{"id":12558,"date":"2016-04-11T12:15:42","date_gmt":"2016-04-11T10:15:42","guid":{"rendered":"http:\/\/www.oezratty.net\/wordpress\/?p=12558"},"modified":"2016-09-05T15:35:04","modified_gmt":"2016-09-05T13:35:04","slug":"avancees-intelligence-artificielle-5","status":"publish","type":"post","link":"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-5\/","title":{"rendered":"Les avanc\u00e9es de l’intelligence artificielle – 5"},"content":{"rendered":"

Dans l\u2019\u00e9pisode pr\u00e9c\u00e9dent<\/a> de cette s\u00e9rie sur les avanc\u00e9es de l\u2019intelligence artificielle publi\u00e9e par intermittence, je m\u2019\u00e9tais pench\u00e9 sur un inventaire partiel de startups du secteur. Il en manquait quelques-unes, acquises par de grandes entreprises et notamment par les GAFA et autre IBM, Microsoft, Oracle, LinkedIn et Salesforce.<\/p>\n

C\u2019est le lot commun de vagues d\u2019innovations que de g\u00e9n\u00e9rer ce genre d\u2019acquisitions. On en d\u00e9duit que les grandes entreprises ont le souci de s\u2019adapter rapidement aux \u00e9volutions du march\u00e9 et de ne pas rater un train qui part ou qui est d\u00e9j\u00e0 en marche. L\u2019IA n\u2019y \u00e9chappe donc pas. Cela a commenc\u00e9 il y a pas mal d\u2019ann\u00e9es avec des acquisitions portant d\u2019abord sur la recherche, le traitement de l\u2019image et la reconnaissance de la parole. Les acquisitions les plus r\u00e9centes portent plut\u00f4t sur le machine learning adapt\u00e9 au big data.<\/p>\n

Voici donc un tour d\u2019horizon de ces principales acquisitions et, au passage, des strat\u00e9gies d\u2019IA associ\u00e9es pour ces grands groupes du num\u00e9rique.<\/p>\n

\"Google\"<\/a><\/p>\n

L\u2019actualit\u00e9 abonde depuis 2014 d\u2019acquisitions m\u00e9diatis\u00e9es de startups de l\u2019IA par ces grands acteurs du num\u00e9rique. Cela alimente quelques fantasmes sur leurs avanc\u00e9es qui sont quelque peu enjoliv\u00e9es. Elles sont notamment focalis\u00e9es sur Google qui aurait, selon les commentateurs, acquis tout ce qui existait de bien autour de l\u2019IA.<\/p>\n

C\u2019est \u00e9videmment une vue de l\u2019esprit. Oui, Google a fait bien plus d\u2019acquisitions dans le domaine de l\u2019IA que les autres grands du num\u00e9rique, mais rappelons-nous le c\u00f4t\u00e9 tr\u00e8s artisanal de ce secteur. Ce n\u2019est pas parce que vous achetez quelques verreries de luxe que vous \u00eates le seul \u00e0 savoir fabriquer des verres de luxe ! L\u2019artisanat est tr\u00e8s souvent un march\u00e9 tr\u00e8s fragment\u00e9. On peut le constater au regard des effectifs des startups acquises. Ils sont en g\u00e9n\u00e9ral tr\u00e8s limit\u00e9s, comme ils l\u2019\u00e9taient d\u2019ailleurs pour les acquisitions par Facebook de startups telles qu\u2019Instagram, Whatsapp ou Oculus Rift, qui n\u2019avaient par ailleurs aucun rapport avec l\u2019IA.<\/p>\n

