Intelligence artificielle

Intelligence artificielle (IA) : définition et applications en marketing digital

| Digital

L’intelligence artificielle, ou IA, est une des technologies qui connaît la plus forte croissance ces dernières années grâce au développement de la puissance de calcul (quantique) et à l’augmentation du volume de données disponibles. Souvent mal comprise, mal utilisée ou suscitant des craintes, l’IA peut offrir de nombreux avantages aux entreprises, en particulier dans le domaine du marketing digital. Dans cet article, nous retraçons les origines de l’IA, expliquons ses différentes formes et évoquons les utilisations qui en sont faites en marketing digital.

Qu’est-ce que l’intelligence artificielle ?

L’intelligence artificielle, couramment appelée “IA”, constitue l’ensemble des concepts et techniques qui ont pour but de concevoir des machines susceptibles de reproduire l’intelligence humaine et de réaliser des tâches que seul l’être humain était jusque-là en mesure d’accomplir. Il peut s’agir de la compréhension du langage naturel, la reconnaissance de formes, l’apprentissage, la planification, la prise de décision, ou la résolution de problèmes.

L’IA implique l’utilisation de techniques telles que la logique mathématique, les sciences cognitives, les réseaux de neurones, l’informatique, la logique floue, la vision par ordinateur, et l’apprentissage automatique (machine learning). La combinaison de toutes ces disciplines permet à des systèmes informatiques de traiter des informations complexes de manière autonome et de s’adapter à de nouveaux défis et situations.

« la construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant, accomplies de façon plus satisfaisante par des êtres humains, car elles demandent des processus mentaux de haut niveau tels que : l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique. »

Marvin Lee Minsky

Machine Learning vs Deep Learning

Il est souvent fréquent de confondre machine learning et deep learning.

Le machine learning (apprentissage automatique) et le deep learning (apprentissage profond) sont deux sous-domaines de l’intelligence artificielle qui visent à apprendre à partir de données et à améliorer la performance des systèmes informatiques dans des tâches spécifiques.

La principale différence entre les deux notions est que le deep learning est une sous-catégorie plus avancée du machine learning qui implique l’utilisation de réseaux de neurones profonds, semblables à ceux de l’être humain.

Le deep learning permet aux machines d’apprendre de manière autonome à partir des données en utilisant des algorithmes d’apprentissage profond pour détecter et reconnaître des modèles complexes dans des ensembles de données massifs. Il est particulièrement utile pour les tâches telles que la reconnaissance d’images et de la parole, la traduction automatique, la recommandation de produits, etc.

En revanche, le machine learning, plus traditionnel, peut utiliser différentes approches telles que la régression linéaire, la classification, la classification bayésienne, pour analyser les données et effectuer des prédictions ou des classifications. Le machine learning peut être utilisé pour une grande variété de tâches telles que la détection de fraude, l’analyse de sentiments, la prédiction de la demande, etc.

En somme, le deep learning est une forme plus complexe et avancée de machine learning qui permet une compréhension plus profonde et plus complexe des données, mais qui nécessite également une puissance de calcul plus élevée et une quantité de données massives pour fonctionner efficacement.

Les 3 grandes catégories d’IA

Il existe plusieurs façons de classifier les différentes formes d’intelligence artificielle (IA). On distingue cependant 3 grandes catégories d’intelligence artificielle en fonction de leur capacité à simuler l’intelligence humaine :

  1. L’Intelligence artificielle étroite ou faible (ANI) : il s’agit d’une IA conçue pour résoudre parfaitement un seul problème spécifique, comme la reconnaissance vocale, les moteurs de recherche, l’assistance vocale (Siri, Alexa), la classification d’images, la conduite de véhicule autonome, le filtrage de spams dans les messageries. Cette forme d’IA n’atteint pas les capacités de raisonnement humain.
  2. L’Intelligence artificielle générale ou forte (AGI) : contrairement à l’IA faible, elle est capable de comprendre et de traiter des tâches complexes qui ne sont pas spécifiquement programmées à l’avance. Elle est comparable à l’intelligence humaine. Les chercheurs n’ont pas encore réussi à reproduire ce niveau d’intelligence mais s’en approchent.
  3. La super-intelligence artificielle (ASI) : Il s’agit d’une IA qui serait pleinement consciente et disposerait de capacités intellectuelles et cognitives supérieures à l’homme.

