1L’intelligence artificielle (IA) et l’entrepreneuriat sont deux sujets fortement médiatisés de nos jours ; et pour l’examiner, il est important d’aller au-delà de l’effet de mode, et retenir que ces deux domaines constituent des solutions à de nombreuses problématiques concrètes de nos sociétés, prises dans divers sens du terme. L’entrepreneuriat peut être entendu comme le processus par lequel une personne morale ou physique s’investit dans la création d’une activité économique, répondant à au moins un besoin précis d’un utilisateur ou d’un client potentiel. L’intelligence artificielle (IA) quant à elle, se présente comme le résultat d’un processus d’imitation, à l’aide d’algorithmes mathématiques, d’au moins un aspect du fonctionnement du cerveau humain. Il s’agira dans le présent article de présenter des liens concrets entre IA et entrepreneuriat, en mettant en lumière la valeur ajoutée de l’IA et en décrivant quelques cas d’application, tout en mettant en exergue les points de vigilance.
2Pour ce faire, nous procédons dans un premier temps à une (re)découverte de l’intelligence artificielle ; ensuite, nous exposerons trois cas précis d’utilisation de l’IA dans le monde de l’entrepreneuriat ; et enfin, nous présenterons un modèle théorique construit spécifiquement pour interpréter le rôle de l’IA dans le processus entrepreneurial. Au total, ce travail vise à attirer l’attention sur des points de vigilance, et approfondir la compréhension perçue de l’usage de l’IA dans divers domaines.
3L’intelligence artificielle est parfois décrite comme un processus d’imitation de l’intelligence humaine qui repose sur la création et l’application d’algorithmes exécutés dans un environnement informatique dynamique. Son but serait de permettre à des ordinateurs de penser et d’agir comme des êtres humains.
4Ce sont conjointement l’évolution des connaissances sur la pensée humaine et le développement des capacités des machines qui ont permis l’émergence du concept d’IA, dont on peut donc retrouver les prémices dès l’Antiquité. Au fil du temps, on retrouve plusieurs éléments de raisonnements, de questionnements et d’expérimentations, qui ont contribué à la façonner.
5La discipline de l’intelligence artificielle à proprement parler, a commencé à se développer au milieu du XXème siècle. L’expression « artificial intelligence » serait apparue en 1956 lors d’un atelier scientifique, au Collège de Dartmouth dans le New Hampshire (USA).
6Il est intéressant de constater l’alternance de périodes d’enthousiasme et de périodes d’hibernation qu’a connues l’IA, de ses premières utilisations au début de sa médiatisation et de sa vulgarisation au XXIème siècle. Plusieurs raisons peuvent l’expliquer. Elles sont tant psychologiques (la peur), techniques (l’état de la mémoire et de la capacité de calcul des ordinateurs), géopolitiques (les « échecs » de l’IA en période de guerre froide) que financières (les coupes budgétaires qui en ont découlé dans le monde de la recherche scientifique).
7En parcourant la littérature, on retrouve plusieurs catégorisations de l’IA.
8Les trois types les plus courants, « de la plus faible à la plus forte », sont les suivants : l’intelligence artificielle étroite (ANI), l’intelligence artificielle générale (AGI) et la super intelligence artificielle (ASI). Mais une polémique persiste toujours sur la possibilité d’une IA réellement forte, c’est-à-dire dotée d’une conscience, d’une sensibilité et d’une volonté autonomes.
9Par ailleurs, lorsqu’on parle d’IA, on fait souvent référence au Machine Learning (ML) ou apprentissage automatique, et au Deep Learning (DL) ou apprentissage profond (non moins automatique). Le processus de développement d’un projet d’apprentissage automatique se subdivise en douze étapes qui sont :
-
La définition précise du problème qui est la phase permettant de déterminer le type d’algorithme le plus adapté (classification, régression ou clustering), ainsi que les variables d’entrée et de sortie,
-
La collecte de données,
-
Le prétraitement des données, qui se focalise sur leur transformation. Ces dernières sont transformées ou encodées dans le but de les amener à un état tel que leurs caractéristiques pourront être facilement interprétées par l’algorithme,
-
La séparation des données en trois sous-ensembles (entraînement, test et validation),
-
La mise au point du modèle d’apprentissage,
-
L’entraînement du modèle,
-
L’évaluation et l’ajustement du modèle,
-
La phase de test du modèle,
-
La validation du modèle de prédiction,
-
Le déploiement du modèle,
-
Le suivi et l’évaluation de la performance du modèle,
-
L’ajustement périodique du modèle.
