L’apprentissage automatique est-il adapté à votre entreprise?

La plupart des entreprises reconnaissent que l’apprentissage automatique (Machine Learning) peut leur apporter une valeur exceptionnelle. Cependant, plusieurs d’entre elles se posent des questions quant à l’intégration de celui-ci dans leur stratégie de données : comment, dans quel domaine et surtout à quel moment?

Aujourd’hui, nous allons explorer les questions que vous devriez vous poser afin de savoir si l’apprentissage automatique est adapté à votre entreprise.

Est-ce le bon moment pour l’apprentissage automatique?

Ou encore, est-ce seulement un mot à la mode, fruit d’une action de pur marketing?

Et bien, l’apprentissage automatique, c’est maintenant! Tous les signaux sont là :

  1. Les avancées en matière de puissance informatique : les nouvelles performances en microélectronique permettent de traiter davantage de données. De plus en plus d’entreprises passent du CPUs au GPUs et les processus de longue haleine (comme l’entraînement de réseaux de neurones) ont ainsi connu un gain en vitesse. L’engouement se fait même sentir chez les entreprises de microprocesseur, comme Nvidia, qui travaillent sur du matériel spécifiquement utilisé pour l’apprentissage automatique.
  2. Le coût du stockage : selon le site de recherche « Statistic Brain », le coût du stockage a chuté de 105 000 $ / Go en 1985 à 0,03 $ / Go en 2014. L’accessibilité accrue en espace de stockage fait en sorte que les entreprises gardent et enregistrent des données sans se soucier d’une quelconque limite de stockage.
  3. La quantité de données : ScienceDaily a écrit en 2013 que « 90% des données dans le monde a été généré au cours de ces deux dernières années ». Aujourd’hui, on peut s’attendre à ce que ce pourcentage soit encore plus élevé. Avec autant de données à portée de main, les applications d’apprentissage automatique deviennent innombrables.
  4. Taille du marché et croissance : le dernier rapport de Marketsandmarkets.com indique que « le marché de l’intelligence artificielle (IA) devrait atteindre 16,06 milliards de dollars d’ici 2022, avec un TCAC (taux de croissance annuel composé) de 62,9% de 2016 à 2022 ».
  5. L’activité M&A en matière d’IA s’est multipliée par 7 depuis 2011. C’est un signe de concurrence accrue qui tient une proposition de valeur claire.
  6. L’apprentissage automatique est omniprésent : « Il y a dix ans, on luttait encore pour trouver 10 applications basées sur l’apprentissage automatique. Maintenant, c’est difficile d’en trouver qui ne l’utilisent pas », a déclaré Alexander Linden, vice-président de Gartner.

  7. L’apprentissage automatique n’est pas nouveau : ses origines remontent aux années 50. Bernard Marr a fourni une belle vue d’ensemble de la chronologie du Machine Learning dans son article A Short History of Machine Learning — Every Manager Should Read

Comme l’a rappelé Raj Reddy, ancien coprésident de la technologie d’information du président américain, en 1988, « ce domaine est plus excitant que jamais. Nos récentes avancées sont importantes et substantielles. L’hiver mythique de l’IA est devenu un printemps, car je vois beaucoup de fleurs s’épanouir. »

Avec tout cela à l’esprit, il est approprié de dire que l’hiver de l’IA est bel et bien terminé, que le printemps est arrivé et que l’été est à l’horizon. Reddy n’est pas le seul à avoir remarqué cette floraison.

Comme nous l’avons mentionné dans notre publication de la semaine dernière, notre équipe d’abeilles butine actuellement certains projets florissants dont les services de développement sont orientés vers l’IA.

 

Quels problèmes d’affaires l’apprentissage automatique peut-il résoudre?

Pour vous aider à identifier quelles situations peuvent être abordées avec l’apprentissage automatique, commencez avec vos données. Recherchez des zones de votre entreprise qui sont susceptibles de produire des données (en grandes quantités) et la valeur qui peut en découler.

L’apprentissage automatique diffère des autres avancées technologiques. Il ne s’agit pas d’une solution plug and play, à tout le moins, pas encore! L’apprentissage automatique peut être utilisé pour faire face à de nombreuses situations et chacune d’elles nécessite un ensemble de données, un modèle et des paramètres spécifiques pour produire des résultats précis.

Cela signifie que vous avez besoin d’un objectif clairement défini au départ. L’apprentissage automatique fait des progrès considérables dans de nombreux domaines, et tous les champs au sein d’une organisation sont susceptibles d’être touchés par ces progrès perturbateurs dans un avenir rapproché. Néanmoins, certains domaines sont plus mûrs que d’autres et sont tout désignés pour adopter l’apprentissage automatique.

Chez Arcbees, nous pensons qu’il y a deux volets des entreprises qui peuvent faire figure de pionniers dans l’adoption de l’apprentissage automatique :

  • Logistique et production;
  • Ventes et marketing.

La raison pour laquelle ces deux domaines ouvrent la voie à une intégration plus répandue dans les pratiques quotidiennes est simple : ils ont une influence directe en ce qui a trait au retour sur investissement (ROI).

Quel ROI peut vous procurer l’apprentissage automatique?