Les techniques d’apprentissage automatique

On observe par ailleurs différentes techniques ou méthodes d’apprentissage automatique qui sont utilisées par les scientifiques et chercheurs :

L’apprentissage supervisé 

C’est une technique d’apprentissage automatique qui utilise un ensemble de données annotées pour entraîner un modèle à prédire des résultats pour de nouveaux exemples. Par exemple, on peut estimer le prix d’un bien immobilier en prenant en compte plusieurs données précises : la superficie, la localisation, l’âge de l’immeuble, l’étage…

L’apprentissage non supervisé 

Il s’agit d’une technique d’apprentissage automatique où la machine est chargée de trouver des modèles dans les données sans aucune supervision explicite d’un humain. Les données ne sont pas labellisées. Cette méthode peut être utilisée pour la recommandation de produits ou de contenus à des clients/utilisateurs.

L’apprentissage par renforcement 

C’est une méthode d’apprentissage dans laquelle une IA apprend à prendre des décisions en interagissant avec son environnement et en recevant des récompenses ou des pénalités en fonction de ses actions. Elle est utilisée notamment dans la robotique pour entraîner des robots à effectuer des tâches spécifiques.

Sans entrer dans les détails, une autre méthode plus poussée existe comme la constitution de réseaux de neurones artificiels, inspirés du fonctionnement du cerveau humain. Ces neurones sont organisés en plusieurs couches qui ont chacune leur fonction et permettent un apprentissage progressif et plus fin. On parle alors d’apprentissage profond (deep learning).

Histoire de l’intelligence artificielle : les dates clés

Les origines de l’intelligence artificielle (IA) remontent aux années 1940 et 1950, lorsque les scientifiques ont commencé à se poser la question de savoir si les machines pouvaient être programmées pour penser comme des êtres humains. Voici l’histoire de l’IA en quelques dates clés :

1943 : premier modèle de réseau de neurones artificiel

Les scientifiques Warren McCullough et Walter Pitts publient en 1943 un article intitulé « A Logical Calculus of Ideas Immanent in Nervous Activity » (source : Carnegie Mellon University), dans lequel ils décrivent le premier modèle de réseau de neurones artificiel.

1949 : la traduction automatique des langues de Warren Weaver

Le scientifique américain Warren Weaver évoque dans son mémorandum sur la « traduction automatique des langues » (source : University of California) la possibilité qu’une machine puisse exécuter des tâches normalement effectuées par l’homme.

1950 : les prophéties d’Alan Turing

Alan Turing, célèbre mathématicien et cryptologue britannique, se pose également la question de la possible conscience des machines dans son article intitulé « Computing Machinery and Intelligence » publié le 01er Octobre 1950 (source : Oxford Unity Press – Mind). Il y présente le test de turing qui est un test d’intelligence artificielle visant à déterminer à quel moment une machine devient consciente.

1951 : première machine à réseau de neurones

Marvin Minsky, scientifique américain, crée avec Dean Edmonds la première machine à réseau neuronal dénommée SNARC (Stochastic neural analog reinforcement calculator).

1956 : la conférence de Darmouth

La conférence qui se déroule au Darmouth Collège en 1956 aux Etats-Unis, réunissant 20 chercheurs dont Marvin Minsky et John McCarthy, constitue pour beaucoup l’événement fondateur de l’intelligence artificielle. Lors de cet atelier scientifique, John McCarthy du MIT (Massachusetts Institute of Technology), propose le terme d’intelligence artificielle pour définir le domaine de leur recherche. Il est considéré, avec Marvin Minsky, comme le père fondateur de l’intelligence artificielle.

1957 : création du Perceptron

Frank Rosenblatt, psychologue américain, crée au laboratoire d’aéronautique de l’université Cornell l’algorithme d’apprentissage Perceptron en se basant sur le fonctionnement neuronal. Ces travaux déboucheront sur la création en 1967 d’un ordinateur à réseau de neurones.

1959 : invention du terme « machine learning« 

Arthur Samuel, informaticien travaillant chez IBM, invente le terme de “machine learning”.

1964 : création d’ELIZA

Joseph Weizenbaum crée le programme informatique ELIZA qui remplace le psychothérapeuthe pendant les entretiens thérapeutiques.

1965 : Dendral, premier « système expert »

Dendral, le premier “système expert” (programme informatique qui utilise une base de connaissances pour simuler l’expertise d’un humain dans un domaine spécifique) spécialisé en chimie moléculaire, est créé par Edward Feigenbaum, Bruce Buchanan, Joshua Lederberg et Carl Djerassi. Ce projet avait pour objectif de développer un système informatique capable de résoudre des problèmes de chimie organique en utilisant des techniques d’intelligence artificielle.

1980 : émergence du Deep Learning

Le Deep Learning émerge dans les années 1980. Il connaît depuis une croissance exponentielle grâce à l’augmentation de la puissance de calcul et des données disponibles. Yann Le Cun, chercheur français, est considéré comme l’un des inventeurs et pionniers de l’apprentissage profond.