L\u2019acquisition la plus m\u00e9diatis\u00e9e de Google dans l\u2019IA fut celle de l\u2019anglais DeepMind <\/strong>en 2014 pour un montant record dans ce secteur de $625m. Et surtout, pour \u00e0 peine une cinquantaine de personnes dont une douzaine de chercheurs en machine learning. Ce qui fait le chercheur \u00e0 $50m, un record comparativement aux d\u00e9veloppeurs qui sont estim\u00e9s \u00e0 environ $1m \u00e0 $2m pour des acquisitions de jeunes startups. Ce qui est rare et cher. En 2014, une estimation<\/a> portait \u00e0 une cinquantaine le nombre de chercheurs en machine learning dans le monde. A vrai dire, il y en avait certainement beaucoup plus. On ne compte pas les PhD qui font ou ont fait de la recherche en machine learning. Mais les \u201cbons\u201d sont probablement peu nombreux comme dans toutes les disciplines de la recherche.<\/p>\n

Google n\u2019en \u00e9tait pas \u00e0 son premier coup. Ils avaient auparavant mis la main sur la soci\u00e9t\u00e9 de reconnaissance vocale SayNow <\/strong>en 2011, qui se retrouve probablement dans la commande OK Google sur mobiles Android. Puis sur Viewdle <\/strong>et de PittPatt <\/strong>en 2012, qui faisaient tous les deux de la reconnaissance faciale et de mouvements. Ensuite, en 2013, sur le sp\u00e9cialiste des r\u00e9seaux neuronaux Dnnresearch<\/a>, avec le canadien Geoff Hinton au passage, p\u00e8re du renouveau des r\u00e9seaux neuronaux, \u00e9voqu\u00e9 dans le second article<\/a> de cette s\u00e9rie. Ont suivi Dark Blue Labs <\/strong>et Vision Factory<\/strong>, deux soci\u00e9t\u00e9s d\u2019Oxford qui n\u2019ont pas lev\u00e9 de fonds. S\u2019y ajout\u00e8rent la solution de recommandation d\u2019images JetPack<\/strong>, le sp\u00e9cialiste de la traduction automatique Quest Visual<\/strong>, et celui de la reconnaissance de mouvements Flutter <\/strong>qui a probablement enrichi l\u2019offre logicielle de Dropcam, une startup de cam\u00e9ras de surveillance qui est dans le giron de Nest, une filiale d\u2019Alphabet.<\/p>\n

L\u2019ann\u00e9e 2014 a vu Google\/Alphabet acqu\u00e9rir une palanqu\u00e9e de startups dans la robotique avec Schaft <\/strong>(robot humano\u00efde et bras articul\u00e9, japonais), Industrial Perception <\/strong>(robots industriels, sp\u00e9cialis\u00e9 dans la vision 3D), Redwood Robotics <\/strong>(bras robotis\u00e9s, issue du SRI et acquise un an apr\u00e8s sa cr\u00e9ation), Meka Robotics <\/strong>(aussi dans les bras robotis\u00e9s, qui avait contribu\u00e9 \u00e0 la cr\u00e9ation de Redwood Robotics), Holomni <\/strong>(roues robotis\u00e9es), Bot & Dolly <\/strong>(bras articul\u00e9s \u00e0 mouvements tr\u00e8s souples servant aux tournages de cin\u00e9ma), Autofuss <\/strong>(encore des bras articul\u00e9s) et surtout Boston Dynamics<\/strong>, connu pour ses robots m\u00e9diatis\u00e9s dou\u00e9s de capacit\u00e9 de marche \u00e0 quatre puis deux pattes\u00a0<\/strong>mais que Google a c\u00e9d\u00e9 \u00e0 Toyota en juin 2016.<\/p>\n

Que deviennent toutes ces acquisitions ? Tout ce qui rel\u00e8ve du traitement des images et du langage s\u2019est retrouv\u00e9 dans les services de Google, notamment mobiles. La robotique ? Elle a d\u00e9bouch\u00e9 sur peu d\u2019applications commerciales pour l\u2019instant car ces technologies sont toujours en phase de gestation ou destin\u00e9es \u00e0 des march\u00e9s de niche. Et Google ne cherche pas \u00e0 concurrencer les leaders de robots industriels<\/a> (ABB, Fanuc, etc).<\/p>\n

