Décortiquer un permis de construire avec une intelligence artificielle.

Les IA, comme Claude (mon chouchou numéro 2), permettent d'automatiser l'analyse de documents complexes, comme les pancartes de permis de construire, en fournissant des informations précises et en évaluant les impacts potentiels des projets. Cela montre comment les IA peuvent nous faire gagner du temps et améliorer la prise de décision en urbanisme et autres domaines.

Avant toute chose : les catégories d'IA.

L’intelligence artificielle (IA) est devenue un élément incontournable de notre quotidien. Que ce soit dans nos smartphones, nos voitures ou même dans nos maisons, l’IA est omniprésente. Elle permet non seulement de simplifier notre vie, mais aussi de transformer radicalement des secteurs entiers de l'économie. Dans cet article, je vais vous présenter brièvement les différentes catégories d'IA et partager une expérience récente qui illustre comment ces technologies peuvent nous aider à analyser le monde qui nous entoure de manière efficace.

Il est important de comprendre que l’IA n’est pas une technologie monolithique. Elle se divise en plusieurs catégories, chacune ayant ses spécificités et ses applications.

IA faible (Narrow AI).

L’IA faible, ou IA spécialisée, est conçue pour accomplir une tâche spécifique. Elle ne possède pas de conscience ni de compréhension au-delà de la tâche pour laquelle elle a été programmée. Des exemples courants d’IA faible incluent les assistants vocaux comme Siri ou Google Assistant, les systèmes de recommandation sur Netflix ou Amazon, et les logiciels de reconnaissance faciale utilisés dans les smartphones. Ces systèmes sont extrêmement efficaces dans leur domaine, mais incapables de fonctionner en dehors de celui-ci.

IA forte (General AI).

L’IA forte, également connue sous le nom d’intelligence artificielle générale, est une IA hypothétique qui aurait la capacité de comprendre, apprendre et s’adapter à n’importe quelle tâche intellectuelle que peut accomplir un être humain. Contrairement à l’IA faible, l’IA forte n’est pas limitée à des tâches spécifiques. Elle serait capable de transférer ses connaissances d’un domaine à un autre, ce qui la rendrait extrêmement polyvalente. Bien que cette technologie fasse encore l’objet de recherches et de spéculations, elle représente un objectif ultime pour de nombreux scientifiques et ingénieurs en IA.

IA Super-intelligente.

L’IA super-intelligente est une forme théorique d’intelligence qui surpasserait de loin les capacités intellectuelles humaines. Elle pourrait résoudre des problèmes complexes beaucoup plus rapidement et de manière plus précise que nous. Bien que cette notion soit souvent associée à la science-fiction, elle soulève des questions éthiques et sociétales importantes. En effet, une telle IA pourrait potentiellement bouleverser notre société de manière profonde et imprévisible.

Sous-catégories techniques des IA.

En plus de ces grandes catégories, il existe des sous-catégories techniques basées sur les méthodes d’apprentissage utilisées par les IA.

Apprentissage supervisé.

L’apprentissage supervisé est une méthode où les algorithmes sont entraînés à partir de données étiquetées. Par exemple, pour entraîner une IA à reconnaître des chats, on lui montre des milliers d’images de chats en indiquant clairement ce qu’est un chat. L’IA apprend alors à identifier les caractéristiques qui définissent un chat. Cette méthode est très efficace pour des tâches spécifiques comme la reconnaissance d’images ou la prédiction de valeurs numériques.

Apprentissage non supervisé.

Contrairement à l’apprentissage supervisé, l’apprentissage non supervisé ne repose pas sur des données étiquetées. Les algorithmes cherchent à identifier des motifs et des relations dans des données non structurées. Cette méthode est souvent utilisée pour des tâches comme le regroupement de données (clustering) ou la détection de fraudes. Par exemple, une IA pourrait analyser des transactions financières et détecter des comportements suspects sans avoir été explicitement programmée pour cela.

Apprentissage par renforcement.

L’apprentissage par renforcement est une méthode où les algorithmes apprennent par essais et erreurs. Ils reçoivent des récompenses ou des pénalités en fonction des actions qu’ils entreprennent. Cette approche est souvent utilisée pour entraîner des agents à jouer à des jeux ou à contrôler des robots. Par exemple, un robot pourrait apprendre à naviguer dans un environnement complexe en recevant des récompenses lorsqu’il atteint son objectif et des pénalités lorsqu’il échoue.

Utilisation des IA pour l'analyse du monde réel.