1997 : Deep Blue bat Kasparov

Le supercalculateur Deep Blue conçu par IBM bat le champion du monde d’échecs russe Garry Kasparov.

2011 : Watson gagne à Jeopardy !

Le superordinateur Watson, développé par IBM, gagne le jeu télévisé Jeopardy ! au nez et à la barbe de deux champions du jeu, Ken Jennings et Brad Rutter. 

2015 : Baidu crée le superordinateur Minwa

Le géant chinois Baidu crée un superordinateur nommé Minwa disposant de capacités de calcul très développées. Classé parmi les 100 premiers superordinateurs les plus puissants au monde, il établit un record en matière de reconnaissance d’images avec un taux d’erreur inférieur à 5%.  

2016 : AlphaGo bat le champion du monde de Go

AlphaGo, programme informatique développé par Deepmind appartenant à Google, bat le champion français Fan Hui et le champion du monde Lee Sedol au jeu de Go.

2022 : lancement de ChatGPT

Open AI dévoile son outil ChatGPT, un modèle de langage génératif basé sur l’architecture GPT-4. Il peut être utilisé pour générer du texte de manière autonome, répondre à des questions et mener des conversations naturelles avec des utilisateurs.

L’histoire de l’intelligence artificielle – CEA Recherche

Quelles sont les applications de l’intelligence artificielle dans le marketing digital ?

L’intelligence artificielle se trouve désormais partout. Elle nous entoure et fait partie de notre quotidien mais reste souvent imperceptible. Ses champs d’application sont vastes. Elle est utilisée dans de nombreux secteurs comme la santé, la finance, l’immobilier, le tourisme, l’automobile, le retail et bien d’autres. Le marketing numérique, quant à lui, n’est pas en reste. On retrouve de l’intelligence artificielle quasiment partout. Elle participe à la transformation digitale des entreprises. Voici quelques exemples d’applications de l’IA en marketing digital.

Data et Analyse prédictive

Les algorithmes d’analyse prédictive basés sur l’IA aident les marques à prédire le comportement des consommateurs, en se basant sur les données de navigation et les historiques d’achat. Cela permet aux marques de mieux comprendre les tendances de consommation et d’adapter leur stratégie marketing. Parmi ces outils, on peut citer Power BI, Salesforce Einstein, Oracle CX Cloud, Adobe Analytics ou SAP Predictive Analytics.

Moteurs de recherche

Google, Bing, Yahoo, tous ces moteurs de recherche sont des “systèmes experts” qui utilisent l’intelligence artificielle pour fournir les meilleurs résultats à partir de requêtes saisies par l’internaute. Google est le plus avancé dans le domaine et a développé ces dernières années plusieurs algorithmes puissants (Rankbrain, MUM, BERT, SMITH) permettant de mieux comprendre les intentions de recherche et traiter le langage naturel (NLP). Ces prochains mois vont peut-être constituer une petite révolution dans le monde des moteurs de recherche car Bing et Google intègrent progressivement au sein de leur interface des IA génératives, Bing Chat et Bard pour Google. Bing se repose sur la technologie GPT-4 développée par Open AI et Google utilise le modèle de langage PaLM qui remplace son ancien modèle LaMDA. C’est sous le nom de projet “Magi” que Google mène cette petite révolution, avec en support son unité dédiée à l’intelligence artificielle Google Deepmind.

SEA (Référencement payant)

L’intelligence artificielle est notamment utilisée par Google Ads pour cibler les publicités en fonction des préférences et des comportements d’achat des clients. Autrefois gérées manuellement, les campagnes Google Ads peuvent désormais être pilotées grâce à des stratégies d’enchères automatisées (smart bidding). 

De nouveaux formats de campagnes dites “intelligentes” utilisent des technologies d’apprentissage automatique pour déterminer le meilleur public cible, le meilleur moment pour diffuser les annonces, les meilleurs emplacements pour les afficher, et le meilleur message publicitaire pour susciter l’intérêt des clients. Parmi ces nouveaux formats, on peut citer la campagne Performance Max introduite par Google en novembre 2021, les annonces dynamiques (DSA) ou les annonces responsives (RSA).

Création de contenus 

Dans le marketing digital, créer du contenu de qualité est très important. Il permet d’attirer des prospects, d’acquérir de nouveaux clients, de les fidéliser et de se construire une image d’expert auprès de sa communauté. Certains outils sur le marché comme Chat GPT, Notion AI, Copy AI ou Jasper, proposent des plans de structuration d’article, effectuent des recommandations sémantiques et rédigent des contenus en puisant leurs informations sur le web. D’autres outils se spécialisent dans la génération de contenus pour les réseaux sociaux comme Cortex, Ocoya, Predis ou Vidyo. Midjourney, quant à lui, est un outil permettant de générer des images à partir d’un texte descriptif saisi par un utilisateur. La marque de prêt-à-porter Undiz a utilisé ce type d’outils pour créer sa campagne publicitaire de maillots de bain de la collection été 2023.

