3 tendances technologiques que COVID-19 va accélérer en 2021
4 (2)

Passer 2020 dans l’ombre d’une pandémie a affecté ce dont nous avons besoin et ce que nous attendons de la technologie. Pour beaucoup, la COVID-19 a accéléré le rythme de la transformation numérique : comme les employés travaillaient à domicile, les entreprises avaient besoin de systèmes d’IA (intelligence artificielle) qui facilitent le travail à distance et de la puissance de calcul nécessaire pour les soutenir. La question est de savoir comment les entreprises devraient concentrer leurs ressources en 2021 pour se préparer à cette nouvelle réalité et aux nouvelles technologies qui se profilent à l’horizon. Voici trois tendances qui, je le prédis, feront l’objet d’une attention massive en 2021 et au-delà.

1. L’IA doit devenir pratique

Les progrès de l’IA ont déjà atteint un point où elle peut apporter une valeur ajoutée significative à pratiquement toutes les entreprises. La COVID-19 a déclenché un sentiment d’urgence massif autour des transformations numériques avec le besoin de solutions à distance. Selon un rapport du Boston Consulting Group, plus de 80 % des entreprises prévoient d’accélérer leur transformation numérique, mais seulement 30 % des transformations numériques, high tech et électroniques ont atteint ou dépassé leur valeur cible. De nombreux projets d’AI sont de petite envergure : moins d’un quart des entreprises figurant dans le rapport de McKinsey sur l’état de l’AI en 2020 ont fait état d’un impact significatif sur leurs résultats. C’est particulièrement vrai dans les industries qui ont un élément physique-numérique-électronique. Par exemple : Il existe un grand besoin d’installations de fabrication autonomes et télécommandées, de raffineries ou même à l’époque de la COVID-19, d’immeubles de bureaux. Bien que la technologie sous-jacente soit là, la réalisation de l’extensibilité reste une préoccupation et les leaders de l’électronique/high tech devront surmonter cet obstacle en 2021.

Quelles seraient les solutions ?

Une partie de la solution consiste ici à créer des solutions qui seront exploitées par quelqu’un qui n’est pas nécessairement un spécialiste des données, afin que davantage de personnes expertes dans le domaine puissent gérer les programmes dont elles ont besoin. Si Tesla a inventé une voiture autonome que seuls les spécialistes des données peuvent conduire, à quoi bon ? La technologie doit donner à l’utilisateur final les moyens d’interagir avec les modèles et de les manipuler sans avoir à se frayer un chemin à travers les points les plus fins des ensembles de données ou du code – en d’autres termes, l’IA fera le gros du travail en arrière-plan, mais une explication conviviale et l’interface utilisateur donnent du pouvoir à l’utilisateur final. Par exemple, un responsable de la gestion des installations peut gérer son portefeuille global de bâtiments à partir d’une tablette installée. Il peut avoir une visibilité totale sur les opérations, l’expérience des occupants et les dépenses, avec la possibilité d’intervenir dans ce qui serait autrement une opération autonome.

2. Les solutions deviennent plus autonomes grâce à un apprentissage approfondi

Geoffrey Hinton, pionnier de l’apprentissage en profondeur, a récemment déclaré au MIT Technology Review que l’apprentissage en profondeur permettra de « tout faire », c’est-à-dire de reproduire toute l’intelligence humaine. Les réseaux neuronaux profonds ont démontré des capacités extraordinaires pour approcher le sous-ensemble le plus pertinent de fonctions mathématiques et promettent de surmonter les difficultés de raisonnement. Cependant, je crois qu’il y a une étape vers la pleine autonomie que nous devons d’abord conquérir : ce que le Dr Manuela Veloso de Carnegie Mellon appelle l’autonomie symbiotique. Avec l’autonomie symbiotique, des mécanismes de rétroaction et de correction sont incorporés dans l’IA de telle sorte que les humains et les machines se transmettent des informations de manière fluide.

Quel exemple ?

Au lieu d’un retour d’information strict, l’autonomie symbiotique pourrait ressembler à une discussion avec l’assistant virtuel de votre téléphone pour déterminer le meilleur itinéraire vers une destination. Les interactions avec ces formes d’IA seraient plus naturelles et conversationnelles, le programme étant capable d’expliquer pourquoi il a recommandé ou effectué certaines actions. Grâce à un apprentissage approfondi, les réseaux neuronaux rapprochent les fonctions mathématiques complexes de celles plus simples, et la capacité à prendre en compte un nombre croissant de facteurs et à prendre des décisions plus intelligentes avec moins de ressources informatiques leur donne la possibilité de devenir autonomes. Je prévois un investissement important dans la recherche de ces capacités des réseaux neuronaux profonds dans tous les domaines, des start-ups aux entreprises de haute technologie en passant par les universités. Cette étape vers des solutions totalement autonomes sera une étape critique pour la mise en œuvre de l’IA à l’échelle. Elle fonctionne et apprend par elle-même, mais vous pouvez intervenir et enseigner lorsqu’elle fait une erreur.

3. La promesse de guérir les futures pandémies va accélérer la recherche en informatique quantique

Les ordinateurs quantiques ont la puissance de calcul nécessaire pour traiter des algorithmes complexes en raison de leur capacité à traiter des solutions en parallèle plutôt que de manière séquentielle. Pensons à la façon dont cela pourrait affecter le développement et la fourniture de vaccins. Tout d’abord, lors de la découverte d’un médicament, les chercheurs doivent simuler une nouvelle molécule. C’est un défi énorme à relever avec les ordinateurs à haute performance d’aujourd’hui, mais c’est un problème qui se prête à quelque chose dans lequel les ordinateurs quantiques finiront par exceller. L’ordinateur quantique pourrait éventuellement être mis en correspondance avec le « système quantique » qu’est la molécule, et simuler les énergies de liaison et les forces de transition chimique avant même que quiconque n’ait eu à fabriquer un médicament.

IA et informatique quantique

Cependant, l’IA et l’informatique quantique ont encore plus à offrir que la création du vaccin. La logistique de la fabrication et de la livraison du vaccin représente un défi informatique de taille, ce qui les rend bien sûr mûrs pour une solution combinant l’informatique quantique et l’IA. L’apprentissage par machine quantique est un domaine extrêmement nouveau et très prometteur, mais des percées sont nécessaires pour attirer l’attention des investisseurs. Les visionnaires de la technologie peuvent déjà commencer à voir l’impact qu’elle aura sur notre avenir, notamment en ce qui concerne la compréhension des nanoparticules, la création de nouveaux matériaux grâce aux cartes moléculaires et atomiques, et l’aperçu de la composition plus profonde du corps humain. Le domaine de croissance qui m’enthousiasme le plus est l’intersection des recherches dans ces systèmes, qui, je pense, commenceront à se combiner. Bien qu’il y ait eu certaines connexions entre l’IA et l’informatique quantique, ou entre la 5G et l’IA, toutes ces technologies travaillant ensemble peuvent produire des résultats exponentiels. Je suis particulièrement enthousiaste à l’idée de voir comment l’IA, l’informatique quantique et d’autres technologies high tech et électronique vont influencer la biotechnologie car cela pourrait être le secret des capacités surhumaines – et qu’est-ce qui pourrait être plus excitant que cela ?

Notez cet article.