Visage augmenté par la technologie
Le machine learning au service des modèles prédictifs
Visage augmenté par la technologie

Chatbots, recommandations sur Internet, publicités ciblées, reconnaissance vocale ou encore analyses prédictives, nous en avons déjà tous entendu parler. Le point commun de toutes ces évolutions qui font désormais partie de notre vie quotidienne : le machine learning.

Pour faire simple

Défini par Arthur Samuel en 1959 (eh oui, on parlait déjà d’intelligence artificielle il y a 60 ans !), le machine learning est « le domaine d’étude qui donne aux ordinateurs la capacité d’apprendre sans être explicitement programmé ». Il a été remis au goût du jour ces dernières années notamment avec l’essor considérable du Big Data. En effet, les deux sont intimement liés puisque le machine learning se nourrit des « données massives » pour apprendre.

Selon le système d’apprentissage supervisé, l’algorithme intègre des données du Big Data ainsi que des « outputs » (résultats ou sorties de données) pour reconnaître l’output correspondant à telle ou telle donnée.
Dans le système d’apprentissage non-supervisé, l’algorithme déduit de l’accumulation des données les outputs qu’il peut créer pour classer les données selon des critères différenciants.

Maintenant que l’on a compris l’essentiel…

Le machine learning est bien plus présent que ce que l’on a tendance à croire. Aujourd’hui, il permet notamment de construire des modèles prédictifs. Grâce à l’analyse des faits antérieurs, l’algorithme déduit ce qui se passera sur une période future. Il anticipe mais attention, il ne s’agit pas d’une boule de cristal dans laquelle on pourrait lire l’avenir ! Ce n’est pas magique, c’est scientifique.

Un exemple concret : pour prédire les ventes futures d’un magasin de sport, l’algorithme prend en compte l’antériorité des ventes et des événements internes (actions commerciales, problèmes logistiques…), y ajoute les données du Big Data liées à l’activité du magasin (la météo, les tendances de mode, la satisfaction client…) et ainsi prédit les quantités vendues sur les périodes à venir.

 

Un robot assis sur une pile de livre s'instruit

Une aubaine pour de nombreuses entreprises

Aujourd’hui, beaucoup d’entreprises ont déjà leur système de prévision des ventes construit sur leurs statistiques de ventes. Mais le machine learning et l’intégration des données du Big Data apportent une plus-value : ils permettent de prédire les ventes et non plus seulement de les prévoir. La précision ainsi apportée à ces prédictions permet de prédire les commandes fournisseurs, d’anticiper les quantités à produire et d’optimiser la gestion des stocks. Sachant qu’en moyenne, pour une entreprise classique, plus de 80% des composants assemblés dans un produit dépend de fournisseurs externes ; il semble bien pratique de pouvoir anticiper ses ventes – et donc ses commandes.

L’expérience humaine reste essentielle 

Que ce soit pour les modèles prédictifs ou pour ses autres utilisations, le machine learning peut laisser dubitatif. Chacun aura son opinion. Mais pourquoi ne pas profiter des évolutions de l’intelligence artificielle pour se faciliter la vie ? L’expérience humaine vient compléter les calculs purement rationnels des machines : elle ne doit donc pas être négligée. Sans oublier que le machine learning n’est pas parfait. On l’a dit, ce n’est pas une boule de cristal qui peut lire l’avenir avec certitude. Les machines ne sont, à ce jour, jamais infaillibles. Il est donc essentiel de laisser l’humain au centre des décisions : restez maître des décisions.