L'apprentissage automatique gagne du terrain

L'étude "Machine Learning in the production" d'AllCloud montre clairement que les entreprises ont reconnu le grand potentiel du Machine Learning (ML) dans le domaine de la fabrication et de la production. Ainsi, près d'une entreprise de production sur deux prévoit d'optimiser les systèmes ML utilisés. Quarante et un pour cent veulent encore renforcer leur utilisation et l'étendre à d'autres domaines. Il y a de nombreuses raisons à cela : Les modèles ML peuvent par exemple avoir une influence déterminante sur le succès d'une entreprise et être décisifs pour son orientation stratégique. Les principaux domaines d'application actuels sont l'assurance et le contrôle de la qualité (pour 37 % des entreprises interrogées), la logistique et l'augmentation des stocks (pour 25 %), l'optimisation du processus de production (pour 24 %) et la maintenance prévisionnelle (également pour 24 %). Les avantages de l'utilisation du ML sont immenses.

Les économies de coûts constituent un avantage important, pour 45 % des personnes interrogées. En outre, 42 pour cent indiquent qu'une optimisation de la production a été réalisée. 41 pour cent voient une augmentation de la productivité, 34 pour cent une accélération des processus et 32 pour cent une réduction de la charge de travail des collaborateurs grâce à l'utilisation du Machine Learning. Seuls deux pour cent des entreprises de production peuvent mettre en œuvre de manière autonome leurs futurs projets dans le domaine des technologies ML. En conséquence, 98 pour cent des personnes interrogées indiquent qu'elles dépendent de prestataires de services externes. Ce besoin s'explique par le manque d'expertise des entreprises dans le domaine des modèles et des outils ML et par le manque de personnel qualifié. Les entreprises interrogées manquent d'experts qui connaissent l'utilisation, les champs d'application et les potentiels des systèmes ML et qui peuvent les exploiter pour l'entreprise. Des prestataires de services externes sont également indispensables pour les besoins techniques et le développement de stratégies ML individuelles.