Introduction
Pr. Issam QAFFOU
Plan
C’est quoi l’IA?
Axes de IA
Domaines d’application
Agent Intelligent
Exemple d’un problème résolu avec IA
Quiz
2
C’est quoi l’IA ?
Définition historique (McCarthy, années 50)
Définition actuelle
Distinction entre IA faible et IA forte.
3
Définition historique de IA (1956)
« L’intelligence artificielle est la science et
l’ingénierie de la fabrication de machines
intelligentes, en particulier de programmes
informatiques intelligents. » (John McCarthy, 1956)
4
Définition actuelle
IA = discipline qui vise à créer des systèmes capables de
simuler des fonctions cognitives humaines : perception,
raisonnement, apprentissage, décision.
Machine learning & big data
5
IA faible (étroite)
Définition : Un système d’intelligence artificielle conçu pour accomplir une
tâche spécifique, de manière efficace et autonome, sans posséder une
véritable compréhension ou conscience générale.
Caractéristiques :
Spécialisée dans une seule fonction (ex. reconnaissance faciale, traduction automatique).
Ne peut pas transférer ses connaissances à d’autres domaines.
Résultat prévisible et limité par l’algorithme et les données.
Exemples :
Siri / Alexa → assistant vocal
AlphaGo → joueur de Go
Google Translate → traduction automatique
Systèmes de recommandation → Netflix, Amazon
6
IA faible (étroite)
Définition : Un système d’intelligence artificielle capable de raisonner,
apprendre et comprendre de manière autonome, de manière générale et
flexible, comme le ferait un être humain.
Caractéristiques :
Capable de transférer ses connaissances d’un domaine à un autre.
Possède un niveau de compréhension et de raisonnement comparable à l’humain.
Théorique à l’heure actuelle : aucun système complet d’IA forte n’existe encore.
Exemples (conceptuels / fictionnels) :
HAL 9000 (2001, l’Odyssée de l’espace)
Système d’IA autonome capable d’apprendre toute tâche intellectuelle
Recherches actuelles sur AGI (OpenAI, DeepMind, projets de “general AI”)
7
Axes fonctionnels de l’IA
1. Systèmes experts
Principe : résoudre des problèmes en reproduisant le raisonnement d’un
expert humain.
Techniques : règles IF…THEN, moteurs d’inférence, bases de
connaissances.
Exemple : MYCIN (diagnostic médical), systèmes de configuration
industrielle.
8
Axes fonctionnels de l’IA
2. Résolution de problèmes et planification
Principe : trouver une séquence d’actions pour atteindre un objectif donné.
Techniques : recherche dans l’espace d’états, algorithmes A*, DFS/BFS,
planificateurs.
Exemple : jeux d’échecs, robot planifiant un trajet, logistique automatisée.
9
Axes fonctionnels de l’IA
3. Systèmes multi-agents (SMA) / IA distribuée
Principe : plusieurs agents autonomes interagissent pour résoudre un problème
complexe.
Caractéristiques : autonomie, coopération, coordination, négociation.
Exemple : essaim de drones, gestion intelligente du trafic, robotique collaborative.
10
Axes fonctionnels de l’IA
4. Machine Learning / Apprentissage automatique
Principe : les machines apprennent à partir des données pour améliorer leurs
performances.
Techniques : k-NN, arbres de décision, régression, réseaux de neurones, clustering.
Exemple : recommandation Netflix, détection de fraude, reconnaissance faciale.
11
Axes fonctionnels de l’IA
5. Traitement du langage naturel (NLP)
Principe : compréhension et génération du langage humain.
Techniques : modèles statistiques, transformers, embeddings.
Exemple : chatbots, traduction automatique, analyse de sentiments.
12
Axes fonctionnels de l’IA
6. Vision par ordinateur
Principe : interpréter et analyser des images ou vidéos.
Techniques : filtrage, détection de contours, CNN, segmentation.
Exemple : détection d’objets, reconnaissance faciale, véhicules autonomes.
13
Domaines d’application
Médecine Transport Robotique
• Diagnostic assisté par IA • Véhicules autonomes • Robots industriels et
(radiologie, pathologie) (voitures, drones) collaboratifs
• Planification de traitements • Optimisation du trafic et • Drones, essaims de robots
et recommandations logistique • Maintenance prédictive
personnalisées • Systèmes de navigation
• Robotique chirurgicale intelligente
14
Domaines d’application
15
Domaines d’application
Finance NLP Vision par ordinateur
• Détection de fraude et sécurité • Chatbots et assistants • Reconnaissance faciale et
bancaire virtuels biométrie
• Trading algorithmique • Traduction automatique • Détection d’objets et
• Gestion de portefeuille et • Analyse de sentiments et surveillance
recommandations financières résumé automatique • Applications industrielles :
contrôle qualité
16
17
Domaines d’application
Jeux et divertissement Énergie et environnement Sécurité et défense
• Jeux vidéo adaptatifs et • Optimisation des réseaux électriques • Surveillance intelligente
intelligents intelligents • Détection d’intrusions et
• Échecs, Go, Poker (ex. • Gestion de la consommation cybersécurité
AlphaGo) énergétique • Simulation et prise de décision
• Recommandation de contenus • Prévision météorologique et analyse militaire
multimédias de données environnementales
18
19
Agent intelligent
Définition :
Un agent intelligent est une entité logicielle ou physique capable de
percevoir son environnement, de raisonner et décider, et d’agir de
manière autonome pour atteindre ses objectifs.
20
Agent intelligent
Caractéristiques
Autonomie : agit sans supervision humaine constante
Réactivité : répond aux changements de l’environnement
Proactivité : prend des initiatives pour atteindre ses objectifs
Sociabilité : peut interagir avec d’autres agents ou humains
Exemples concrets
Robot aspirateur : détecte obstacles et choisit sa trajectoire
Chatbot intelligent : répond aux questions et apprend des interactions
Voiture autonome : analyse la route et prend des décisions de conduite
Simulation multi-agent : agents représentant voitures/piétons dans un trafic urbain
21
Exemple
Contexte
Objectif : nettoyer une pièce en évitant obstacles.
Environnement : grille 5x5 représentant la pièce.
Obstacles : meubles, murs.
Agent : le robot aspirateur.
22
Exemple
Étape 1 : Définir l’agent
Capteurs : détectent obstacles dans les cases adjacentes.
Effecteurs : se déplacer (haut, bas, gauche, droite), démarrer/arrêter.
Programme de décision : choisir une direction libre et avancer.
Étape 2 : Définir l’environnement
Grille 5x5 : R O
R = Robot
O
O = obstacle
Case vide = peut se déplacer O
O
23
Exemple
Étape 3 : Définir les règles (programme de décision)
Vérifier les cases adjacentes (haut, bas, gauche, droite).
Si plusieurs cases libres : choisir une direction aléatoire.
Avancer dans la case libre.
Répéter jusqu’à ce que toutes les cases accessibles soient nettoyées.
Étape 4 : Simulation / déroulement
Itération 1 : Robot en (0,0), capteurs détectent obstacles en (0,2). Direction libre :
bas ou droite. Choisit droite → avance en (0,1).
Itération 2 : Capteurs détectent obstacle en (0,2), direction libre : bas ou gauche.
Choisit bas → avance en (1,1).
Itération 3 : etc., jusqu’à ce que toutes les cases accessibles soient visitées.
24