La mesure du retour sur investissement de l’apprentissage automatique dans votre stratégie d’affaires dépend fortement du contexte et du problème résolu. Les gains réalisés grâce à l’utilisation de l’apprentissage automatique peuvent être classés, pour la plupart, dans deux grands domaines : l’analyse prédictive et l’automatisation des processus. L’analyse et l’automatisation peuvent toutes deux être utilisées pour réduire les coûts ou pour augmenter les revenus.

Analyse prédictive :

  • Un aperçu prédictif du comportement des clients vous donnera plus de possibilités de vente;
  • Anticiper l’efficacité des médicaments peut réduire le délai de mise en marché;
  • Prévoir quand un utilisateur risque de quitter peut améliorer la rétention.

Dans ce contexte, l’apprentissage automatique a le potentiel d’augmenter votre réactivité en vous fournissant les outils et les informations nécessaires pour prendre des décisions plus rapidement et avec plus de précision.

Automatisation des processus et efficacité :

  • Améliorer la précision des décisions de gestion des placements avec les logiciels d’apprentissage automatique peut fournir de meilleures marges et aider à atténuer les erreurs coûteuses;
  • L’entrainement de mouvements de bras robotisés peut augmenter la précision de votre ligne de production et alléger vos besoins de contrôle de qualité;
  • La distribution des ressources selon la demande des utilisateurs peut gagner du temps et des coûts pendant la livraison.

Lorsque l’apprentissage automatique est utilisé dans ce type de contextes, votre entreprise devient plus intelligente. Vos processus et systèmes augmentent votre proposition de valeur et vos ressources sont utilisées plus efficacement.

À mesure que davantage d’entreprises évolueront vers l’intégration de cette technologie dans les opérations quotidiennes, davantage d’études de cas mesurant son impact seront mises à disposition.

Par exemple, nous aidons actuellement l’Aéroport international de Québec à structurer sa stratégie de données, son analyse et son architecture. L’organisation utilise des dizaines de systèmes internes pour gérer les vols, les bagages, les communications et plus encore. En connectant ces composantes individuelles et en leur permettant de partager des données entre elles, l’apprentissage par machine donne lieu à un retour sur investissement judicieux : des opérations plus efficaces, des coûts de développement réduits et de nouvelles sources de revenus.

De quoi ai-je besoin pour tirer profit de l’apprentissage automatique?

Que votre investissement concerne l’analyse prédictive ou l’automatisation des processus, certaines conditions peuvent favoriser votre succès. Un sondage auprès de 31 experts de l’industrie de l’IA nous révèle que trois conditions sont nécessaires afin d’obtenir un retour sur investissement mesurable : des données suffisantes, des talents qualifiés et le choix du bon problème.

L’apprentissage automatique dépend des données. Essentiellement, mis à part la technologie et le talent pour sélectionner et entraîner les modèles, tout ce dont vous avez besoin sont des données cohérentes, en quantité suffisante et dictées par le problème que vous essayez de résoudre.

Même si cela peut paraître très simple, ce n’est pas nécessairement le cas.

Les données entièrement générées par le biais de processus logiciels (pensez aux publicités Google, par exemple) sont généralement cohérentes, mais quand des gens sont impliqués, les choses deviennent plus délicates. Un changement de mentalité chez les personnes impliquées dans le processus de production de données est habituellement requis. Dans certaines organisations, l’utilisation de l’intelligence artificielle implique autant la gestion du changement que l’adoption de nouvelles technologies.

Pour produire des données intelligibles, considérez votre capacité à les collecter, leur source, leur format, l’endroit où elles sont stockées, mais aussi le facteur humain. Les dirigeants et les employés impliqués dans le processus doivent comprendre la valeur de ce processus et l’importance de prendre soin de sa qualité.

Par exemple, dans un inventaire d’entrepôt d’entreprise, il y a une erreur inscrite au système qui est due à la manipulation humaine : le logiciel pense qu’il y a 10 pots de miel en stock, mais il n’y en a que 9 (ou le miel est dans les mauvais contenants, etc.). Cela pourrait avoir un impact négligeable sur les opérations quotidiennes, mais un impact significatif sur la qualité des données. La compréhension de la façon dont les activités quotidiennes peuvent influencer la production de données est la première étape vers de meilleures pratiques.

Quel est le secret?

La collaboration. L’intelligence artificielle est perturbatrice et, en toute honnêteté, son adoption peut parfois s’avérer ardue. Cela dit, d’après notre expérience, les membres du milieu de l’IA sont profondément passionnés et sont heureux de partager leurs connaissances et leur savoir-faire. Chez Arcbees, nous avons pour mission d’être une force de liaison dans le domaine de l’IA. Nous visons à relier des personnes avec des collaborateurs, des esprits curieux avec des connaissances, des entreprises avec des opportunités et des partenaires avec des résultats. C’est notre philosophie d’aider. Nous vous suggérons d’ouvrir votre annuaire téléphonique et d’appeler votre expert local de l’IA pour obtenir des conseils. Si vous n’en avez pas, nous répondrons volontiers à votre appel.

Si vous souhaitez en savoir plus sur la stratégie de données, le développement et la conception, suivez notre blog. La semaine prochaine, je vous fournirai un guide non technique pour comprendre l’apprentissage automatique.

N’hésitez pas à commenter ou à poser des questions ci-dessous. Vous pouvez également me suivre sur Twitter ou me contacter directement par LinkedIn ou par courriel.