L'apprentissage automatique révolutionne-t-il la gestion des données ?


L'intelligence artificielle, ou IA, est sans aucun doute le sujet le plus brûlant de l'informatique ces jours-ci. Le plus grand hedge fund du monde, Bridgewater Associates, travaille sur un logiciel qui permettra d'automatiser les opérations quotidiennes, y compris les embauches et les licenciements, ainsi que les décisions stratégiques.
Babylon, une entreprise britannique du secteur de la santé, a levé 60 millions de dollars pour développer un docteur IA capable de poser des diagnostics et d'évaluer la probabilité de problèmes de santé futurs sans intervention humaine.
Selon les analystes, 44% des organisations utilisent déjà l'IA ou prévoient de l'utiliser dans les deux prochaines années, et 38% supplémentaires y pensent.
L'IA depuis 60 ans
L'IA fait l'objet de recherches depuis plus de 60 ans, mais son utilisation n'a été envisagée que récemment, même par de très petites organisations.
Les raisons sont principalement liées au fait que l'IA et l'apprentissage automatique ne sont enfin en mesure de fournir des résultats significatifs qu'avec davantage de données et de puissance de calcul. Nous avons atteint un point où il est techniquement possible et également abordable de littéralement tout stocker.
Mais pour trouver les schémas, les algorithmes et les modèles qui se cachent derrière les données, il faut un autre élément qui est désormais disponible : la puissance pour les traiter.
Au lieu d'investir dans du matériel physique sur place, les organisations peuvent se tourner vers l'extérieur et utiliser des milliers de serveurs dotés de matériel sophistiqué et spécialisé. Et ce, aussi longtemps ou brièvement qu'elles en ont besoin, avec l'aimable soutien des fournisseurs d'infrastructure en nuage.
Il est désormais possible de développer des analyses et des modèles sophistiqués dans des fenêtres de temps raisonnables et d'exécuter les résultats d'apprentissage en temps réel. L'ère du Machine Learning et de l'IA est arrivée.
Deux conclusions s'imposent aux entreprises : Utiliser cette technologie pour effectuer des tâches que les humains ne sont tout simplement pas en mesure d'effectuer ou enrichir le travail actuel des humains. JP Morgan Chase, par exemple, économise 360 000 heures de travail par an et élimine les erreurs en automatisant la lecture et l'interprétation des contrats de crédit.
First Mover et gagnants
Grâce à des algorithmes d'apprentissage automatique, l'Inova Translational Medicine Institute peut proposer des plans de traitement personnalisés à ses patients. Les algorithmes utilisent des téraoctets d'informations cliniques et génomiques pour identifier les facteurs génétiques des maladies.
L'enrichissement du travail humain ou la création de nouveaux domaines sont utilisés dans tous les secteurs. Il existe néanmoins des "first movers" et des gagnants évidents : les banques, le commerce et le secteur de la santé.
Ces secteurs ont toujours collecté des données pertinentes. Ils ont également été parmi les premiers à utiliser des plateformes de big data open source afin de pouvoir gérer les données.
Ils peuvent désormais capitaliser sur cette vieille habitude et profiter du développement et de la diffusion de projets open source tels qu'Apache Spark, qui permettent l'apprentissage automatique et s'intègrent directement dans leurs plateformes existantes.
L'IA n'est plus l'apanage de quelques entreprises ayant des applications de niche. Avec une pile technologique intégrée qui rassemble les masses de données et de puissance de calcul, les cas d'application matures se multiplient et soulignent l'utilité de cette approche. Une telle pile rend possible l'apprentissage automatique et l'IA.
Il suffit d'une vision et d'un cas d'utilisation.