En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies pour recueillir vos informations de connexion, collecter des statistiques en vue d'optimiser les fonctionnalités du site et adapter son contenu à vos centres d'intérêt.
En savoir plus et paramétrer les cookies Accepter
Comparateur de logiciels de gestion
Avec notre comparateur en ligne, trouvez en quelques clics la solution à votre besoin
agenda
Agenda
Solutions IT
  • 20/03/2018
    Mobility Meetings

    Lancement d’un nouveau salon Mobility Meetings, qui aura lieu à Cannes les 20, 21 et…

    en détail En détail...
  • 20/03/2018
    IT & IT Security Meetings 2018

    IT Meetings devient IT & IT Security Meetings et ouvrira ses portes en mars pour…

    en détail En détail...
Appels d'offres en cours
  • Intégration d'un nouveau template sur un site Wordpress
    <500 €
    > En savoir plus
  • Création d'un site vitrine pour une entreprise de prestations de services
    <1 000 €
    > En savoir plus
  • Création d'un site e-commerce pour la vente de meubles
    < 1 200 €
    > En savoir plus
Global K_Data scientist_leaderboard

Le Machine Learning, ou la montée en puissance des machines

Schneider_SMARTBUNKER_pavé

« L’éducation est l’arme la plus puissante que l’on puisse utiliser pour changer le monde ». Cette phrase, prononcée par Nelson Mandela à l’âge de 85 ans, faisait probablement référence à l’Homme… Mais il semblerait qu’elle soit également applicable aux machines ! Le Machine Learning, ce champ d’étude phare de l’intelligence artificielle, est en plein essor. Son rôle ? Eduquer la machine, et imiter l’apprentissage de la plus puissante machine biologique existante : le cerveau humain. Comment fonctionne le ML ? Quel rôle joue le Big Data dans son développement ? Quelles sont ses applications ?  Alianor Sibai, consultante mc2i Groupe, apporte ses réponses à Solutions IT.

 

Un modèle en rupture avec l’algorithmique traditionnelle

Comme son nom l’indique, il s’agit de permettre à une machine d’ « apprendre » à apporter une solution à un problème complexe auquel elle est confrontée, sans lui avoir préalablement précisé le chemin de pensée à suivre. Autrement dit, la machine apprend à prendre une décision, en exploitant uniquement les données qui lui sont fournies.

Cette technologie se base bien entendu sur l’exécution d’algorithmes. Cependant, contrairement à l’algorithmique classique, la machine se voit confier la tâche de s’autocorriger, en ajustant ses traitements et ses méthodes d’analyses, aidée par un analyste qui intervient ponctuellement pour valider ou invalider ses résultats.

Plusieurs classes d’algorithmique d’apprentissage automatique existent, la plus répandue étant le Deep learning qui, lui, est multitâche. Charles Ollion, Spécialiste Machine Learning et CTO chez Heuritech, précise dans un article publié sur la Renaissance Numérique, que « contrairement au Machine Learning classique, le Deep Learning regroupe des algorithmes génériques mimant le fonctionnement biologique d’un cerveau sans être destiné à une tâche précise ».

Un processus itératif complexe

Le processus d’apprentissage automatique est une boucle vertueuse d’optimisation continue, dont la performance dépend de :

–          La qualité des données en entrée, comme le stipule le célèbre principe du « Garbage In Garbage Out » (ou GIGO) ;

–          L’accompagnement de l’analyste qui valide ou invalide les résultats obtenus, et participe à l’amélioration de la précision des résultats futurs.

L’apprentissage est dit « supervisé » lorsque les données en entrées sont classifiées, et les valeurs possibles attendues en sortie précisées. A l’inverse, on parle d’apprentissage non supervisé lorsque les valeurs en sorties ne sont pas connues, et le choix est laissé libre à la machine de détecter des patterns et de clusteriser ses résultats en conséquence.

Big Data et Machine Learning vont-ils toujours de pair ?

Google, Facebook, Amazon, Microsoft… seuls les géants de l’informatique semblent à ce jour avoir effectué de réelles avancées en la matière. Cela suppose-t-il que la disponibilité de bases de données volumineuses est un prérequis au Machine Learning ?

Comme l’apprentissage automatique s’appuie uniquement sur le traitement des données fournies à la machine, ponctué par des interventions de l’homme dans son rôle d’analyste superviseur, le prérequis ne semble pas résider dans la quantité mais bien dans la qualité des données fournies à l’entrée. Ainsi, il est primordial de bien qualifier les données afin d’éviter les erreurs de calculs et les faux-positifs.

La supervision par des analystes est également garante de la précision des résultats obtenus. La tâche de valider ou d’invalider les résultats est donc une étape clef de l’apprentissage, et doit être entièrement réservée à des experts maîtrisant la probabilité conditionnelle et les lois statistiques.

