

Actuellement Waze, il est en capacité de proposer un trajet adapté selon l'historique de navigation de l’utilisateur. L’expérience est donc plus personnalisée et plus intimiste.
Bien que l’expérience d’utilisation soit plus riche, son fonctionnement repose sur la digestion d’une importante quantité de données personnelles dont on ne comprend pas toujours le processus.

Derrière cet état de fait, il est alors nécessaire que l’algorithme soit transparent et accessible, afin d’éviter que l’utilisateur ait le sentiment de subir une expérience (“l’IA est quelque chose que je subis”) mais bien qu’il en connaisse le fonctionnement pour se l’approprier (“l’IA est un outil que je peux utiliser”).

L’intelligence artificielle dans les cycles de productions

Rapidement l’IA permettrait d’augmenter la force de production d’une entreprise.
À cours terme, on s’interroge sur : comment pourrions-nous utiliser l’IA pour informer et guider les décisions de conception de l’expérience utilisateur ?

On estime que l’IA permettrait aux employés d’être 40% plus performants dans les métiers de conceptions de contenus visuels : graphistes, UX designers, UX researcher, rédacteur web etc …

L’intelligence artificielle en recherche utilisateur

En UX Research, l’Intelligence Artificielle facilite les démarches de collecte et de concaténation de données utilisateur.Pour Guillaume Bodet, CEO chez Zeena, mener des recherches UX avec cette technologie suppose tout de même que l’utilisateur soit informé que les entreprises des fins pour lesquelles les données sont collectées.

Le nombre de points de contact dans l’expérience est décuplé comme il le dit .

"Tout l'enjeu est de faire en sorte que l'utilisateur fournisse des feedbacks sans s'en rendre compte"

Autre limite, exploiter de l’intelligence artificielle dans une recherche utilisateur peut biaiser la synthèse des données collectées.
Puisque nous avons vu que, l’intelligence artificielle catégorise des données pour émettre une prédiction statistique.
Le cerveau humain lui perçoit dans le langage, dans la gestuel des nuances qui peuvent aller à l’encontre de ce que le testé dit.
Si l’intelligence artificielle ne catégorise pas ces données nuancées; elle risque de conforter le chercheur dans un préjugé persistant.

Consentement et droit à l’information de l’utilisateur, quelques principes pour garantir le respect de son intégrité.

“ À l’instant où l’évolution technologique déplace la limite entre le possible et l’impossible, il est nécessaire de redéfinir la limite entre le souhaitable et le non souhaitable » (CNIL, 2017-a ; Villani et al., 2018).

Par cet adage, la CNIL rappelle l’importance de mettre au coeur du débat le grand public qui peut être victime de l’exploitation d’une technologie. La course à la collecte de données personnelles par les entreprises est plus féroce que jamais. L’objectif est de connaître, d’anticiper les besoins clients pour les fidéliser, les recibler à postériori.

Avec l'exemple des réseaux sociaux, nous cernons les limites de l’usage de l’intelligence artificielle dans une expérience utilisateur.
Suggestions de contenus basées sur nos habitudes de consommation. Ce modèle est réducteur pour la curiosité puisqu’il conforte l’utilisateur dans son point de vue. Cette logique est mise en scène dans ce documentaire.

Derrière nos écrans de fumée

Le scandale sur la fuite des données personnelles de facebook en 2021, montre bien l’enjeu que leur collecte représente.

Consultez l'article : fuite données personnelles ->

Les principes fondateurs : loyauté, vigilance, transparence et redevabilité pour la protection de l’utilisateur.

Afin de protéger l’utilisateur, la CNIL a édicté plusieurs principes fondamentaux qui veillent à ce que les technologies d’intelligence artificielle restent des outils au service de l’utilisateur et rentable pour l’entreprise.

Transparence : Actuellement l’utilisateur ne croit plus ce qu’il voit, mais se conforte dans l’opinion qu’il se fait d’un sujet. (Contenu suggéré). Afin de limiter cet effet qui engendre des crises sociaux-politiques importantes dans notre société, il est nécessaire que les parties prenante se montrent transparentes sur les points du parcours intégrant de l’intelligence artificielle et ce qui n’en impliquent pas. Sensibiliser, informer l’utilisateur c’est également le protéger.

Principes de vigilance et de réflexivité : Celui qui détient le savoir, détient le pouvoir. Ce principe accentue l’importance de sensibiliser les citoyens sur le fonctionnement de l’intelligence artificielle dans une application. En application, ce principe vise l’organisation d’un débat régulier, méthodique & délibératif à l’égard de ces objets en évolution constante. Concepteur, développeur, designer d’expérience, associations; assurereraient un dialogue, un débat systématique et continu entre les différentes parties prenantes en desitination du grand public.Ces concepteurs sont des acteurs qui s’assurent que les enjeux éthiques et sociaux soient compris quant à l’exploitation d’une telle technologie.C’est l’opportunité de prendre du recul sur notre consommation digitale sans diaboliser l’utilisation de l’IA.

Le principe de recevabilité : Rendre intelligible, non pas sur le fonctionnement interne d’une intelligence artificielle (puisque l’IA est autonome dans ses phases d’apprentissage) mais en garantissant au grand public un droit de regard et d’information sur les objectifs, missions & résultats que l’IA à réaliser.

Le principe de loyauté : L’intérêt de l’utilisateur doit primer sur celui de l’entreprise éditrice d'algorithmes d’intelligence artificielle.Ce principe concerne tout algorithme qu’il traite ou non, des données personnelles en tenant compte des impacts personnels et collectifs générés.Un tel principe aurait vocation à s’appliquer aux réseaux sociaux en remettant en question la structure du débat public dans nos démocraties. En un second sens, cet adage assure une protection juridique à toute personne physique ou morale qui entrerait directement en conflit avec une entreprise privée.

À travers les exemples étudiés, nous avons vu en quoi l’intégration de l’IA dans nos expériences digitales révolutionnent nos ressentis, nos intéractions ainsi que le pannel de réponses offertes à nos besoins.

Loin du symdrome de Wall-e, nous savons maintenant que l’IA est une innovation technologique qui peut importe sa puissance de calcul ne pourra qu’exécuter un brief créatif imaginé par un humain.
Gain de temps, gain de performance ; ces atouts de l’IA séduisent les entreprises comme nous l’avons vu.

Toutefois, afin de protéger les utilisateurs, ces derniers doivent être sensibiliser sur ces notions qui sont des enjeux actuels. Les algorithmes d’IA évoluent bien plus vite que la prise de conscience du grand public et nous sommes en droit de nous demander quelles dispositions seront prises pour protéger les utilisateurs au jour où l'intelligence artificielle deviendra pleinement autonome : c’est à dire non-supervisée.

BILAN

Intégrer de l'intelligence artificielle à l'expérience utilisateur