L’ABC de l’IA : données, modèles, algorithmes et prédictions

Quelques définitions pour mieux comprendre l’IA

Voici quelques définitions et analogies visant à démystifier l’IA et à aider les professionnels RH à en développer une compréhension générale.

Données

L’Office québécois de la langue française définit le terme « donnée » comme la « représentation d’une information, codée dans un format permettant son traitement par ordinateur ». Les données peuvent être quantitatives ou qualitatives et provenir d’une multitude de sources.

Voici quelques exemples de sources de données en ressources humaines :

• Résumés d’entrevues avec des candidats
• Performances annuelles
• Formulaires pour nouveaux employés
• Historique des salaires, primes et rémunérations totales
• Déclarations d’accident
• Sondages auprès des employés

Algorithme

Comme le disent si bien nos partenaires chez Microsoft Azure, un algorithme est une « séquence de calculs et de règles permettant de résoudre un problème ou d’analyser un jeu de données ». Il comprend « des instructions pas-à-pas relatives aux questions à poser, mais écrites en code mathématique et de programmation ». En bref, l’algorithme est le processus de résolution de problèmes.

Modèle

Un modèle est entraîné grâce à un ensemble de données en utilisant des algorithmes qui lui permettent d’ingérer les données de formation. La qualité et la quantité des données sont des éléments clés qui permettent l’amélioration d’un modèle. Lorsque vous avez un modèle qui a été constitué, vous êtes en mesure de lui fournir de nouvelles données à partir desquelles il pourra émettre des prédictions et poursuivre son raffinement. 

Prédictions

La prédiction est le résultat en sortie après que les modèles aient traité les données. En RH, les prédictions sont des recommandations basées sur les règles, processus et décisions précédentes de l’organisation. L’assistant IA répondra à vos différentes questions RH de l’une des manières suivantes :

• En mode binaire (oui ou non) : par exemple, si un candidat répond aux exigences objectives du poste affiché;
• À partir de plusieurs résultats possibles : par exemple, la liste des actions à prendre après un accident de travail;
• Avec une valeur numérique : par exemple, le pourcentage adéquat pour une augmentation de salaire.

Une analogie amusante et éclairée

Pour expliquer le fonctionnement, nous aimons bien l’analogie de Cassie Kozyrkov, Chief Decision Intelligence Engineer chez Google, qu’elle effectue avec la cuisine. La revue Harvard Business Review France, la résume ainsi.

Ingrédients = Données

Un peu comme en cuisine où les ingrédients sont à la base même d’un plat, les données jouent un rôle essentiel similaire. Sans données, l’IA ne peut pas fonctionner.

Si vous mettez de mauvais ingrédients dans votre recette (de mauvaises données), vous ne devriez pas vous attendre à obtenir de bons résultats à la fin. Vos ingrédients comptent pour beaucoup. Si vous faites une tarte aux pommes, vous devrez avoir une quantité suffisante de pommes d’une certaine variété. Celles-ci devront être assez mûres, lavées, pelées et coupées au bon format. C’est la même chose pour les données dans un projet d’IA : vous devez accorder une attention particulière à leur qualité, à leur quantité et à leur préparation en fonction du cas d’utilisation que vous avez prévu.

Recettes = Modèles

En IA, les modèles correspondent aux recettes développées pour effectuer l’analyse des données. En cuisine, on doit assembler les ingrédients et les faire cuire dans un ordre précis en suivant une méthodologie prévue. Bref, pour obtenir un résultat optimal et constant, vous devez suivre votre recette. Et certaines recettes sont beaucoup plus adaptées aux ingrédients disponibles. Au fil du temps, vos recettes, tout comme vos modèles, pourraient être appelées à évoluer.

Outils de cuisine = Algorithmes

En cuisine, les outils transforment les ingrédients et les font évoluer vers le résultat final. Si l’on prend l’exemple d’un four, c’est son travail de faire cuire les ingrédients afin de les transformer pour obtenir le plat attendu. Les bons cuisiniers connaissent bien leurs outils et savent en tirer le meilleur. C’est aussi le cas pour les experts en IA et leurs algorithmes.

Plats = Prédictions

En cuisine, la réussite du plat dépend de plusieurs facteurs tels que la qualité des ingrédients, la recette adaptée ou la cuisson. Pour s’assurer que le plat réalisé est optimal, il faut le goûter. Les prédictions sont le résultat final de la chaîne. Vous devrez valider leur exactitude et ajuster au besoin vos ingrédients (données), votre recette (modèles) et le choix des outils (algorithmes).

L’IA et les ressources humaines

Pour les ressources humaines, l’IA est un champ de grandes opportunités pour propulser la profession à un nouveau sommet. Elle peut aider à réduire les coûts et optimiser les opérations. Plus que jamais, les professionnels RH doivent se familiariser avec cette nouvelle réalité.

L’équipe d’Airudi est notamment composée de spécialistes en ressources humaines et d’experts en intelligence artificielle. Nos algorithmes ont été développés sur mesure pour traiter et analyser les données RH et répondre à des problématiques spécifiques, qu’il s’agisse d’aide à la décision, de recrutement augmenté ou d’évaluation de la performance. Nous pouvons vous aider tout au long du processus afin que vous puissiez obtenir des recommandations RH fiables, rapides et adaptées à vos besoins.