Bien entendu, l’accroissement du volume de données grâce au Big Data peut générer un accroissement de la qualité des données, mais n’oublions pas qu’il complexifie également les traitements préalables nécessaires à l’identification, l’extraction et le traitement des données exploitables.

Un large spectre d’applications à son actif

L’analyse prédictive des achats sur Internet, la détection de cas suspicieux dans le domaine bancaire, les technologies et logiciels de reconnaissance d’images et de visages, la traduction automatique… tous les secteurs ouvrent grand les bras au ML, ainsi qu’à l’intelligence artificielle plus globalement.

En effet, alors que Marc Zuckerberg, le CEO de Facebook, croit dur comme fer que la réalité virtuelle dominera les deux prochaines décennies, son homologue chez Google, Sundar Pichai, qui s’est exprimé sur le sujet le 21 avril 2016 lors de l’annonce des résultats d’Alphabet, ne jure que par l’intelligence artificielle et ses nombreuses applications. François-Xavier Rousselot, Professeur Affilié en Machine Learning à l’IE Business School, va même plus loin lors d’une conférence tenue le 3 mars 2016 à l’Institut Mines-Télécom en affirmant que « Le Machine Learning est à l’information ce que la seconde révolution industrielle était à l’énergie ».

Suite à cette montée en puissance du ML, les Big Four du Cloud se sont empressés de proposer leurs offres Cloud packagées spéciales Machine Learning. Les friands du ML ont aujourd’hui l’embarras du choix en termes de plateformes Cloud : Watson d’IBM et Azure de Microsoft ont vite été rattrapés par Amazon Machine Learning, et plus récemment par Google qui a fait son entrée sur le marché en mars 2016 avec le Google Cloud Machine Learning.

Mais ces avancées technologiques en termes d’IA ne sont pas sans inquiéter les Français. Dans un sondage mené par Odoxa le 12 mai 2016, en partenariat avec l’Usine Digitale, 50 % des Français considèrent l’intelligence artificielle comme une menace.

Toujours selon ce sondage, et à la question « Quel est l’objet lié à l’Intelligence Artificielle qui vous séduit le plus ? », 42% des Français ont répondu la voiture autonome. Espérons donc que la Google Car sera à la hauteur des espérances et ouvrira les portes vers de nombreuses autres applications d’avenir.

 

plusRetrouvez nos autres avis d’expert pour comprendre des nouvelles technologies : Restez à la pointe de la techno : 17 avis d’expert pour tout comprendre

 

Le Machine Learning, ou la montée en puissance des machines
4.5 (90%) 2 votes

Laisser un commentaire

Threat Intelligence Report

À travers sa plateforme de cyberveille mondiale, NTT Security analyse 40 % du trafic Internet dans le monde. Découvrez le dernier rapport du centre mondial de cyberveille (Global Threat Intelligence Center) sur l’état des menaces au troisième trimestre 2017

Lire le rapport

Sondage

Noël : quel cadeau High tech pour vous même ou vos proches? (3 choix possibles)

Voir les résultats

Loading ... Loading ...
Nos derniers dossiers
  • Huawei Connect 2017

    Huawei Connect 2017 Démonstration de force d’un géant encore méconnu ! Huawei Connect 2017, Shanghai.…

  • EDITO N°17

    Utopie ou réalité ? Les annonces quotidiennes de l’IT sont souvent à la frontière de…

Témoignages
Juridique
  • Les imprimantes sont-elles frappées d’obsolescence programmée ?

    Le 18 septembre dernier, l'association HOP (Halte à l'Obsolescence Programmée) a déposé une plainte contre…

    > En savoir plus...
Paroles d'experts
Paroles
d'experts
  • Expertise - Quel est l’impact du RGPD pour les technologies Blockchain ?

    Les « mineurs » de Bitcoin pourraient-ils être considérés comme des « processeurs de données » traitant…

    > En savoir plus...
Etudes/Enquêtes
  • La croissance des entreprises IT portée par le RGPD

    Editeurs, sociétés de conseils et de services : la conjoncture est bonne pour 2017, 2018…

    > En savoir plus...
newsletter
Inscription Newsletter

Restez informé. L’abonnement à la newsletter est gratuit.

> Abonnement

Guide de la cybersécurité 2017-2018

banniere_FIC2018_skycrapper
Agenda
livres blancs
Les Livres
Blancs
  • Sauvegarde et Restauration Informatique pour les PME

    > Voir le livre
  • Comment la signature électronique a permis à Salesforce, LinkedIn, et McAfee d’ améliorer leurs performances.

    > Voir le livre
elo_processus pointe_skyscraper