Machine Learning – définition

Machine Learning

  Machine Learning ou Apprentissage automatique en français

Le Machine Learning ou ML ne date pas d’hier

On ne le dit pas, mais c’est du réchauf­fé. Le Machine Lear­ning ou ML est loin d’être un phé­no­mène récent. Son émer­gence a eu lieu dans les années 90 avec l’i­dée de résoudre des pro­blèmes très concrets en lien direct avec des don­nées à disposition. 

Plus récem­ment, l’arri­vée du Big Data allié à la puis­sance de cal­cul dis­po­nible ont mené à de nou­velles avan­cées dans le ML. Les sys­tèmes déve­lop­pés dans les labo­ra­toires de recherche ont défi­ni­ti­ve­ment fran­chi la fron­tière vers les appli­ca­tions dans la finance, le mar­ke­ting, l’industrie, l’Internet des objets – IoT, et la vie de tous les jours. 

Les équipes de sta­tis­ti­ciens des banques et des assu­rances ont été par­mi les pre­miers à exploi­ter leurs don­nées avec le Machine Lear­ning afin d’évaluer les risques finan­ciers, de lut­ter contre la fraude mais aus­si pour des appli­ca­tions mar­ke­ting par la meilleure connais­sance des clients. 

Le ML de nos jours

Aujourd’­hui, les indus­triels se penchent à leur tour et très sérieu­se­ment sur la valeur de leurs don­nées. Ain­si, ils peuvent déjà géné­rer entre autres, des gains éco­no­miques : la main­te­nance pré­dic­tive de leurs parcs machines, l’opti­mi­sa­tion de leurs chaînes de pro­duc­tion, la construc­tion de véhi­cules auto­nomes sont autant d’applications du ML. 

Si la recon­nais­sance d’image avec Face­book, Google, et d’autres a créé des vagues par­fois indi­gestes, (… nous sommes tous concer­nés quand il s’a­git de soi) nombre de domaines notent déjà des béné­fices de l’analyse des don­nées et du Machine Learning : 

  • la méde­cine et la recherche pharmaceutique,
  • les smart cities (villes intel­li­gentes) et transports,
  • la pré­vi­sion de la demande,
  • la ges­tion de la qua­li­té des four­nis­seurs et de leur conformité
  • la cyber­sé­cu­ri­té…

Le Machine learning ou Apprentissage automatique en français

  Sous domaine de l’Intelligence Arti­fi­cielle, le Machine Lear­ning per­met à une machine de trou­ver la réponse à une ques­tion sans pro­gram­ma­tion expli­cite sur ce sujet. En outre, le Machine lear­ning per­met d’améliorer la qua­li­té des réponses qu’elle four­nit via un apprentissage. 

Cette tech­nique se base sur l’analyse de masse impor­tante de don­nées non struc­tu­rées et de natures diverses. Ces don­nées sont autre­ment appe­lées Big Data. 

La mise en place de ces tech­no­lo­gies demande une phase ini­tiale d’apprentissage avec un volume défi­ni de don­nées connues. 

Deux principaux types d’apprentissage du Machine Learning

  • L’apprentissage super­vi­sé : la réponse à la tâche deman­dée à la machine est connue au préalable
  • L’apprentissage non super­vi­sé : une réponse ini­tiale est pro­po­sée par la machine, puis sa valeur ana­ly­sée par un humain

4 caractéristiques principales associées au Machine Learning

  • Com­pré­hen­sion de don­nées non structurées
  • Pos­si­bi­li­té d’extraire des idées
  • Capa­ci­té à affi­ner l’expertise
  • Capa­ci­té à inter­agir avec les humains de façon naturelle

 

« Back to Glossary Index