- Selon les experts du Cetim, les outils permettant la mise en œuvre d’applications d’Intelligence Artificielle (IA) sont de nos jours très largement accessibles, grâce au développement du mouvement open source, dont l’IA est même devenue un moteur depuis quelques années.
Ainsi, le développement de modèles d’apprentissage automatique se fait très largement en Python, disposant d’un très grand nombre de librairies qui sont elles aussi open source.
L’utilisation du Cloud computing ou de serveurs dédiés privés est indispensable pour consulter des données a priori massives et hétérogènes, générer des bases d’apprentissage, définir et extraire les modèles (algorithmes).
L’implémentation de ces outils et algorithmes de décision en local (Edge computing) permet d’optimiser le fonctionnement en temps réel et donc d’agir rapidement. Ce genre d’outil nécessite un modèle de décision prédéfini. Il faut néanmoins garantir une architecture solide du réseau local, garantissant l’accès rapide aux données et leur intégrité.
Les objets connectés (IoT) disposent souvent de ressources de pré-traitement comme les composants FPGA rapides, rarement de stockage (ce n’est pas leur but) : on parle alors d’IA embarquée.
La récupération des données sur les objets connectés mobiles (véhicules, outils agricoles, drones…) sera facilitée dans quelques années par la 5G grâce à la prise en compte de l’IoT dans ses protocoles, la gestion d’un grand nombre d’objets, la faible consommation permettant plusieurs années d’autonomie sur batterie, des temps de réponse permettant la gestion temps réel à distance…