Google fait des progr\u00e8s r\u00e9guliers dans le traitement des images, comme avec PlaNet<\/a> qui identifie \u00e0 quel endroit ont \u00e9t\u00e9 prises des photos d\u2019ext\u00e9rieur ou pour compter les calories dans des photos de plats<\/a>. Google utilise aussi beaucoup d\u2019IA sensorielle pour faire \u00e9voluer les fonctions de conduite automatique de ses Google Car.<\/p>\n

L\u2019IA googlelienne a connu un sursaut de m\u00e9diatisation avec la victoire de la solution AlphaGo construite par une \u00e9quipe d\u2019une vingtaine de personnes de sa filiale DeepMind au jeu de Go contre le champion du monde Sud-Cor\u00e9en (vid\u00e9o de la premi\u00e8re partie<\/a>). AlphaGo avait d\u00e9j\u00e0 battu le champion europ\u00e9en, Fan Jui, en octobre 2015. Ces victoires ont \u00e9t\u00e9 pr\u00e9sent\u00e9es comme des \u00e9tapes importantes des progr\u00e8s de l\u2019IA, faisant \u00e9cho \u00e0 la victoire de Deeper Blue aux \u00e9checs contre Gary Kasparov en 1997. La diff\u00e9rence ? Le jeu de Go est plus difficile \u00e0 simuler car la combinatoire de jeu est bien plus grande qu\u2019aux \u00e9checs. AlphaGo ne peut pas compter que sur la force brute.<\/p>\n

\"AlphaGo<\/a><\/p>\n

Il doit combiner plusieurs m\u00e9thodes pour \u00eatre efficace\u00a0 : \u00e9liminer des options de jeu inutiles via le \u201cMonte Carlo Tree Search\u201d (repr\u00e9sent\u00e9 graphiquement ci-dessus<\/em>) ou MCTS et exploiter une base de jeux permettant d\u2019identifier des tactiques gagnantes. A ce jeu-l\u00e0, cependant, AlphaGo ne gagne pas syst\u00e9matiquement<\/a>. Mais c\u2019est une bonne pub pour DeepMind dont les solutions de machine learning ont d\u2019autres applications comme la curation de m\u00e9dias<\/a> ou la sant\u00e9<\/a>. La performance a \u00e9t\u00e9 document\u00e9e dans un article publi\u00e9 dans la revue Nature<\/a> en janvier 2016. Un peu vex\u00e9s, les cor\u00e9ens ont d\u2019embl\u00e9e lanc\u00e9<\/a> un plan de financement public de 765m\u20ac dans l\u2019IA sur cinq ans avec les g\u00e9ants comme Samsung, LG, Hyundai et SK Telecom.<\/p>\n

\"Deep<\/a><\/p>\n

Aujourd\u2019hui, DeepMind est encore un laboratoire de recherche. Ils planchent sur DQN<\/a>, un r\u00e9seau neuronal profond dot\u00e9 de capacit\u00e9s d\u2019auto-apprentissage et DeepMind Health<\/a>, qui donne lieu \u00e0 une collaboration avec la NHS britannique et dans l\u2019application Streams de d\u00e9tection de blessures aux reins dans les urgences.<\/p>\n

Le fran\u00e7ais Yann LeCun, maintenant chez Facebook, a trouv\u00e9 de son c\u00f4t\u00e9<\/a> que le progr\u00e8s accompli par AlphaGo n\u2019est pas r\u00e9volutionnaire<\/a> pour autant, surtout en termes d\u2019intelligence, un mot valise dont la d\u00e9finition est \u00e0 g\u00e9om\u00e9trie variable. Il met en \u00e9vidence le r\u00f4le de l\u2019architecture mat\u00e9rielle qui est mise en \u0153uvre (280 GPUs et 1920 CPUs, m\u00eame si ce n\u2019est pas forc\u00e9ment celle qui l\u2019\u00e9tait dans les matchs historiques).<\/p>\n

