Machine learning : comprendre son potentiel et ses limites

La façon dont est présenté l'apprentissage automatique laisse souvent supposer que c’est une solution magique et qu’il suffit d'appuyer sur un bouton pour que la machine trouve une réponse… Ce n’est évidemment pas le cas !

Le machine learning ou apprentissage automatique fait beaucoup parler de lui dans le monde de l'entreprise, et à raison, car d'importants progrès ont été réalisés dans ce domaine. Nous commençons enfin à observer des applications intéressantes dans plusieurs secteurs ! La façon dont il est présenté laisse cependant souvent supposer que c’est une solution magique et qu’il suffit d'appuyer sur un bouton pour que la machine trouve une réponse…

Ce n’est évidemment pas le cas ! Bien que le machine learning permette de réaliser des choses formidables, les machines sont encore en cours d'apprentissage. Dans la plupart des cas, l'apprentissage automatique est une habile combinaison entre technologie et intervention humaine. Et dans certains cas, c'est ce que l'on appelle un turc mécanique, un peu d'automatisation élaborée derrière laquelle se cachent d'importants efforts humains. Clarifions les choses : il ne sera jamais possible d'appuyer sur un bouton pour obtenir aussitôt la solution. La promesse de l'apprentissage automatique ressemble plutôt à cela : des humains enseignant et formant une machine qui devient progressivement et continuellement plus intelligente et plus rapide. Échec de l'apprentissage ?

Le danger est de ne pas voir d'amélioration, que la machine échoue à apprendre et que ce qui est présenté comme une solution d'apprentissage automatique repose essentiellement sur des efforts humains. Aucune entreprise ne souhaite que ses processus ressemblent à un jour sans fin ! Continuer à perdre des appels sans comprendre pourquoi, constater que les suggestions sur le site Internet ne s'améliorent pas ou que le support client n'est pas plus pertinent qu’avant….

Même si cela n’est pas souhaitable, il est à craindre que certaines applications aujourd’hui prétendument labellisées machine learning subissent ce sort dans un futur proche… À ce jour, il est difficile de dire quelles applications utilisent réellement l'apprentissage automatique car la plupart d'entre elles ont encore légitimement besoin d’une assistance humaine pour aider les machines à apprendre, corriger les résultats erronés et réajuster les règles.

Accélération des processus

Le machine learning a déjà par exemple permis d'incroyables avancées en médecine, notamment pour le diagnostic de maladies à partir des données collectées sur les IRM. Dans le domaine des achats, la machine apprend à partir des nombreuses tâches de classification. La machine va classer avec précision environ 80% des données sur les dépenses, ce qui signifie qu'elle comprendra 80% des achats et qu'elle les placera dans la bonne case. Il faudra néanmoins continuer d'y ajouter une intervention humaine pour contrôler la qualité et continuer à entraîner la machine, le nombre de variations dans le langage étant presque infini.

Jamais les machines ne pourront tout faire automatiquement. Cependant, nous pouvons accélérer significativement les processus. Aujourd’hui l’intelligence des systèmes est telle qu'il est possible de réaliser en quelques jours ce qui prenait auparavant plusieurs mois. En continuant à entraîner la machine, de plus en plus d'informations sont collectées pour combler les lacunes. Ces lacunes se réduisent chaque jour davantage, mais cela ressemble à une course vers l'horizon. Nul ne peut l’atteindre. C'est ce qui se passe dans le monde de l'apprentissage automatique. 

Vérifications

Pour savoir si la machine apprend et s'améliore, il est indispensable d’examiner régulièrement les indicateurs de performance, comme par exemple le nombre d'appels perdus ou le nombre de réponses correctes du support client dans un délai de deux minutes. Dans les achats, le critère est l’augmentation du pourcentage des données classifiées et normalisées correctement sans aucune intervention humaine.

L'apprentissage automatique, pour peu que l’on prenne le temps d’identifier et rectifier les erreurs permettra forcément de voir des améliorations significatives. Alors, peu importe si votre application d'apprentissage automatique n'est pas encore totalement au point aujourd’hui. L’important est de ne pas se leurrer sur ce qu’est ou non une application de machine learning. Si l’humain prend une part trop importante dans les processus, le système ne pourra pas devenir plus intelligent !

Machine Learning / Intelligence artificielle

Annonces Google