Cet article est la traduction française de l'article original "How to (not) write an AI pitch" avec l'aimable accord de son auteur Ben Dickson
Nous traversons une période passionnante pour la communauté de l’#IntelligenceArtificielle. L’intérêt pour le domaine augmente à un rythme accéléré, l’inscription à des cours universitaires et professionnels d’apprentissage automatique (ou #MachineLearning) est en forte hausse, la participation aux conférences sur l’IA est à un niveau sans précédent, et les algorithmes d’IA sont devenus une composante essentielle de nombreuses applications que nous utilisons chaque jour.
Mais comme dans n’importe quel domaine passant par le cycle de médiatisation, l’IA est subie aussi un phénomène de saturation de l’information, dont une grande partie n’a que peu de valeur, voire peut-être trompeuse. Ben Dickson est bien placé pour le dire juste à partir des courriels dans sa messagerie. Chaque jour, Ben reçoit plusieurs présentations qui prétendent que la société X a résolu le problème Y avec des « techniques avancées d’IA », ou que l’IA peut maintenant résoudre le problème Z. Il y a quelques années, Ben aurait pu ouvrir et lire ces courriels avec intérêt. Mais aujourd’hui, il éprouve une certaine fatigue de l’IA, marquée par un intérêt en baisse et une suspicion croissante envers tout courriel qui a le terme « intelligence artificielle » dans le sujet.
Beaucoup de ces e-mails restent non ouverts et seront rapidement recouvert par la tonne d’autres e-mails que Ben reçoit tous les jours. Pour la plupart, il ne regrette pas de les ignorer. Mais Ben sait aussi que de temps en temps, il passe à côté d’un joyau précieux qui échappe à son attention à cause d’une présentation inappropriée.
Dans cet essai, Ben veut fournir quelques lignes directrices pour vous permettre de créer de bonnes présentations IA, domaine qu’il maitrise depuis plusieurs années. Il s’agit principalement d’un guide pour les personnes en charge des relations publiques qui écrivent des argumentaires IA. Mais il devrait également servir les journalistes, qui peuvent l’utiliser pour établir s’ils sont face à un bon pitch IA ou si la présentation n’est que battage médiatique et n’a que trop peu de valeur.
Tout d’abord, éduquez-vous
L’un des principaux problèmes dans les présentations d’IA est que les gens qui les écrivent n’ont souvent pas une pleine compréhension de la technologie. Si vous êtes chargé de relations publiques qui écrit un pitch au nom d’un client, vous devriez avoir plus qu’une compréhension de base du fonctionnement de sa technologie. De même, si vous êtes un journaliste qui couvre l’IA, vous devez avoir plus qu’une connaissance limitée aux différentes tendances de l’IA et être en mesure de poser les bonnes questions lors de la réception d’un résumé.
Certes, l’IA est aujourd’hui surtout une question d’apprentissage automatique (#MachineLearning) et d’apprentissage profond (#DeepLearning). Mais il y a beaucoup d’autres approches utilisées en pratiques. Vous devez connaître l’IA symbolique, la programmation probabiliste, les systèmes hybrides, et bien plus encore. Même en restant dans le domaine des algorithmes d’apprentissage automatique, vous devez connaître différents algorithmes et différents types de réseaux neuronaux, et vous devez comprendre les lacunes des systèmes d’IA actuels, tels que les biais algorithmiques, les problèmes d’interprétation et les vulnérabilités aux attaques de sécurité.
Heureusement, nous avons abordé un grand nombre des sujets ci-dessus dans notre série « Démystifier l’IA », qui donne un aperçu de nombreux concepts clés de l’intelligence artificielle sans entrer dans les détails du codage ou des mathématiques.
Au-delà d’avoir une perspective de haut niveau sur l’IA, vous devriez également avoir une certaine expérience pratique, en particulier avec l’apprentissage automatique. Si vous avez déjà des compétences de base en programmation, passer par un cours d’introduction sur la science des données et l’apprentissage automatique avec Python devrait vous donner une base solide. Vous pouvez aussi vous familiariser avec les concepts d’apprentissage automatique grâce à Microsoft Excel. Le but n’est pas de devenir un ingénieur en science des données, mais d’en savoir assez sur l’IA pour ne pas se ridiculiser en écrivant à ce sujet.
Présentations de recherche sur l’IA : focus sur la percée scientifique
Avant de passer à de vrais présentations IA, Ben veut souligner qu’il y a une différence importante entre faire de la recherche sur l’IA et développer des produits commerciaux d’IA. La recherche sur l’IA est ce que vous voyez lors de conférences telles que NeurIPS, ICLR et CVPR. L’objectif est de repousser les limites de la science, pas de créer des applications qui ont un modèle d’affaires efficace. Les produits d’IA, d’autre part, sont de permettre aux technologies existantes d’être utilisées sans écueil et de résoudre les problèmes auxquels de nombreuses personnes sont confrontées dans leur vie quotidienne. La recherche sur l’IA finit par trouver son chemin dans les applications, mais cela prend du temps.