Contrairement aux nombreuses startups \u00e9voqu\u00e9es dans l\u2019article pr\u00e9c\u00e9dent<\/a>, Google utilise l\u2019IA pour enrichir ses propres offres grand public, que ce soit autour de son moteur de recherche multifonctions ou de business plus p\u00e9riph\u00e9riques d\u2019Alphabet (sant\u00e9, IoT, automobile). Il s\u2019approvisionne en technologies et comp\u00e9tences de mani\u00e8re assez classique, pas du tout dans un mod\u00e8le d\u2019innovation ouverte. L\u2019enjeu est de transformer ces avanc\u00e9es en plateformes, comme il commence d\u00e9j\u00e0 \u00e0 le faire en publiant des APIs d\u2019IA dans le cloud<\/a> pour les d\u00e9veloppeurs, dont fait partie TensorFlow, une biblioth\u00e8que open source\u00a0de machine learning.<\/p>\n

Comme ce fut le cas dans le Web 2.0, la position des acteurs est \u00e0 la fois technologique mais aussi li\u00e9e \u00e0 la capacit\u00e9 \u00e0 satisfaire des besoins importants d\u2019utilisateurs, \u00e0 cr\u00e9er des \u00e9cosyst\u00e8mes applicatifs et \u00e0 trouver un bon mod\u00e8le \u00e9conomique. Google n\u2019y est pas toujours arriv\u00e9, comme avec Google Reader (abandonn\u00e9), Picasa (abandonn\u00e9 au profit de Google Photos), Google Wave (transform\u00e9), Google+ (mal en point) ou Google Compare<\/a> (r\u00e9cemment abandonn\u00e9).<\/p>\n

L\u2019IA est en tout cas un domaine suffisamment ouvert pour que l\u2019on ne se contente pas de ne pr\u00eater qu\u2019aux riches !<\/p>\n

D\u2019ailleurs, petite question : quels travaux de recherche en IA a pu cr\u00e9er et publier Ray Kurweil depuis qu\u2019il est chez Google, \u00e0 savoir 2012 ? Il planche en th\u00e9orie sur le traitement du langage naturel. Mais on n\u2019en sait pas plus ! Avant d\u2019\u00eatre chez Google, Kurzweil \u00e9tait \u00e0 la fois un serial-inventeur et un serial-entrepreneur en plus d\u2019\u00eatre auteur de nombreux livres, donc plut\u00f4t prolifique. Depuis, c\u2019est un grand silence. Les exponentielles de progr\u00e8s ne sont pas universelles !<\/p>\n

\"IBM<\/a><\/p>\n

IBM est le second acteur auquel les m\u00e9dias font le plus souvent r\u00e9f\u00e9rence concernant l\u2019IA, notamment depuis qu\u2019il communique fort bien sur les performances et applications diverses de Watson, comme nous l\u2019avons vu dans le troisi\u00e8me \u00e9pisode<\/a> de cette s\u00e9rie.<\/p>\n

IBM est aussi coutumier des acquisitions, qui servent surtout \u00e0 enrichir son offre de logiciels d\u2019entreprises, source de profits de m\u00eame niveau que ses activit\u00e9s de services pourtant trois fois plus importantes en chiffre d\u2019affaire. L\u2019offre logicielle d\u2019IBM s\u2019est agrandie depuis les ann\u00e9es 1990 par le fait de nombreuses acquisitions avec Lotus, Rational, Tivoli pour ne nommer que les plus connues. Et cela a continu\u00e9 depuis.<\/p>\n

IBM a investi au moins $7B en acquisitions dans l\u2019IA, bien plus que Google ne l\u2019a fait. Il a notamment absorb\u00e9 en 2014 la startup Cognea<\/strong>, cr\u00e9atrice d\u2019un agent conversationnel, AlchemyAPI <\/strong>(2005), une startup de deep learning d\u2019analyse de textes et d\u2019images, de reconnaissance de visages, de tagging automatique d\u2019images acquise en 2015, IRIS Analytics<\/strong>, une startup allemande d\u2019analyse temps-r\u00e9el d\u00e9di\u00e9e \u00e0 la d\u00e9tection de fraudes aux moyens de paiement, s\u2019appuyant sur du machine learning, Explorys <\/strong>et la solution de gestion de donn\u00e9es patients Phytel<\/strong>, int\u00e9gr\u00e9s dans les solutions sant\u00e9 de Watson, acquises en 2016.<\/p>\n

