Le Machine Learning est une branche de l’intelligence artificielle qui inclut toutes les techniques visant à améliorer la réalisation d’une tâche par un algorithme par l’incorporation de données d’entraînement. Il est habituellement défini comme l’apprentissage automatique de la machine.
Qu’est-ce que le Machine Learning ?
Mot pour mot, « Machine Learning » signifie « ordinateur en train d’apprendre ». Contrairement aux techniques plus anciennes de l’Intelligence Artificielle, le plus souvent basées sur des règles applicables telles quelles, les algorithmes de Machine Learning ont besoin de données pour apprendre à réaliser leurs tâches.
En effet, ces algorithmes travaillent à déceler des liens statistiques parmi les données étudiées, afin de mettre en évidence des corrélations. Ces corrélations leur permettent d’apprendre à effectuer une tâche et d’améliorer leurs performances, à la manière d’un humain. Pour y parvenir, elle n’a pas besoin d’être spécifiquement programmée à l’aide de millions de lignes de code. C’est la raison pour laquelle on parle d’apprentissage automatique.
Quelles sont les applications du Machine Learning ?
Le Machine Learning est utilisé dans de nombreux domaines de la vie courante :
- pour améliorer la gestion des entreprises : demande, facturation, gestion des ressources humaines… ;
- pour optimiser, fluidifier et sécuriser l’expérience d’achat sur un site internet ;
- pour sélectionner les informations affichées sur les réseaux sociaux ;
- pour améliorer les interactions avec un service client à l’aide d’un chatbot ou d’un assistant virtuel.
Si les techniques de Machine Learning peuvent s’appliquer à toutes sortes de données, une partie des algorithmes sont particulièrement adaptés à certains types de données (texte, image, son…), ce qui a donné lieu à la création de 3 sous-domaines :
- la vision par ordinateur pour les images ;
- le traitement du langage naturel (NLP) pour le texte ;
- et l’analyse des séries temporelles pour les valeurs numériques, dont l’analyse prédictive.
Vision par ordinateur
La « vision par ordinateur » (ou Computer Vision en anglais), domaine qui traite de l’analyse des images et vidéos, a connu une rapide expansion depuis 2012. Elle est notamment utilisée pour l’analyse d’images satellites et spatiales, l’analyse visuelle d’un chantier ou le suivi de production en usine, ou encore la conduite automatique de voiture.
Traitement automatique du langage naturel
Le « traitement automatique du langage naturel » (ou Natural Language Processing), consacré à l’analyse des données textuelles, est un domaine du Machine Learning qui se développe de plus en plus. Si ses applications ont longtemps été cantonnées aux tâches les plus simples telles que la détection de spam, la complétion automatique de champs, ou bien la traduction automatique, l’arrivée en 2017 d’un nouveau type d’algorithme particulièrement adapté au traitement de texte démultiplie les possibilités : par exemple pour le traitement automatique des factures. C’est aujourd’hui un domaine en plein essor et qui risque de prendre beaucoup d’importance dans les prochaines années.
Analyse de séries temporelles
Historiquement, l’analyse des séries temporelles est le domaine le plus développé du Machine Learning. Celle-ci permet de traiter les données évoluant dans le temps comme les prix ou les quantités. Elle est utilisée par les banques et les assurances, mais est aussi présente lors de la réservation d’un billet de train ou d’avion pour réaliser de la tarification dynamique, pour la gestion des stocks, ou même pour modéliser la propagation d’un nouveau virus en épidémiologie.
C’est ce domaine qui permet de faire de l’analyse prédictive. En explorant les données du passé et en les confrontant au présent, les algorithmes de Machine Learning sont capables d’identifier des règles et des relations de corrélation permettant de réaliser des prédictions pour le futur. Ainsi, l’analyse de ventes passées et de leurs paramètres d’influence permet d’anticiper la demande et les résultats commerciaux futurs.
Pour aller plus loin dans les applications du Machine Learning au service des entreprises, découvrez notre contenu dédié.
Le Machine Learning en plein développement
Si le Machine Learning est en rapide expansion aujourd’hui, cela s’explique par la combinaison de quatre facteurs en synergie :
- l’augmentation exponentielle de données générées et stockées qui vont servir d’entraînement aux algorithmes ;
- l’explosion des capacités de calculs disponibles de nos ordinateurs, nécessaires pour l’entraînement des algorithmes – celle-ci double pratiquement tous les 2 ans, selon la loi de Moore ;
- le développement de nouveaux algorithmes toujours plus performants par la communauté scientifique, très active dans ce domaine (on comptabilisait 100 nouveaux papiers de recherche en Machine Learning par jour en 2018).
Les solutions en Cloud Computing utilisant ce type d’algorithmes les rendent accessibles aux entreprises pour un petit budget.
Depuis 2017, l’augmentation de la quantité de données disponibles a rendu possible l’utilisation de réseaux de neurones artificiels, ouvrant de nouvelles possibilités en matière d’analyse prédictive. C’est le début de l’hégémonie du Deep Learning.
Ces définitions pourraient également vous intéresser :
Découvrez également notre guide complet dédié à l’intelligence artificielle.
