Machine learning : à quoi s’attendre ? Premium

Pour lire ce dossier dans son intégralité, devenez Abonné Privilégié ou connectez-vous

Le machine learning, ou « apprentissage automatique », cette faculté donnée à des algorithmes de tirer des enseignements des masses de données produites au quotidien par le digital, joue déjà un rôle stratégique dans de nombreuses entreprises. Amélioration de la gestion des talents, optimisation des process ou interaction fine avec le client, le machine learning n’est pas de la Science-Fiction ! Qu’apporte-t-il et comment se l’approprier ?

L’apprentissage automatique n’est pas si récent que ça : les algorithmes d’apprentissage sont utilisés depuis les années 1990 pour diverses tâches, comme le filtrage des spams dans les boîtes mail, les transactions en bourse ou encore la formulation de recommandations de produits sur Amazon. Comment expliquer l’engouement récent autour du machine learning ? Pourquoi tant d’experts présentent-ils aujourd’hui la capacité des machines à apprendre toutes seules, selon les mots de Pedro Domingos, ingénieur informatique et lauréat du prix de l’innovation SIGKDD, comme « un outil envahissant qui change tout » ? La réponse est à chercher du côté de l’explosion du volume de données auxquelles nous avons désormais accès. Associées à une progression continue de la puissance informatique, ces données décuplent le potentiel de l’apprentissage automatique et accentuent son caractère stratégique pour les entreprises.

IL TRANSFORME LES DONNÉES EN CONNAISSANCES
Plus les données disponibles sont nombreuses, plus les algorithmes d’apprentissage deviennent puissants, s’imposant dès lors comme de précieux outils à l’ère digitale.

Il élargit l’analyse de données
L’essor de l’apprentissage automatique s’explique par la progression exponentielle du volume de données disponibles. « Avec le recul on se rend bien compte que l’évolution des ordinateurs vers Internet, puis vers l’apprentissage automatique était inévitable. Les ordinateurs sont le support nécessaire à Internet qui crée un afflux de données considérable et pose le problème de choix illimités. L’apprentissage automatique, quant à lui, permet d’exploiter ce flux de données pour apporter une réponse au problème des choix illimités », explique Pedro Domingos. La capacité à trier et à analyser d’immenses volumes de données à une vitesse qui dépasse la compréhension humaine élargit le champ des possibles. « L’apprentissage automatique est la méthode scientifique dopée aux stéroïdes, commente Pedro Domingos. Il suit la même séquence : génération, test, et rejet ou approfondissement des hypothèses. Mais là où un expert peut consacrer sa vie entière à formuler et tester quelques centaines d’hypothèses, un système d’apprentissage automatique y parvient en une fraction de seconde. »

Il étend la portée des prévisions
L’apprentissage automatique repose sur des probabilités et des statistiques classiques, mais ne se trouve pas bridé par les postulats de départ de ces disciplines qui ont été pensées pour être utilisées sur une quantité de données limitée. « Données volumineuses et apprentissage automatique étendent la portée des prévisions, précise Pedro Domingos. Des situations du quotidien peuvent être spontanément anticipées par l’esprit, comme attraper une balle ou poursuivre une conversation. D’autres, malgré la meilleure volonté du monde, restent…

La suite dans notre dossier :

Machine learning : à quoi s’attendre ?

CouvBD26101encadréD’après le livre The master algorithm: How the quest for the ultimate learning machine will remake our world de Pedro Domingos (Basic Books, octobre 2015) et du rapport « An executive’s guide to machine learning » co-signé par Dorian Pyle et Cristina San Jose (McKinsey Quarterly , juin 2015), « Four fundamentals of workplace automation » de Michael Chui , James Manyika et Mehdi Miremadi (McKinsey Quarterly , novembre 2015) et une interview de George John , président et fondateur de Rocket Fuel Inc.