Au-del\u00e0 de l\u2019acquisition de technologies et d\u2019\u00e9quipes, IBM s\u2019int\u00e9resse aux donn\u00e9es permettant d\u2019alimenter Watson de mani\u00e8re g\u00e9n\u00e9rique. Cela s\u2019est manifest\u00e9 avec l\u2019acquisition des activit\u00e9s donn\u00e9es de The Weather Channel <\/strong>en 2015 permettant de cr\u00e9er une base m\u00e9t\u00e9orologique cons\u00e9quente utile dans diff\u00e9rents march\u00e9s (tourisme, agriculture, \u00e9nergie, transports) ainsi que de Truven Health Analytics <\/strong>pour $2,6B, qui g\u00e9rait les donn\u00e9es \u2013 probablement anonymis\u00e9es – sur le cout et les traitements de 200 millions de patients.<\/p>\n

Cette d\u00e9marche est originale. On ne l\u2019observe pas chez Google ou les autres acteurs \u00e9voqu\u00e9s ici. Les donn\u00e9es de certains domaines sont en effet plus rares que les algorithmes de machine et deep learning et de r\u00e9seaux neuronaux qui sont plut\u00f4t monnaie courante. Le couplage donn\u00e9es + big data + machine learning auto-apprenant permet de cr\u00e9er des bases uniques. D\u2019o\u00f9 leur valeur \u00e9conomique pour IBM. CQFD.<\/p>\n

\"Microsoft<\/a><\/p>\n

Microsoft a ceci de commun avec IBM qu\u2019il entretient depuis des d\u00e9cennies de grandes \u00e9quipes de recherche fondamentale et particuli\u00e8rement investies dans les diff\u00e9rents champs de l\u2019intelligence artificielle. Cr\u00e9\u00e9 en 1991, Microsoft Research occupe plus de 1000 chercheurs r\u00e9partis dans le monde, et y compris en France, dans un laboratoire commun mont\u00e9 \u00e0 Orsay avec l\u2019INRIA. La principale \u00e9quipe europ\u00e9enne est situ\u00e9e \u00e0 Cambridge au Royaume-Uni. Les \u00e9quipes de Microsoft Research sont \u00e0 l\u2019origine d\u2019avanc\u00e9es comme le syst\u00e8me de dialogue en langage naturel Cortana.<\/p>\n

Microsoft Research emploie un nombre record de prix Nobel et de scientifiques ayant gagn\u00e9 la m\u00e9daille Fields. Cela n\u2019en fait pas pour autant les initiateurs de business significatifs pour Microsoft. Tout au plus sont-ils \u00e0 l\u2019origine de nombreuses innovations incr\u00e9mentales qui ont aliment\u00e9 les produits phares de l\u2019\u00e9diteur. Le correcteur orthographique qui souligne les mots dans Word \u00e9tait ainsi sorti de ces laboratoires en 1995. Cela permet de relativiser le r\u00f4le de la recherche pour dominer une industrie. Apple qui n\u2019a pas formellement de laboratoire de recherche domine ainsi le secteur du mobile ! Chez Google, la fronti\u00e8re entre recherche et d\u00e9veloppement est plus floue.<\/p>\n

Les activit\u00e9s de Microsoft Research dans le machine learning sont imposantes avec plusieurs dizaines d\u2019\u00e9quipes projets<\/a> impliqu\u00e9es. Dans les projets, on trouve les grands classiques qui portent sur l\u2019am\u00e9lioration de la reconnaissance de la parole et des images et notamment le tagging automatique de vid\u00e9os. Et puis, en vrac, un agent conversationnel d\u00e9tectant des troubles psychiatriques (DiPsy<\/a>), un outil de reconnaissance de chiens originaire de Chine qui fonctionne \u00e0 l\u2019\u00e9chelle individuelle, pas \u00e0 celui de la race (Dog Recognition<\/a>) et un outil de tri de pi\u00e8ces de monnaie pour les r\u00e9fractaires aux Blockchains (Numiscan<\/a>).<\/p>\n