10Le DL est un sous-ensemble du ML qui utilise des réseaux de neurones permettant à la machine de « penser », ou plutôt d’apprendre par elle-même à partir de mégadonnées ou « big data ». Le DL nécessite des performances techniques supérieures. Un réseau de neurones, naturellement inspiré du cerveau humain, est composé de dizaines voire de centaines de « couches », chacune d’entre elles recevant et interprétant les informations de la couche précédente. À chaque étape, on excite le réseau de neurones avec un stimulus connu. On élimine alors les « mauvaises » réponses en rapportant les erreurs du réseau vers les niveaux en amont, en vue d’ajuster de manière récursive le modèle mathématique. Au fur et à mesure, le programme s’auto-calibre en réorganisant les informations en blocs de plus en plus complexes. Le processus est ainsi raffiné, jusqu’à obtenir un modèle final, susceptible de traiter des cas inconnus. Il devient alors capable d’effectuer par exemple la reconnaissance d’un objet, sans qu’on lui en ait appris le concept. Les données de départ sont essentielles : plus le système accumule d’expériences pertinentes différentes et variées, c’est-à-dire plus le jeu de données est robuste, plus le réseau de neurones sera performant.
11Il importe à ce stade-ci, de préciser les notions d’apprentissage supervisé et non supervisé, qui sont deux principaux types d’apprentissage automatique.
12Dans un cas (supervisé), les données sont étiquetées, annotées. Par exemple, on sait qu’au sein d’un lot de portraits, le sexe, féminin ou masculin, doit pouvoir être identifié. Ce sont les deux valeurs de sortie. Ces valeurs de sortie étant discrètes (non continues), il s’agit là d’un cas de classification. Dans le cas de données continues, on parle de régression.
13Dans le cas d’apprentissage non supervisé, les valeurs de sorties du modèle sont inconnues. On dit aussi qu’elles ne sont pas étiquetées. Le modèle cherchera alors à regrouper les données en clusters en fonction de traits qu’il aura lui-même identifiés, ou que l’ingénieur machine learning lui aura suggérés. On attend donc de la machine qu’elle crée d’elle-même les réponses attendues, grâce à différentes analyses et à des procédés de classement des données.
14Cette technique, bien que parfois difficile à comprendre par le commun des hommes, est très utilisée dans plusieurs domaines. Dans celui du marketing par exemple, elle sert à organiser les nombreux clients par groupes, afin de différencier les services fournis. L’apprentissage non supervisé est également utilisé dans le domaine de la reconnaissance vocale. L’assistant apprendra progressivement à reconnaître les particularités vocales du propriétaire du téléphone (type de langage, son de la voix, intonations) et deviendra donc de plus en plus efficace dans la compréhension des énoncés.
15Les liens entre intelligence artificielle et entrepreneuriat sont multiples. Ils peuvent être organisés en quatre clusters : l’opportunité, la prise de décision, la performance, et enfin, « éducation et recherche » (Giuggioli, 2022).
16Effectivement, l’intelligence artificielle ne constitue pas forcément le cœur du service ou du produit proposé par l’entreprise, dont la valeur ajoutée sera facturée au client, comme dans le cas d’un assistant vocal domestique. Elle peut rapporter de l’argent indirectement au chef d’entreprise, en lui permettant de détecter certaines opportunités, d’améliorer des approches et processus internes, de prendre de meilleures décisions, notamment celles s’appuyant sur un important volume de données. Par exemple, l’avènement de l’IA a donné une autre dimension au « propensity modeling ». Dans le domaine du marketing, en fonction de l’analyse de plusieurs paramètres dont l’historique des ventes et certaines caractéristiques spécifiques aux clients, il est aujourd’hui possible de prédire les comportements de ces derniers, et donc d’adapter la production et de limiter les stocks.