Présenter des résultats de recherche sur l’IA n’est pas très difficile, pour peu que l’article présente une véritable idée. En commençant par le sujet de votre e-mail, vous devez indiquer explicitement que vous mettez en avant un document de recherche. Vous pouvez le faire en commençant votre sujet par « Recherche: » suivie par le point clé que votre recherche résout.
Si le document a été accepté lors d’une grande conférence sur l’IA ou publié dans une revue évaluée par des pairs, mentionnez le nom du lieu dans le sujet. Cela montre à première vue que votre travail a été vérifié et confirmé par des experts du domaine. Notez toutefois que l’acceptation lors d’une grande conférence de publication n’est pas une exigence absolue. Au cours des dernières années, j’ai couvert plusieurs articles qui n’ont été publiés que sur arXiv sans être présenté à aucune conférence.
Voici une phrase d’objet décente, cela montre à la fois que le papier a été revu par une commission d’experts et qu’il s’attaque à un problème particulier, même s’il aurait pu être un peu plus précis concernant les applications possibles :
Nature : une étude montre les applications de l’IA en salle d’opération
Voici un autre sujet d’email qui est un peu trop générique, mais qui réussi à attirer l’attention car envoyé au moment opportun avant la conférence NeurIPS:
NeurIPS 2020 : De nouvelles recherches permettent de créer des modèles de réseau neuronaux plus précis et plus robustes, clés pour faire progresser et améliorer l’IA
Maintenant, passons au détail de l’e-mail. Malheureusement, soit par hâte ou par manque de connaissances, certains expéditeurs ne se sont attachés qu’à copier-coller des parties du résumé de la publication scientifique dans l’e-mail et l’envoient aux journalistes et aux analystes tel quel. Il y a un problème fondamental avec cette approche. Tout d’abord, le jargon du résumé est très dense, et de nombreux journalistes ne le comprennent pas parce qu’il est trop technique ou parce que la personne qui l’a écrit n’est pas un très bon rédacteur en anglais (langage passif, jargon, antécédents suspendus, etc.). Ensuite, le résumé est trop long pour un pitch et il contient de nombreux postulats et faits qui n’ajoutent rien à la valeur des résultats de recherche.
Idéalement, le corps de l’e-mail doit fournir une description courte de la recherche sur l’IA, mettant en évidence l’objectif principal atteint. Par exemple, si vous avez développé une nouvelle technique qui réduit les réseaux neuronaux à une fraction de leur taille tout en conservant leur précision, vous devriez être en mesure de la décrire avec des faits et des chiffres dans un petit paragraphe.
Voici une présentation succincte de réseaux neuronaux inspirés des neurosciences qui a attiré l’attention de Ben et a fini par obtenir une belle couverture sur TechTalks. Notez que cela faisait partie d’une très longue présentation qui présentait plusieurs articles, ce qui en général n’est pas une bonne idée. Mais à son crédit, l’expéditeur avait pris soin de présenter chaque document dans un point distinct, avec la phrase d’introduction résumant soigneusement l’essentiel du document de recherche. L’argumentaire énonce le problème (attaques antagonistes), les lacunes des approches actuelles (entraînement antagoniste) et la nouvelle approche (structures inspirées du cerveau).
Vous voulez rendre la vision par ordinateur plus sûre? Rendez-la plus humaine: les modèles de vision par ordinateur avancent rapidement, mais ils font encore des erreurs stupides comme confondre les porcs et les avions, ou prendre des chats pour des chiens, surtout si une image est modifiée par ordinateur, d’une manière invisible à l’œil humain. Les modèles peuvent être rendus plus robustes en les exposant à des images subtilement modifiées par l’entraînement antagoniste, mais ce processus est informatiquement coûteux et imparfait; il y aura toujours des images aberrantes qui trompent le modèle. Aujourd’hui, les neurosciences offrent une alternative : rendre le modèle plus proche de notre cerveau. Dans cet article mis en lumière à NeurIPS, des chercheurs du MIT et du MIT-IBM Watson AI Lab ajoutent une couche supplémentaire juste avant un réseau neuronal convolutif standard, pour imiter la façon dont les neurones du cortex visuel primaire traitent l’information visuelle de base, comme les arrêtes d’objets. Ne nécessitant pas d’ entrainement antagoniste, leur modèle inspiré du cerveau, appelé VOneNet (pour la région V1 du cerveau), surpasse l’état de l’art, en moyenne, dans les deux types attaques (attaque dite boîte blanche, dans lequel l’attaquant a accès à l’architecture du modèle, et les attaques boîte noire, dans lequel l’attaquant n’a aucune visibilité à l’intérieur).