Microsoft qui est maintenant r\u00e9solument tourn\u00e9 vers le cloud fait tout de m\u00eame quelques acquisitions de startups pour acc\u00e9l\u00e9rer son \u201ctime to market\u201d dans l\u2019IA ou dans la p\u00e9riph\u00e9rie de l\u2019IA. Les \u00e9quipes de recherche fondamentale travaillent en effet sur des domaines o\u00f9 le risque est plus scientifique et technique que march\u00e9 tandis que les startups sont cens\u00e9es \u0153uvrer une un risque march\u00e9. Le risque est m\u00eame parfois \u00e9motionnel et dans l\u2019image, comme l\u2019a montr\u00e9 le robot conversationnel Tay <\/strong>qui s\u2019est mis \u00e0 tenir des propos nazis et a \u00e9t\u00e9 d\u00e9branch\u00e9. Tay \u00e9tait sorti de Microsoft Research !<\/p>\n

Les acquisitions dans les startups de l\u2019IA sont cependant peu nombreuses chez Microsoft. On peut surtout citer Revolution Analytics<\/strong>, qui faisait de l\u2019analyse pr\u00e9dictive s\u2019appuyant sur le langage open source R, acquise r\u00e9cemment en 2016. Un moyen de s\u2019attirer un \u00e9cosyst\u00e8me de d\u00e9veloppeurs ! Et puis, d\u00e9but 2016, Swiftkey<\/strong>, un logiciel de clavier virtuel mobile qui s\u2019appuierait lui aussi sur du machine learning. En 2015, Microsoft avait aussi mis la main sur Prismatic<\/strong>, un agr\u00e9gateur de news s\u2019appuyant sur du machine learning, ainsi que Double Labs<\/strong>, une application Android de notification elle aussi bas\u00e9e sur du machine learning.<\/p>\n

\"Microsoft<\/a><\/p>\n

Il n\u2019emp\u00eache que l\u2019\u00e9diteur a bien compris les enjeux de l\u2019IA et cherche \u00e0 se positionner comme fournisseur de plateforme d\u2019IA pour les d\u00e9veloppeurs, le \u201cConversation As a Platform\u201d et le \u201cMicrosoft Bot Framework\u201d, qui rappellent dans leur structure l\u2019offre des APIs d\u2019IBM Watson<\/a>. Il a \u00e9t\u00e9 annonc\u00e9 lors de la conf\u00e9rence Build qui s\u2019est tenue \u00e0 San Francisco entre le 28 mars et le 1ier avril 2016 (voir les vid\u00e9os de keynotes du premier jour<\/a> et du second jour<\/a>). C\u2019est tout frais ! Cf ce bon r\u00e9sum\u00e9<\/a> de Build 2016 dans l\u2019Usine Digitale.<\/p>\n

C\u2019est dans ce cadre que Microsoft propose 22 APIs dans ses Cognitive Services (anciennement Projet Oxford) associ\u00e9s \u00e0 l\u2019agent Cortana Intelligence Suite. Ce sont des APIs sensorielles qui font de la reconnaissance d\u2019images, audio, du traitement du langage naturel (NLP). L\u2019agent int\u00e8gre les services en cloud Azure Machine Learning, lanc\u00e9s en 2015. Microsoft a notamment d\u00e9montr\u00e9 son CRIS (Custom recognition intelligence service), un outil de \u201cspeech to text\u201d capable d\u2019interpr\u00e9ter les paroles approximatives d\u2019enfant en bas \u00e2ge. Microsoft propose aussi en open source son\u00a0son framework de “deep learning”\u00a0CNTK (Computational Network Toolkit) depuis fin 2015.<\/p>\n

\"Apple<\/a><\/p>\n

Apple est bien plus orient\u00e9 produits et march\u00e9s que ne le sont IBM et Microsoft. Non seulement la soci\u00e9t\u00e9 n\u2019a pas formellement de laboratoire de recherche fondamentale mais elle ne publie aucun<\/em> papier dans le domaine de l\u2019IA. C\u2019est tout le contraire de l\u2019innovation ouverte !<\/p>\n

