Les 12 secteurs d'activité que le machine learning va faire exploser

L'apprentissage automatique s'apprête à changer la donne dans le monde de l'automobile, de l'industrie, de la finance ou encore de la santé, comme le détaille une étude de McKinsey.

Machine learning. Le patron de PME dans le secteur de l'automobile ou de la logistique écarquille encore parfois les yeux lorsqu'il entend ce terme barbare. Pourtant, cette branche de l'intelligence artificielle s'apprête à bouleverser son domaine d'activité et de nombreux autres, comme le détaille l'étude "The age of analytics : competing in a data-driven world" du cabinet de conseil américain McKinsey, datée de décembre 2016.

Les techniques d'apprentissage automatique permettent, à partir d'un jeu de données suffisamment fourni, de segmenter des éléments en différentes catégories, de classer des données visuelles, textuelles ou auditives… Ces différentes déclinaisons du machine learning vont transformer 12 secteurs de l'économie à travers 120 cas d'application concrets, listés dans le rapport de McKinsey. Ces différents use case ont un impact potentiel plus ou moins fort selon le secteur concerné et nécessitent le traitement d'un nombre plus ou moins important de data, comme le montrent les 12 graphiques présentés ci-dessous.

Automobile

Dans le secteur automobile, l'apprentissage automatique combiné à la puissance de calcul informatique qui ne cesse de croître permet d'identifier en temps réel les éventuels obstacles qui se présentent sur une route, une compétence indispensable pour développer des véhicules autonomes. Cette technologie permet également de réaliser de la maintenance prédictive sur les voitures et autres camions afin de limiter au maximum les accidents, comme le montre l'infographie ci-après.

L'apprentissage automatique facilite le travail des constructeurs qui se lancent dans le développement de véhicules autonomes. © McKinsey&Company

Industrie

Dans le monde de l'industrie aussi, le machine learning permet d'ajuster le calendrier de maintenance en fonction des données collectées directement sur les équipements, pour éviter au maximum les pannes et le manque à gagner important qu'elles génèrent pour l'entreprise. L'analyse de données permet également d'optimiser les cycles de production complexes de certaines usines.

Le machine learning permet aux industriels d'optimiser leurs cycles de production. © McKinsey&Company

Biens de consommation

En disséquant les données collectées en magasin sur le comportement des consommateurs, les grandes surfaces peuvent, grâce à l'apprentissage automatique, réorganiser leurs rayons pour booster leurs ventes. Le machine learning donne aussi l'opportunité aux distributeurs d'optimiser la gestion de leurs stocks.

Les distributeurs de produits grand public peuvent réaménager leurs rayons grâce à des logiciels de machine learning. © McKinsey&Company

Finance

Dans la finance, cette technologie permet de débusquer les transactions frauduleuses en passant au crible les données bancaires des acheteurs, mais également de leur proposer des produits financiers ultra-personnalisés, en compilant des informations collectées via différents canaux.

L'apprentissage automatique permet aux banques de détecter les fraudes. © McKinsey&Company

Agriculture

Grâce à l'apprentissage automatique, les agriculteurs commencent à customiser leurs techniques de culture en fonction de données météo et des caractéristiques singulières d'une portion donnée de leur terrain. L'objectif : produire plus en polluant moins.

Les agriculteurs adaptent leurs techniques de culture aux caractéristiques propres de leur terrain grâce au machine learning. © McKinsey&Company

Energie

A l'aide des capteurs posés sur leur infrastructure et des technologies de machine learning qui permettent de traiter les données collectées, les énergéticiens peuvent prévoir à l'avance quand leurs éoliennes (par exemple) risquent de tomber en panne et envoyer un agent de maintenance en amont.

Les énergéticiens peuvent effectuer des opérations de maintenance prédictives grâce à l'apprentissage automatique. © McKinsey&Company

Santé

Comme le montre le tableau présenté ci-dessous, qui analyse l'impact de l'apprentissage automatique sur l'univers de la santé, certains logiciels sont capables de poser le diagnostic d'une maladie en analysant les résultats d'un scanner, d'une biopsie ou d'autres types d'analyses médicales.

Certains logiciels d'IA sont capables de poser des diagnostics médicaux. © McKinsey&Company

Pharmacie

Dans le secteur pharmaceutique, cette branche de l'IA permet d'optimiser les essais cliniques en sélectionnant les patients de manière plus pertinente. Les laboratoires pourront également optimiser leurs stratégies dfe lancement de produits en combinant un grand nombre de données de marché avec les résultats des précédentes opérations de mise sur le marché.

Le machine learning permet aux laboratoires pharmaceutiques de mieux choisir les patients de leurs essais cliniques. © McKinsey&Company

Secteur public

Optimisation de l'allocation des ressources pour un développement urbain harmonieux qui maximise la qualité de vie, amélioration des décisions de politique publique grâce à l'analyse d'importants jeux de données… L'Etat a lui aussi des avantages à tirer de l'utilisation du machine learning.

L'apprentissage automatique permet à l'Etat de prendre de meilleures décisions de gestion de son territoire. © McKinsey&Company

Médias

Les médias peuvent, grâce à cette technologie, compiler des données issues de différentes sources à propos de leur public et proposer à leurs annonceurs des espaces publicitaires plus personnalisés et donc plus lucratifs.

Les médias peuvent proposer à leurs annonceurs des espaces publicitaires ultra-personnalisés en utilisant des solutions basées sur l'apprentissage automatique. © McKinsey&Company

Télécommunications

Les telcos pourront optimiser les investissements très lourds qu'ils doivent réaliser pour entretenir leur infrastructure en analysant les données collectées sur le terrain par des capteurs. L'apprentissage automatique leur permettra également de créer des assistants vocaux intelligents, capables de prendre en charge la majorité des appels qui sont aujourd'hui gérés par les salariés de leurs call centers.

Grâce au machine learning, les telcos développent des assistants vocaux automatiques intelligents capables de prendre efficacement en charge les appels de leurs clients. © McKinsey&Company

Transport, logistique, voyage

Le machine learning permet aux acteurs du monde du transport d'optimiser leur princing grâce à une analyse en temps réel de la demande, comme le montre le graphique ci-dessous. Dans le monde du voyage, ces logiciels permettent aux voyagistes de proposer aux touristes des offres ultra-personnalisées.

Les transporteurs utilisent les logiciels d'apprentissage automatique pour optimiser leur princing. © McKinsey&Company

Machine Learning / Intelligence artificielle

Annonces Google