Un dernier point à considérer lors de l’envoi de présentations de recherche en IA, c’est les personnes impliquées. Il est bon de mentionner les entreprises et les institutions universitaires d’où proviennent les chercheurs, mais il est tout aussi important que l’équipe qui a travaillé sur le projet. Derrière chaque publication en IA se cache un groupe de personnes provenant d’horizons différents et ayant de l’expérience dans différents domaines. C’est peut-être la première fois qu’ils travaillent ensemble, ou ils ont peut-être déjà travaillé sur plusieurs projets conjoints. Ils pourraient y avoir d’autres documents notables dans le même domaine.
Par exemple, le laboratoire chimique RoboRXN d’IBM a été l’aboutissement de trois années de recherche et d’interactions entre des chercheurs en IA, en robotique et des ingénieurs chimistes. Un article récent sur les défis de la réduction de taille des réseaux neuronaux a été écrit par les auteurs d’un célèbre article sur l’hypothèse des billets de loterie. Les mentionner dans la lettre peut solidifier la valeur de la présentation.
IA commerciale : mettre l’accent sur la résolution de problèmes
Il est beaucoup plus difficile d’écrire un pitch pour une application commerciale d’IA que de présenter un papier de recherche. Et c’est parce que les applications de l’IA ne sont pas censées être passionnantes ou à la pointe de la technologie. En fait, la plupart des techniques avancées d’IA que nous voyons dans les conférences scientifiques mettent plusieurs années avant d’arriver sur un marché à fort volume.
Le point clé dans le lancement des produits IA est de se concentrer sur la faculté à résoudre des problèmes, au lieu de parler des algorithmes. En fait, de l’avis de Ben, quand il s’agit d’applications commerciales, il n’y a pas un message orienté IA, il y a une présentation du produit, qui comprend une partie sur l’IA.
Malheureusement, de nombreuses personnes de relations publiques qui pitch produits commerciale d’IA essayer de mettre en évidence les algorithmes et la technologie au lieu de se concentrer sur le problème qu’il résout. Cette approche entraîne un langage vague et souvent erroné, qui ne fait que créer de la confusion et de la déception.
Voici quelques titres de courriels mal formulés que Ben a reçu récemment, ils sont trop imprécis.
Les cas de surdosages explosent. L’IA peut vous aider. Parler à un expert ?
Sommaire ? Un Violoniste renommé (Grammy awards) et un Entrepreneur en AI s’associent et créent une nouvelle entreprise
Voici un titre qui a retenu son attention parce qu’il pensais que ce serait l’occasion de discuter de certains des défis du monde réel des applications d’apprentissage profond.
Information : Les applications d’IA ont un sérieux problème — Les GPU ont des pannes aléatoires
La présentation parlait en fait d’une plate-forme de programmation qui facilite l’adoption massive des FPGA dans les applications d’apprentissage profond, ce qui est en soi un sujet intéressant. Mais l’expéditeur aurait pu écrire un meilleur titre mettant en évidence les défis de programmation FPGA.
Voici une bonne phrase de sujet, elle met l’accent sur l’aspect résolution de problèmes du produit IA. Malheureusement, Ben n’a pas encore eu l’occasion de nous en parler (prochainement peut-être).
La société ML lance son premier outil de mesure avant construction pour résoudre les problèmes de l’industrie
Vous pouvez mentionner un financement dans la ligne d’objet, parce qu’il renforce la confiance que les investisseurs voient dans un produit fonctionnel et son modèle d’affaires associé. Mais n’oubliez pas l’aspect résolution de problèmes concrets. Voici une formule d’accroche qui mentionne à la fois le financement et le produit.
AUJOURD’HUI : Série B de 16 M$ pour AIStorm afin de commercialiser sa nouvelle approche AI-in-Sensor (IA dans le capteur)
S'attaquer au corps du message est aussi délicat, il faut éviter les imprécisions à tout prix. Voici une très mauvaise présentation que Ben a reçu il y a quelque temps. Il a expurgé certaines parties afin d’éviter d’humilier l’entreprise.
Bonjour Ben,
Après avoir vu votre couverture approfondie de divers sujets / questions IA et ML, j’ai pensé que vous pourriez être intéressé par une intro à la startup IA [nom de l’entreprise].
L’entreprise est un pionnier dans ce que Gartner appelle l’IA composite, un domaine révolutionnaire qui combine divers processus d’IA et d’apprentissage automatique en une seule technologie puissante et cohérente.
Comme l’indique le rapport « Hype Cycle » pour les technologies émergentes de Gartner, l’IA composite améliore les technologies qui reposent uniquement sur l’apprentissage machine (ML). Bien que le ML soit efficace pour des tâches simples de classification ou de reconnaissance, il nécessite une puissance de calcul importante et coûteuse et doit être entrainé pour obtenir des résultats optimaux. L’incapacité de l’apprentissage machine à expliquer les connexions entre les points de données et les solutions à des problèmes complexes requiert des efforts significatifs d’experts humains, ce qui limite son utilisation pratique et son efficacité.