Les acquisitions d\u2019Apple sont peu nombreuses en r\u00e8gle g\u00e9n\u00e9ral. Dans l\u2019IA, on peut compter Emotient <\/strong>pour la reconnaissance des visages et des \u00e9motions, VocalIQ<\/strong>, qui devait enrichir les fonctionnalit\u00e9s de reconnaissance de la parole de SIRI en ajoutant de l\u2019auto-apprentissage, ainsi que Perceptio<\/strong>, dans la reconnaissance d\u2019images s\u2019appuyant sur du deep learning. SIRI est de son c\u00f4t\u00e9 le r\u00e9sultat de l\u2019acquisition en 2010 de la startup SIRI<\/strong>, elle-m\u00eame issue d\u2019un projet de SRI International<\/strong> financ\u00e9 par la DARPA, et de l\u2019usage des technologies issues de l\u2019am\u00e9ricain Nuance Communications<\/strong>, la soci\u00e9t\u00e9\u00a0 leader du secteur de la reconnaissance de la parole qui fait plus de $2B de chiffre d\u2019affaire ! Ce dernier utilise en partie des technologies issues de Scansoft, provenant du belge Lernout & Hauspie qui avait acquis la technologie de reconnaissance de la parole de Ray Kurzweil !<\/p>\n

Apple comble les trous dans l\u2019IA via son partenariat avec IBM qui porte notamment sur Watson. Il est cependant probable qu\u2019Apple devra faire quelques acquisitions dans le cadre de son projet de voiture automatique.<\/p>\n

\"Facebook<\/a><\/p>\n

Facebook a fait parler de lui c\u00f4t\u00e9 IA en lan\u00e7ant le FAIR (Facebook Artifical Intelligence Research) qui est dirig\u00e9 par le chercheur fran\u00e7ais Yann LeCun<\/a> et qui est install\u00e9 \u00e0 Paris depuis 2015. Yann LeCun est l\u2019un des p\u00e8res du machine learning comme nous l\u2019avions \u00e9voqu\u00e9 dans le second article de cette s\u00e9rie. Il est aussi depuis peu professeur au Coll\u00e8ge de France sur le deep learning (voir sa le\u00e7on inaugurale<\/a>).<\/p>\n

Les \u00e9quipes de Facebook planchent sur la reconnaissance automatique de sports dans les vid\u00e9os ou de chiens dans les photos. Facebook vient aussi de d\u00e9montrer une fonction qui d\u00e9crit le contenu de photos, adapt\u00e9 aux aveugles, presque simultan\u00e9ment \u00e0 une fonction du m\u00eame genre propos\u00e9e aux aveugles par Microsoft.<\/p>\n

\"Facebook<\/a><\/p>\n

Facebook a aussi fait l\u2019acquisition de Wit.ai<\/a>, une petite startup de Palo Alto, pour ajouter des fonctionnalit\u00e9s de reconnaissance de la parole dans ses services et notamment de Messenger. Mais Wit.ai est aussi une plateforme utilis\u00e9e par des milliers de d\u00e9veloppeurs !<\/p>\n

Le g\u00e9ant des r\u00e9seaux sociaux r\u00eave aussi probablement de cr\u00e9er des solutions de marketing ultra-intelligentes, capables de devenir les aspirations et intentions des utilisateurs. Par exemple, une solution qui saura que je change de ville tous les ans pour mes vacances et \u00e9vitera de m\u2019exposer \u00e0 des publicit\u00e9s li\u00e9es \u00e0 des villes d\u00e9j\u00e0 visit\u00e9es !<\/p>\n

Autres grands acteurs du num\u00e9rique<\/strong><\/p>\n

Dans les acquisitions de startups de l\u2019IA par d\u2019autres grands acteurs du num\u00e9rique, on peut citer quelques mouvements r\u00e9cents, m\u00eame si on est loin du tsunami. Pourquoi donc ? Est-ce li\u00e9 aux domaines d\u2019activit\u00e9s de ces entreprises ?<\/p>\n