Terminologie de l'IA | Partie 1 : Comprendre le contexte technologique entourant l'intelligence artificielle

« Les limites de mon langage signifient les limites de mon propre monde. »  

– Ludwig Wittgenstein 

L’intelligence artificielle (IA) s’impose progressivement dans les organisations, notamment dans les fonctions de services‑conseils, de fiscalité et d’audit. Pour les CPA, cette transformation soulève autant d’opportunités que de responsabilités professionnelles. Comme l’adoption de l’IA en est encore à ses débuts, il est essentiel que les CPA prennent part dès maintenant aux débats afin de mettre leur expertise à contribution et de favoriser une adoption saine, éthique et sécuritaire. 

Or, comme dans tout débat, une communication claire est essentielle. Les limites de notre langage et de notre compréhension définissent directement notre capacité à contribuer de manière pertinente aux discussions à venir. C’est dans cette optique que s’inscrit cet article, premier d'une série sur la terminologie de l'IA, dont l’objectif est de vulgariser les principaux termes liés à l’IA et d’outiller les CPA pour mieux prendre part à cette révolution technologique. 

La « poupée russe » de l’IA 

Afin de situer les concepts dans leur contexte, nous proposons une représentation sous forme de disciplines imbriquées, à la manière d’une poupée russe. Chaque couche s’appuie sur la précédente. 

Science des données (Data Science) 

La science des données regroupe un ensemble de méthodes et de techniques visant à extraire de l’information ou des connaissances à partir de données. Bien qu’elle soit aujourd’hui étroitement associée à l’informatique, elle trouve ses origines dans plusieurs disciplines, notamment les mathématiques et les statistiques. Son principal objectif demeure de transformer des données brutes en informations utiles à la prise de décision. 

Informatique (Computer Science) 

L’informatique englobe les disciplines liées à la conception, au développement et à l’utilisation des systèmes informatiques. Dans un contexte moderne, la science des données repose largement sur l’informatique pour traiter efficacement de grands volumes de données, automatiser des analyses et déployer des solutions à grande échelle. 

Intelligence artificielle

L’IA regroupe des systèmes informatiques conçus pour accomplir des tâches qui, traditionnellement, nécessitent certaines fonctions cognitives humaines : interprétation de l’information, planification, résolution de problèmes, prise de décision, etc. L’IA vise à simuler ces capacités, mais dans la pratique actuelle, la majorité des systèmes repose sur des modèles statistiques qui apprennent à partir de données plutôt que sur un raisonnement symbolique. 

Apprentissage automatique (Machine Learning) 

L’apprentissage automatique est une sous-discipline de l’IA qui permet aux systèmes d’identifier automatiquement des structures dans les données et d’améliorer leurs performances sans être explicitement programmés pour chaque situation. Un exemple marquant est celui d’AlphaZero, un système développé par DeepMind. En 2017, après seulement quelques heures d’entraînement en apprenant uniquement à partir des règles du jeu et en jouant contre lui‑même, AlphaZero a surpassé Stockfish 8, alors considéré comme l’un des meilleurs moteurs d’échecs au monde. 

En définitive, loin d’être une entité « magique », l’IA repose sur des fondations mathématiques et statistiques que nous pratiquons déjà : sondages, modèles de valorisation, analyses de risques ou encore, interprétation de données. Si la complexité informatique de ces modèles peut sembler hors de portée, leur logique décisionnelle, elle, ne nous est pas étrangère. 

À propos de l’auteur 

Daniel Valois, CF, MBA, CPA 

CPA atypique au solide parcours en technologie, Daniel Valois a évolué au sein d’organisations de premier plan telles que Desjardins, Desjardins Capital et Deloitte, avant de devenir actionnaire et dirigeant de Progression. Il y a contribué à structurer et à faire croître l’entreprise jusqu’à sa vente. 

Banquier, investisseur, entrepreneur et dirigeant, il a mené des centaines de mandats en investissement, en valorisation, en financement, en innovation, en technologie, en stratégie et en fusions‑acquisitions. Cette expérience multidisciplinaire l’amène aujourd’hui à concevoir des formations, conférences (et articles!) qui rendent les enjeux complexes simples, concrets et directement applicables.