17Analysons ensemble trois cas concrets d’utilisation de l’IA au sein d’entreprises ivoiriennes.
18La FAO (Food and Agriculture Organization) a prédit qu’en 2050, il y aurait environ 2 milliards de personnes supplémentaires à nourrir sur Terre, soit une augmentation de 28 %.
19Cependant, elle a évalué que la croissance des surfaces cultivables ne pourrait pas dépasser 4 %.
20On en déduit donc aisément que le véritable enjeu est d’augmenter la productivité des surfaces cultivables disponibles.
21L’intelligence artificielle a permis plusieurs avancées en ce sens. Par exemple, la reconnaissance automatisée des phytopathologies, en vue d’y remédier et de réduire les pertes.
22Considérons le cas du cacao. La Côte d’Ivoire en est le premier producteur mondial, et fait partie d’un ensemble de six pays d’Afrique de l’Ouest d’où est issue 71 % de la production mondiale.
23La maladie la plus dévastatrice pour les plants de cacao est le « Cocoa Swollen Shoot Virus » (CSSV). Il s’agit d’un virus qui cause la décoloration des feuilles, le gonflement des racines et des tiges, ainsi que la déformation des cabosses. Dès la première année d’infection, l’arbre voit sa production considérablement diminuer, et généralement au bout d’un à quatre ans, il finit par mourir. Le virus se propage d’arbre en arbre via les cochenilles.
24Lorsque l’agriculteur remarque l’un des signes de cette maladie, il est généralement trop tard. À la suite d’une infection donnée, ce sont environ 300 000 plants de cacaoyers qui peuvent mourir chaque année.
25À ce jour, la mesure rudimentaire souvent prise lorsqu’une infection est détectée, est la destruction immédiate des plants concernés, en espérant freiner la propagation de la maladie.
26L’intelligence artificielle permet de détecter, de façon anticipée et automatisée, les premiers signes de la maladie, alors même qu’ils ne sont pas encore visibles à l’œil nu. Il est alors possible d’essayer de traiter les plants affectés.
27En Côte d’Ivoire, la startup Cookie Labs, fondée par le jeune Auget SÉOULOU et accompagnée par la Fondation Jeunesse Numérique, a développé une solution nommée IA-Vision, qui s’appuie notamment sur un algorithme de Deep Learning et offre plusieurs fonctionnalités.
28D’abord, la collecte de données sur le terrain. Celle-ci peut se faire de différentes façons : sur site, par la prise manuelle de vues, ou via des photographies aériennes effectuées par des drones, ou encore par un accès à des données satellitaires.
29Puis s’ensuit le traitement intelligent de ces nombreuses données afin de fournir des analyses comportementales des parcelles, d’identifier la présence d’éventuels parasites, et de suivre leur évolution. La détection des parasites se fait grâce à des signatures définies et constamment améliorées, correspondant à différents types de maux.
30L’entreprise Cookie Labs s’est consacrée spécifiquement à la reconnaissance automatisée du « Swollen shoot » sur les plants de cacaoyers. Par de l’apprentissage supervisé, au fil des années, sa solution IA-Vision est parvenue à atteindre un taux de fiabilité de 95 %.
31La startup a dû adapter son modèle économique, en proposant ses services sous plusieurs formes. Un service Freemium donnant à l’utilisateur un accès à l’application mobile, qui lui permet de prendre des photos de parties de cacaoyers, et d’interroger l’algorithme afin de savoir si l’arbre d’origine est sain ou malade, avec un taux de certitude affiché. Avec l’accord des utilisateurs, ce service permet naturellement d’enrichir les jeux de données sur la base desquels l’algorithme est entraîné, afin d’améliorer progressivement son taux de fiabilité.
32L’offre de services payants inclut notamment des prestations de collecte et d’interprétation de données par des ingénieurs agronomes, la production de rapports, la définition de stratégies.
33La capacité à déceler rapidement la présence du « Swollen shoot » sur des plants de cacaoyers, associée à la prise de mesures adéquates, permet de réduire le taux de mortalité des arbres, et donc d’améliorer considérablement la productivité. Les bénéfices pour les agriculteurs sont évidents. Ce cas d’utilisation nous montre comment l’intelligence artificielle peut impacter positivement un secteur d’activité et la qualité de vie de la population.