Achat Média Programmatique 

Les emplacements publicitaires digitaux, notamment display, sont négociés depuis des années via des plateformes publicitaires (appelées également ad exchanges) dopées à l’intelligence artificielle. La gestion, le ciblage et la distribution des inventaires sont gérées en temps réel par des algorithmes en fonction de critères et signaux de données.

Réalité augmentée 

Technologie permettant de superposer des éléments virtuels à la réalité physique, la réalité augmentée est utilisée par de nombreuses marques pour sublimer l’expérience client. Sephora a par exemple intégré dans son application mobile une fonctionnalité AR pour permettre à ses clientes d’essayer virtuellement différents produits de maquillage. Un autre exemple est celui d’Ikea qui propose via son application “Ikea Kreativ” de scanner une pièce, effacer les meubles existants pour les remplacer par de nouveaux meubles virtuels.

Application d'intelligence artificielle de Sephora
Source : Sephora

Réseaux sociaux 

L’intelligence artificielle est également très présente au sein des réseaux sociaux et sous différentes formes. Meta a récemment annoncé avoir développé son propre modèle de langage LLaMA. Les algorithmes des réseaux sociaux tels qu’Instagram, Tik Tok, Facebook ou Snapchat analysent le comportement des utilisateurs pour leur recommander des contenus pertinents susceptibles de générer davantage d’engagement. L’IA est également utilisée pour détecter les contenus inappropriés ou pour la reconnaissance faciale. C’est grâce à cette dernière technologie notamment qu’en 2015 Snapchat lançait ses fameux filtres appliqués aux images et aux vidéos.

Relation client 

Les chatbots intégrés aux sites web et notamment aux plateformes e-commerce permettent d’apporter une réponse rapide à des questions simples formulées par les clients telles que des informations sur la livraison, la disponibilité d’un produit ou les conditions de retour. La construction d’un chatbot repose généralement sur un arbre de décision permettant de prendre des décisions en fonction des réponses de l’utilisateur. Des outils tels que l’application Poe vous permet désormais de créer votre propre chatbot.

Reconnaissance d’images 

Google Lens est un outil de reconnaissance d’images développé par Google. Il utilise la vision par ordinateur pour identifier et analyser les objets et les éléments présents dans une image. Il peut par exemple vous fournir des informations sur un produit, des avis de consommateurs, des prix et des endroits où l’acheter. Bing image est reconnu également pour être très performant dans la reconnaissance et la classification d’images.

Expérience client et Recommandation de produits 

L’IA peut être utilisée pour recommander des produits ou des services en fonction des préférences et du comportement d’achat de chaque client. Les entreprises peuvent utiliser ces recommandations pour augmenter les ventes et fidéliser les clients. Netflix, Spotify et Amazon, pour ne citer qu’eux, sont très performants dans ce domaine et font figure de références en matière d’expérience client.

Recherche vocale 

Les assistants vocaux tels que Siri (Apple), Cortana (Microsoft), Alexa (Amazon), Google Home et Google Assistant, sont apparus dans les années 2010. Ils utilisent la reconnaissance vocale et le traitement du langage naturel pour comprendre les demandes de l’utilisateur et fournir des réponses ou des actions appropriées. La recherche vocale s’avère aujourd’hui plus utilisée dans la domotique que sur mobile.

Social media listening 

L’IA est utilisée par des outils qui surveillent les conversations et les mentions liées à une entreprise, une marque, un produit ou un service sur les plateformes de médias sociaux. Parmi ces outils, on retrouve BrandWatch, Meltwater, Visibrain, Mention ou encore Talkwalker.

Vous l’avez compris, les exemples d’applications de l’IA ne manquent pas, quels que soient les secteurs. L’intelligence artificielle a toujours été l’objet de craintes que ce soit en matière de sécurité, de protection des données ou de protection de la vie privée. Nous sommes encore loin du jour où l’IA dépassera les capacités cognitives et intellectuelles de l’être humain mais cette question ressurgit à chaque avancée technologique. Comme lors de toute phase d’innovation, les États et institutions publiques veillent au grain et envisagent d’instaurer des lois restrictives pour encadrer les usages. Cela suffira-t-il ? L’avenir nous le dira.


Florian Geri

Auteur

Florian Geri

Partager: