Enderi






Facebook
Twitter
YouTube















Accueil
Envoyer à un ami
Version imprimable

​L’intelligence artificielle en renseignement source ouverte




Publié par Paul Sanchez le 1 Avril 2019

La multiplication des informations sur internet concernant les individus et les entreprises transforme radicalement l’approche des sources ouvertes. Si la lecture faite par un humain de la presse et de documents non confidentiels bien ciblés pouvait aboutir à une veille pertinente et exhaustive auparavant, d’autres méthodes sont aujourd’hui à envisager. L’intelligence artificielle, « ensemble des théories et des techniques mises en œuvre en vue de réaliser des machines capables de simuler l'intelligence » selon l’un de ses concepteurs John McCarthy, promet alors monts et merveilles en analyse de données. Le but ultime est que toute veille tant stratégique que technologique ou tout besoin en recoupement d’informations (chercher des liens de filiation ou de fréquentation entre des personnes par exemple) puisse se faire en quelques minutes par un algorithme bien orienté. Si ceci est aujourd’hui loin de relever de l’impossible, de nombreuses difficultés techniques empêchent le déploiement de tels algorithmes.



L’IA un outil pour l’intelligence économique ?

L’IA promet en premier lieu d’alléger les tâches chronophages de beaucoup d’agents de l’intelligence économique, notamment celles du veilleur. Elle peut créer des parcours autonomes de découverte de nouvelles sources sur un sujet donné (un secteur d’activité, un produit distribué par un concurrent…), analyser la typologie de ces sources (par étude du champ lexical) et les qualifier (sont-elles mortes, peu actives, récentes ?) par analyse de dates notamment. Sur des questions plus linguistiques, l’IA peut faire de la traduction, de l’analyse sémantique, analyser les tonalités de différents textes. Cette dernière capacité permet de savoir si un extrait est élogieux ou non, dans un article fait à propos d’une entreprise ou dans des commentaires par exemple.

Au-delà de ces questions de captation de données, tout l’intérêt de l’IA dans ces domaines reste sa capacité à structurer automatiquement ces données pour en faire quelque chose d’intelligible par la suite pour l’agent d’IE. Microsoft travaille en ce moment sur un algorithme permettant d’écrire des résumés intelligibles sur un sujet donné et se basant toutes les connaissances acquises sur internet. Des solutions plus graphiques sont néanmoins aujourd’hui plus développées. IXXO, développeur d’algorithmes incorporant l’intelligence artificielle pour la veille et l’intelligence économique, propose aujourd’hui pour des secteurs spécifiques (notamment l’automobile) la création de mind maps. Sur une seule image, on peut découvrir les liens entre des constructeurs, des modèles de voiture, des pièces techniques, des sous-traitants… Tout cela uniquement avec une analyse automatique des données internet. Les applications à imaginer sont nombreuses, notamment pour recréer des réseaux de connaissances en couplant des informations à la fois personnelles et professionnelles sur des individus.
 
Des limites à l’IA
 
Cependant, ces espoirs se heurtent aujourd’hui à certains problèmes techniques propres à l’IA. Il est nécessaire d’introduire la distinction entre « weak AI » and « strong AI ». La première a besoin de grandes bases de données sur lesquelles s’appuyer pour ensuite mener son étude. Autrement dit, il lui faut un référentiel d’informations fiables et qu’elle peut comprendre sur un secteur donné (avec son vocabulaire, ses spécificités techniques…). Ce référentiel s’appelle une ontologie. Pour créer une ontologie, il faut alors premièrement une grande masse d’informations sur un secteur et deuxièmement expliciter chacune de ces informations à l’ordinateur. Ainsi, si l’on veut inclure un article sur BMW dans une ontologie, il faudra un homme pour annoter chaque mot (BMW est une marque, série 3 est un modèle, l’acier est un matériau utilisé chez le constructeur…). L’analyse de ce socle de base permet ensuite à l’IA d’analyser toutes les masses de données sur le secteur automobile. La création de l’ontologie reste néanmoins extrêmement chronophage et implique de se focaliser sur un secteur particulier. La « weak AI » telle que décrite ci-dessus est aujourd’hui la seule utilisée. La « strong AI », qui saurait de façon autonome faire ses propres ontologies, reste un sujet épineux de la recherche en IA. 

D’autres enjeux s’ajoutent, par exemple celui de la dépollution des pages internet. Sur un article, il y a à la fois le contenu qui nous intéresse, mais aussi des publicités, des suggestions vers d’autres articles. Il est aujourd’hui difficile pour l’IA de ne pas considérer des données qui n’ont aucun intérêt par rapport à un article et d’éviter de leur donner un sens.
 
Les opportunités futures de l’IA
 
Enfin, il est question des opportunités actuelles et futures que l’IA apporte à l’IE. Deux aspects sont à interroger, à savoir les capacités techniques futures de l’IA (notamment en termes d’autonomie), mais aussi la créativité des agents d’IE. Techniquement, la recherche en IA permet d’envisager à moyen terme le développement de « strong AI », en témoigne le nombre de papiers de recherche encourageants récemment publiés en Inde, Chine, Russie ou France… L’IA, par son importance stratégique dans la géopolitique actuelle attire de nombreux budgets, la recherche s’intensifie sans cesse en la matière. L’enjeu futur est donc en grande partie du côté des agents d’IE. Comment vont-ils apprendre à se servir de cette technologie et en déployer toutes les potentialités ? La créativité en la matière semble sans limites et représente un enjeu stratégique certain tant pour les entreprises que pour les états. IXXO a par exemple proposé un modèle de veille concurrentielle qui cherchait à savoir ce qui allait être fabriqué dans une nouvelle usine. Le recoupement de signaux faibles (recrutements, expériences passées des recrutés, brevets, publications…) a permis d’acquérir l’information sans encombre. Faut-il encore savoir où chercher, quelles entrées mettre dans l’algorithme et pouvoir concevoir intellectuellement ce que l’algorithme est capable de faire.
 
En conclusion, si l’IA représente une opportunité certaine pour la recherche en sources ouvertes en intelligence économique, il est important de ne pas tomber dans une vision idéaliste. Les algorithmes n’ont pas vocation à remplacer l’agent d’IE mais plutôt à l’aider. Cet agent doit alors particulièrement bien comprendre les intérêts d’un tel algorithme et surtout en accepter les limites. Le pas le plus important dans la création du lien IE/IA semble alors le dialogue entre ces deux mondes. L’avantage stratégique que représente cette association provient tant des formidables performances technologiques de l’IA que des capacités de créativité et d’analyse de l’IE.
 
 




Dans la même rubrique :
< >