34Dès 2017, dans le cadre d’une formation entrepreneuriale, une jeune Ivoirienne nommée Charlette N’GUESSAN et son équipe, ont entamé le développement d’une application permettant la vérification fiable et à distance, de l’identité d’une personne. Leur startup a officiellement été lancée en septembre 2018.
35Les applications de leur solution, nommée BACE pour Bank AllianCE, sont multiples. Par exemple, dans le domaine de l’e-éducation, les apprenants souhaitant obtenir des certificats de formation doivent s’enregistrer et s’authentifier. Cela est fait en soumettant leur pièce d’identité en ligne et en activant la caméra de manière à ce que leur visage puisse être comparé à la photo du document.
36Par ailleurs, les institutions financières ont un fort besoin de ce type d’application dans la mesure où elle permet par exemple de mener à distance le processus de vérification pour l’ouverture d’un compte bancaire, de mieux connaître ses clients ou encore de détecter d’éventuelles fraudes. Pour les clients, cela offre la possibilité de s’authentifier pour accéder à leurs comptes via Internet, ou encore d’effectuer des paiements en ligne de manière sécurisée. Tout ceci permet d’améliorer l’expérience client, de même que les opérations des établissements financiers.
37Par ailleurs, le vote en ligne, qui requiert de rigoureux contrôles de sécurité, est rendu possible grâce à ce type de solutions de télé-authentification.
38La société BACE Group proposait aussi aux entreprises des prestations de conseil en transformation digitale, notamment pour l’intégration de l’intelligence artificielle à leurs activités, afin d’améliorer les niveaux de productivité et de sécurité.
39Malheureusement, à ce jour, BACE Group n’est plus en activité. La fiabilité de leur algorithme variait pourtant entre 97 et 99 %. Qu’est-ce qui n’a pas fonctionné ? La méconnaissance de la technologie et la peur suscitée par l’intelligence artificielle expliquent en partie la difficulté de cette entreprise à se développer. Par ailleurs, le besoin en financement n’a pas été comblé. Il devait notamment servir au recrutement de talents en IA, pour le développement de certaines fonctionnalités de la solution. Enfin, le manque de maturité de la réglementation régissant l’utilisation de la reconnaissance faciale a limité l’expansion de l’entreprise sur certains marchés.
40La société ivoirienne Jba Labs a développé une application utilisant l’intelligence artificielle pour la détection précoce des pannes des moteurs électriques.
41L’algorithme de Jba Labs permet de cloner parfaitement (avec une erreur quadratique moyenne, mse < =0,0004) n’importe quel moteur à induction à partir de ses données de consommation de courants et tensions électriques observées et enregistrées à une fréquence de 20 000 Hz dans son environnement.
42À partir de ces informations numérisées, le logiciel « clone » le moteur électrique, le supervise en temps réel et par conséquent, peut détecter de façon anticipée ses potentiels dysfonctionnements. Le logiciel réduit donc considérablement, voire supprime, les arrêts non planifiés de production dans les usines. Cette solution facilite la mise en œuvre d’une maintenance curative et préventive plus efficace et moins coûteuse.
43Il permet également d’évaluer l’efficacité énergétique des moteurs en calculant le surplus d’énergie dépensé (kWh) pendant leurs périodes de dysfonctionnement. D’autres agents intelligents ont été intégrés dans le logiciel pour identifier les causes et l’origine des pannes afin de générer des alarmes au fil de l’eau. À tout moment, un rapport détaillé de diagnostic peut être généré sur l’ensemble des moteurs.
44L’IA a le potentiel de devenir le meilleur outil de l’humanité pour faire progresser sa propre créativité et stimuler l’esprit d’entreprise grâce à de nouvelles façons d’utiliser les données (Hisrich et Soltanifar, 2021).