[nom de l’entreprise] surmonte cet obstacle en combinant ML avec d’autres techniques avancées d’IA telles que l’apprentissage profond, le traitement du langage naturel, les réseaux neuronaux et les graphes de connaissances. La combinaison de ces techniques individuellement puissantes crée un système vraiment intelligent qui est capable de résoudre indépendamment des problèmes complexes.
Si le sujet IA composite est intéressant pour vous et que vous souhaitez en savoir plus, je serais heureux de mettre en place un appel avec le fondateur et PDG [nom du PDG] de [nom de l’entreprise], qui peut fournir plus de détails.
Bon, c’est bien difficile de faire plus une mauvaise présentation IA que celle la.
Tout d’abord, le message contient de nombreuses inexactitudes. Tous les algorithmes d’apprentissage machine ne nécessitent pas une puissance de calcul importante, et tous les algorithmes ML ne souffrent pas non plus d’un manque de transparence et d’explicabilité. (En fait, si l’expéditeur avait vraiment lu l’un de mes « couverture approfondie de divers sujets/questions d’IA et de ML », elle aurait pu simplement supprimer son deuxième paragraphe parce qu’il ne contenait aucune nouvelle information.)
Deuxièmement, le pitch affirme que l’entreprise en question combine l’apprentissage automatique avec d’autres techniques avancées d’IA telles que l’apprentissage profond, qui est un sous-ensemble de l’apprentissage automatique, les réseaux neuronaux, qui est l’algorithme utilisé dans l’apprentissage profond, et le traitement du langage naturel, qui n’est pas une technique d’IA, mais un sous-champ de l’informatique. Vous pouvez utiliser n’importe quelle technique de programmation pour résoudre NLP tâches, bien qu’actuellement, l’apprentissage profond est le plus populaire. L’expéditeur voulait probablement signifier que l’entreprise utilise des algorithmes de base d’apprentissage automatique (régression, arbres de décision, etc.), l’apprentissage profond, et d’autres techniques classiques d’IA, pour résoudre des problèmes de NLP et d’autres domaines.
La seule chose qui est intéressante dans ce discours est la combinaison des graphes de connaissances avec l’apprentissage automatique, même si ce n’est rien de nouveau (Google l’utilise depuis des années). Je suis sûr que la combinaison de différentes techniques d’IA peut être très utile, mais l’argumentaire ne mentionne même pas quel genre de problèmes l’entreprise résout.
La vérité est que la plupart des applications d’IA du monde réel sont ennuyeuses. Ce qui les rend intéressants n’est pas la technologie de pointe, mais le rapprochement des bons éléments, l’infrastructure de données, l’écosystème d’applications, les effets de réseau et les algorithmes d’apprentissage. Ils ne changent pas d’entreprise du jour au lendemain. Ils apportent de petites améliorations progressives qui, lorsqu’elles sont appliquées à l’échelle, peuvent apporter des améliorations spectaculaires et éventuellement conduire à la transformation d’une entreprise. Ainsi, lors de l’écriture d’une présentation d’IA commerciale, n’écrivez pas seulement sur la technologie ; parlez des problèmes que vous résolvez et comment vous le résolvez.
Une autre chose à éviter est de construire votre argumentation sur les questions sensibles. Au cours des derniers mois, Ben a refusé ou ignoré presque tous les discours qui ont mentionné les élections présidentielles américaines ou le confinement dû au coronavirus parce que la plupart d’entre eux étaient artificiellement liés au sujet. À moins que votre technologie soit absolument pertinente pour ce genre de questions, n’en parlez pas. Une « IA qui peut aider à détecter les fake news sur les élections » ne tient pas la route. Si vous n’êtes pas activement impliqué dans l’effort pour lutter contre les fausses informations sur les élections, alors l'associer votre produit sonnera comme saugrenu.
Enfin, les personnes et l’entreprise sont également importantes dans le domaine de l’IA commerciale ou dans n’importe quel domaine d’ailleurs. Quel est le contexte des personnes et de l’organisation qui ont créé ce produit, et qu’est-ce qui les rend particulièrement qualifiés pour cela ? Même si l’IA automatise de nombreuses tâches, ce sont toujours les personnes qui créent les produits. Nous aimons écrire sur les entreprises d’IA à succès, mais la vraie histoire est sur les gens qui les créent.
Espérons que ces conseils vous aideront à écrire des présentations plus convaincantes à l’avenir et à remplir la boîte de réception d’email de Ben avec des lectures plus agréables.
Cet article est la traduction française de l'article original "How to (not) write an AI pitch" avec l'aimable accord de son auteur Ben Dickson