British Airways fait confiance à l’intelligence artificielle (IA), et celle-ci le lui rend bien. En grande difficulté depuis la pandémie, l’emblématique compagnie britannique est parvenue à diminuer ses annulations et retards grâce à la technologie.
L’IA est un puissant OUTILS si il est utilisé tel que et qu’il ne remplace pas totalement la réflexion humaine mais que elle n’est que là pour la rationaliser, voir optimiser… Comme tout outils informatique : tout est question d’usage !
Et ça marche. Au premier trimestre, 86 % des vols de British Airways au départ de l’aéroport londonien sont partis à l’heure, ce qui représente la meilleure performance jamais enregistrée par la compagnie selon ses propres données.
OK, mais c’était combien avant ? Parce que bon si c’était 85%, c’est mieux mais ça change pas fondamentalement la donne.
En revanche, aucun doute que l’IA dans la gestion du trafic aérien / ferroviaire / routier peut être d’une aide précieuse.
Vivement l’erreur à cause d’une base vérolée…
Bon, c’est sûrement un peu marketing, il faut rassurer les actionnaires et les clients, tout en se faisant un peu de pub au passage.
Chez les compagnies, les retards font parti des plus gros coûts « facilement » compressibles, pas étonnant que les compagnies investissent!
Je n’ai pas de détails mais cela reste de l’optimisation de plan de vol, de l’optimisation d’usage des aéroports dans le périmètre maîtrisé par la compagnie. Mais les autres acteurs (Eurocontrol et le contrôle aérien) travaillent aussi activement à la réduction des délais.
En quoi cela change quelque chose? Même si c’était fait « à la main », des données initiales fausses donneraient aussi des résultats faux. La différence ici, c’est que l’"on peut plus facilement détecter des incohérences et que l’IA travaille sur des jeux de données tellement important que la manipulation (pbm de sureté voir de sécurité) sera plus complexe pour avoir un impact grave.
Ca change tout, à partir du moment où on laisse l’IA agir, donner des directives sans en vérifier le contexte, la qualité des sources de bout en bout, les conséquences peuvent être dramatiques dans de tels milieux.
On a eu un très bel exemple récemment avec Météo France, et les écarts parfois monstrueux entre les prévisions faites via l’IA et météorologues.
l’IA n’a sait pas faire preuve de subtilité, d’adaptabilité immédiate à un contexte imprévu.
L’humain oui.
1 « J'aime »
Alors je ne connais pas le contexte météo (même si je l’utilise professionnellement tous les jours), mais dans la recherche aéronautique (mon domaine du moment), l’IA est justement souvent plus fiable et flexible que l’humain, pouvant intégrer bien plus de paramètres et de connaissances que n’importe quel spécialiste. Mais c’est sûr que l’entraînement doit être d’une grande rigueur et les résultats forcément validés. On a pu avoir des trucs assez « amusants », comme un plan de vol re-routé mais à partir d’un autre aéroport de départ. Efficace du point de vue de l’optimisation, mais un peu compliqué à appliquer! 
ça reste de l’algo, et c’est ultra dépendant de ce qu’on lui donne à analyser.
Jamais se fier à 100% à un soft dont le fonctionnement est à géométrie variable, ce qui est le cas pour l’IA.
Alors ce n’est pas de l’aglo… 
Mais pas non plus de l’algo! Enfin le code est bien rodé et non buggé.
Par contre effectivement les données sont ultra importantes.
Là je ne comprends pas ce que tu veux dire. Tu veux pointer le fait que les résultats sont imprévisibles, souvent approximatifs et quelques fois faux? Dans ce cas oui, il ne faut pas se fier aveuglément aux résultats des IAs mais c’est toujours une bonne base de travail, surtout dans la recherche.
Si c’est de l’algo derrière. Massif en plus. Beaucoup de formules mise en œuvres.
A partir du moment où tu traites de la donnée, tu sors des stats, du apportes de notions de poids etc. c’est obligatoirement des algorithmes.
C’est le nerf de la guerre dans le développement logiciel.
Alors je ne sais pas ce que tu utilises, mais l’algorithmie et le code sont justement très limités dans les modèle d’IA (en tout cas à ma connaissance).
Bon, si tu as besoin de pré-machage de données, effectivement (j’ai fait ça il y a pas mal de temps pour des IAs ultra basiques en reconnaissance d’image…). Mais j’utilise toujours des données brutes maintenant (prévision et anticipation de problème, simulations en aéronautique).
Justement on est plus sur du génie informatique mais juste sur de la data science, juste du traitement de données, il n’y pas de code propre à une utilisation, juste des entraînements différents, quelques fois même avec les mêmes données de base.
Tu fais du dev ? Comment crois-tu que les données que tu donnes à ton LLM sont analysées ? Par la magie ? La data science dépend bien entendu avant tout des algorithmes développés en amont youhou.
Youhou!
Oui. C’est mon métier depuis « un peu de temps »: 40 ans.
C’est un concept que je ne comprends pas ici. Tu veux dire quoi?
Je n’utilise que des données brutes, exactement les mêmes que l’on utilisait avant pour faire des analyses et des stats pour essayer de prévenir les incidents et optimiser divers process (et on ici, ce sont des algos monstrueux).
Je me base juste sur le principe habituel: peu de code simple = peu de bug. Pas de dev spécifique => pas de nouveaux bug. Un réseau de neurones ou une LLM ne représente que peu de code, et il est suffisamment blindé et utilisé pour le considérer comme fiable.
Les « bugs » des IAs ne proviennent QUE des données d’entraînement biaisées. Les data scientists sont les seuls à maîtriser (enfin normalement, ils ont aussi malheureusement des biais mais ils en sont normalement conscient).