45On entend souvent dire que les systèmes intelligents remplaceront progressivement les humains dans différents secteurs d’activité, l’un après l’autre. Cependant, bien que cela soit vrai dans une certaine mesure, et pour certains emplois, le plus grand potentiel de l’IA du fait de sa capacité à automatiser certaines fonctions, c’est de compléter et de renforcer les compétences humaines. Les forces de l’humain sont notamment la créativité, l’improvisation, la dextérité, le jugement, les compétences sociales, la sensibilité, le leadership, et dans une certaine mesure, un ensemble de valeurs humaines et morales. À celles-ci, la machine oppose la vitesse, la capacité de répétition sans erreur, les compétences prédictives et l’évolutivité (Daugherty et Wilson, 2018).
46Il existe un modèle théorique récent construit spécifiquement pour interpréter le rôle de l’IA dans le processus entrepreneurial (Chalmers et al., 2021). Ce modèle est composé de cinq parties, agrégées en trois niveaux : antécédents de création d’entreprise (premier bloc), les activités de l’entreprise (trois blocs intermédiaires) et les résultats entrepreneuriaux (dernier bloc). Spécifiquement :
-
La première partie, « les antécédents », fait référence aux raisons pour lesquelles un ou des individus voudraient entreprendre. Dans cette première phase, L’IA a le potentiel d’avoir un impact à la fois sur la probabilité qu’un individu décide de démarrer une entreprise, et le type d’entreprise qu’il va créer.
-
La deuxième partie, appelée "la prospection", fait allusion au potentiel des algorithmes d’IA et montre comment ils peuvent être utilisés pour identifier et exploiter des opportunités.
-
La troisième partie s’intitule « conception organisationnelle » et traite des nouvelles formes de structures organisationnelles et de systèmes de décision. Plus précisément, elle analyse comment l’IA peut mettre en œuvre des décisions automatisées, en suggérant des actions basées sur les données disponibles.
-
La quatrième partie concerne l’exploitation. Elle se concentre sur l’augmentation de la productivité et des performances, en abordant spécifiquement le rôle de l’IA dans l’amélioration des processus de la fonction de vente.
-
La dernière partie, "résultats", concerne les récompenses entrepreneuriales. Faire évoluer une entreprise en utilisant de l’IA peut permettre aux entrepreneurs très compétents en technologie d’obtenir une rentabilité plus élevée, avec beaucoup moins d’efforts que les partisans des formes plus traditionnelles de l’entrepreneuriat.
47Un tel modèle permet à chaque personne d’identifier précisément comment l’intelligence artificielle peut l’aider tout au long de son parcours entrepreneurial.
48L’intelligence artificielle promet un avenir radieux aux entrepreneurs qui sauront s’y investir. Elle a déjà commencé à révolutionner de nombreux secteurs, y apportant une valeur ajoutée indéniable. On peut citer la biologie et la santé, avec des classifications naturelles et des diagnostics médicaux automatisés, les domaines du multimédia et du divertissement avec l’indexation multimédia, la réalité virtuelle et augmentée. L’IA a fourni à l’éducation des systèmes tutoriels intelligents et à l’industrie des robots plus efficaces, conscients de leurs environnements, ainsi qu’un système de détection anticipée des pannes.
49De plus, de nombreux espoirs portent sur l’apprentissage non supervisé et le « reinforcement learning » afin d’améliorer la cybersécurité à l’aide des systèmes SOAR (Security Orchestration, Automation and Response).
50L’IA apporte une aide très appréciable dans l’ensemble des activités de l’être humain. Cependant, comme pour toute révolution technologique, il existe des effets pervers. Un parfait exemple est sans doute cet agent conversationnel de nouvelle génération récemment introduit (ChatGPT), qui suscite déjà des inquiétudes quant aux menaces qu’il fait peser sur certains métiers et les risques de détournement d’une telle puissance. Face à ses capacités à répondre à toutes sortes de requêtes, qu’il s’agisse de rédiger un poème, un texte dans un style littéraire spécifique, ou du code informatique pour assurer une fonction donnée, il n’a pas fallu attendre longtemps pour voir se multiplier les cas de tricherie et de tentatives d’utilisations malveillantes. La prudence s’impose donc, tout en gardant les bras et l’esprit ouverts aux bienfaits de l’IA, sans oublier son usage conforme aux principes éthiques. Les hommes ne doivent pas en être de simples consommateurs, impuissants, mais de véritables acteurs, créateurs de solutions.