L'intelligence artificielle ne se limite pas à la production de texte ou à l'exécution de tâches prédéfinies. Elle est également capable d'analyser le monde qui nous entoure, offrant ainsi des perspectives et des gains de temps considérables. Récemment, j'ai eu l'occasion d'expérimenter cela avec l'IA Claude, qui m'a aidé à analyser une pancarte de permis de construire. Cette expérience m'a permis de constater à quel point les IA peuvent être utiles dans l'évaluation et la compréhension de notre environnement.

Petite expérience avec Claude.

Contexte.

Pour tester les capacités de Claude (l’IA de la société Anthropic), j'ai utilisé une pancarte de permis de construire. Ces pancartes, souvent présentes sur les chantiers, contiennent des informations importantes sur le projet de construction, telles que l'adresse du site, le type de projet, le maître d'ouvrage, etc. Mon objectif était de voir si l'IA pouvait extraire ces informations de manière précise et proposer une analyse sur le projet en question.

Résultats.

L'IA a réussi à extraire toutes les informations pertinentes de la pancarte. Elle a identifié l'adresse, le type de projet, le maître d'ouvrage, et d'autres détails cruciaux. Mais l'IA ne s'est pas arrêtée là. Elle a également proposé des hypothèses sur l'impact potentiel du projet sur le quartier.

Cette capacité à non seulement lire et comprendre le texte, mais aussi à analyser les implications plus larges du projet, montre à quel point les IA peuvent être puissantes et polyvalentes.

Ce que Claude a pu voir.

Voici l’image utilisée :

Et voici les échanges que j’ai eu avec Claude :

Les avantages de l'analyse par IA.

Gain de temps.

Un des principaux avantages de l'utilisation des IA pour l'analyse est le gain de temps. Traditionnellement, extraire et analyser les informations d'une pancarte de permis de construire nécessiterait du temps et des efforts manuels considérables. Avec l'IA, ce processus est automatisé et instantané. Cela permet aux professionnels de se concentrer sur des tâches à plus forte valeur ajoutée, comme l'interprétation des données ou la prise de décision stratégique.

Évaluation des changements possibles.

Les IA ne se contentent pas de lire les informations. Elles peuvent également aider à évaluer les changements possibles et leurs impacts. Par exemple, en analysant les données d'un permis de construire, l'IA peut prédire les effets sur la circulation locale, les besoins en infrastructure, ou même l'impact environnemental. Cela permet aux décideurs d'anticiper les défis et de planifier en conséquence, améliorant ainsi la gestion de projets et la prise de décision.

Un peu d’applications pratiques et de prospective.

Urbanisme et construction.

Dans le domaine de l'urbanisme et de la construction, les IA peuvent être utilisées pour analyser les plans de construction, évaluer la conformité aux réglementations, et prévoir les impacts environnementaux et sociaux. Par exemple, une IA pourrait analyser plusieurs projets de construction dans une zone donnée et proposer des solutions pour minimiser l'impact négatif sur la communauté locale.

Environnement et climat.

Les IA peuvent également être utilisées pour surveiller les changements environnementaux et climatiques. Elles peuvent analyser des images satellites pour détecter des modifications dans l'usage des sols, surveiller la déforestation, ou prédire les impacts des changements climatiques. Ces analyses permettent de prendre des mesures préventives pour protéger l'environnement.

Sécurité et surveillance.

Dans le domaine de la sécurité, les IA peuvent analyser des flux vidéo en temps réel pour détecter des comportements suspects ou des incidents. Par exemple, elles peuvent surveiller des zones sensibles et alerter les autorités en cas de détection d'un comportement anormal, améliorant ainsi la sécurité publique.

Pas trop vite Black Mirror.

Précision des prédictions.

Malgré leurs capacités avancées, les IA ne sont pas infaillibles. Les erreurs de prédiction peuvent survenir, en particulier si les données d'entraînement sont biaisées ou incomplètes. Il est donc crucial de vérifier et de valider les résultats obtenus par l'IA.

Éthique et vie privée.

L'utilisation des IA soulève également des questions éthiques et de protection de la vie privée. L'analyse de données personnelles ou sensibles doit être encadrée par des régulations strictes pour éviter les abus et protéger les droits des individus.

En bref de bref.

Mon expérience avec Claude a été révélatrice des capacités impressionnantes des IA modernes pour analyser et comprendre le monde réel. Non seulement elles permettent de gagner du temps en automatisant des tâches complexes, mais elles offrent également des perspectives précieuses pour évaluer les impacts des projets et prendre des décisions éclairées. À mesure que les technologies d'IA continuent de progresser, leur rôle dans l'analyse et la gestion des données deviendra de plus en plus crucial. Il est essentiel de continuer à développer et à réguler ces technologies pour maximiser leurs bénéfices tout en minimisant les risques.

Le mieux restant de développer sa propre stratégie d’utilisation des intelligences artificielles !