Accueil Science des données Quelle est la différence entre AI et ML ?

Quelle est la différence entre AI et ML ?

Wiki AI ML

La citation suivante peut déjà aider à comprendre ce qui distingue l'intelligence artificielle du machine learning. Des explications plus détaillées sont fournies dans cet article wiki. 

"Quand vous levez des fonds, c'est de l'intelligence artificielle. Quand vous recrutez, c'est l'apprentissage automatique. Quand vous mettez en œuvre, c'est la régression linéaire".

 

Définition de l'intelligence artificielle (IA)

Après les articles précédents sur l 'intelligence artificielle (AI) et l'apprentissage automatique (ML), il est clair qu'on ne peut pas définir une différence s'il manque une définition.

La distinction entre intelligence artificielle (IA) faible et forte joue un rôle dans la délimitation entre IA et ML :

Une intelligence artificielle forte 

Mais prenons comme définition de l'intelligence artificielle (AI) un système cognitif équivalent à celui de l'homme. Dans ce cas, la différence avec le Machine Learning (ML) est très grande. Le ML est une méthode informatique/mathématique permettant d'établir des prévisions ou de prendre des décisions. Pour une IA, le ML est alors au maximum un outil parmi d'autres pour pouvoir agir de manière autonome dans un système supérieur et global. L'IA pourrait donc se servir de la ML pour prendre une décision - mais pas nécessairement.

Si l'IA est faible 

Si la définition de l'IA est celle de l'IA faible, les deux termes, IA et ML, décrivent souvent en fait la même chose.

Le cas d'application concret est par exemple de décharger l'homme du travail de classification d'un e-mail en tant que spam. Une "intelligence artificielle" se charge alors de lire l'e-mail et de lui attribuer une étiquette. En réalité, il s'agit du fonctionnement de l'algorithme qui procède à la classification. Et celui-ci est typiquement un algorithme ML.

Analytics Apéro du Nouvel An 2025

Coup d'envoi pour la nouvelle année de données !

13.02.2025
16.00-12.00 heures

En savoir plus ?

Vous souhaitez aller plus loin dans le domaine de l'intelligence artificielle et du machine learning ?
N'hésitez pas à prendre contact avec nous !

Votre contact pour la science des données
Christiane Kalfass-sPeers Mood Print-150
Spécialiste en recrutement et marketing

Publié par :

François Heep

Consultant professionnel en analyse

autor:IN

Cet article vous a-t-il plu ?

Cet article vous a-t-il été utile ?

Cliquez sur une étoile pour évaluer !

Note moyenne 5 / 5.
Nombre d'évaluations : 8

Aucun vote pour l'instant ! Soyez la première personne à noter ce post !

INFORMATIONS

Plus d'informations

Le lien entre le SAC et le DSP

Seamless Planning combine SAC et DSP

L'intégration transparente de SAP Analytics Cloud (SAC) et de SAP Datasphere (DSP) optimise, accélère et simplifie vos processus de planification. Ainsi...
Wiki gestion de projet

3 étapes pour une gestion réussie des parties prenantes

La gestion des parties prenantes est un facteur de réussite essentiel pour tout projet. Elle...
Contenu professionnel dans SAP Datasphere - Wiki Visual

Contenu métier dans SAP Datasphere - Les meilleures pratiques pour progresser rapidement

SAP Datasphere propose, comme SAP BW ou SAP Analytics Cloud, un contenu commercial prédéfini. Celui-ci se compose de modèles de données...

Mode optimisé vs. mode classique dans le cloud SAP Analytics

SAP Analytics Cloud (SAC) offre actuellement aux utilisateurs deux modes principaux...
Wiki_Banner_Using Sharepoint as a Datasource_2

SharePoint comme source de données pour BW/DS

SharePoint est une plateforme très répandue dans les entreprises...
Que peut faire le nouveau module complémentaire SAC pour Microsoft PowerPoint (Composable Analytics) ? Visual

Que peut faire le nouveau SAC Add-in for Microsoft PowerPoint (Composable Analytics) ?

Cet article wiki traite du nouveau module complémentaire SAP Analytics Cloud (SAC) pour Microsoft PowerPoint, qui...