Le Machine Learning ou apprentissage automatique permet une exploitation du Big Data à des fins analytiques prédictives. Comment ça marche ? Quelles sont les applications actuelles ? Quels sont les principaux acteurs sur le marché ? Voici quelques pistes pour mieux cerner le phénomène.

big-data-machine-learning

En tant que discipline de l’Intelligence Artificielle (IA), le Machine Learning (ML) ne doit pas être confondu avec le Big data mais dépend de sa montée en puissance. Pour vulgariser la définition du Machine Learning, il est commun de dire que c’est une méthode à la jonction des mathématiques et de l’informatique qui permet aux machines (ordinateur, robot, voiture autonome, etc.), d’effectuer des tâches par elles-mêmes, sans y avoir été spécifiquement programmées. La machine évolue dans ces capacités de traitement de données grâce à des modèles d’apprentissage qui analysent des jeux de données existants et établissent des corrélations, mais pas des effets de causalité, entre eux et permettent l’accomplissement de nouvelles tâches, de prédictions.

Historiquement, le ML a trouvé ses racines dès les années 60, avec les travaux du mathématicien britannique Alan Turing, des pionniers américains en intelligence artificielle Arthur Samuel, Tom M. Mitchell et plus récemment du mathématicien/informaticien russe Vladimir Vapnik.

Très concrètement, le Machine Learning est déjà appliqué à de nombreuses problématiques, entre autres métier, et dans de nombreux secteurs d’activité. Dans le commerce, l’analyse prédictive des comportements d’achat, de gestion de stock, celles des estimations de prix des biens immobiliers, dont Microsoft a présenté en vidéo une démonstration avec Machine Azure Learning, en sont des exemples. Pour le secteur de la finance et de la banque, le ML peut être utilisé pour détecter les fraudes lors des transactions ou estimer les risques de non-remboursement de prêt, comme le mentionne le JDN. La reconnaissance d’objets (image, langage naturel, forme syntaxique, etc.), la traduction en temps réel, le filtrage de spams sur les messageries, la personnalisation de contenus de sites web font aussi partie des applications du ML.

Dans les secteurs de la santé ou de la robotique, le Machine Learning est aussi un atout majeur pour l’aide au diagnostic médical, à la classification des séquences ADN, à la locomotion des robots. Dans ce dernier domaine, l’article Wikipedia mentionne que ‘’ le système d'apprentissage automatique peut permettre à un robot ayant la capacité de bouger ses membres mais ne sachant initialement rien de la coordination des mouvements permettant la marche, d'apprendre à marcher. Le robot commencera par effectuer des mouvements aléatoires, puis, en sélectionnant et privilégiant les mouvements lui permettant d'avancer, mettra peu à peu en place une marche de plus en plus efficace.’’

Le ML est également une méthode utilisée en cybersécurité avec la prédiction comportementale, en particulier pour alerter les administrateurs SI sur des comportements utilisateurs déviants et les menaces potentielles qu’ils engendrent. Ce sujet était au menu des toutes dernières Assises de la Sécurité avec plusieurs sociétés expertes (Cisco, Thales, Splunk, etc.), présentées par Industrie&Technologies ont mis en avant les capacités de leurs derniers logiciels d’apprentissage automatique.

Parmi les grands acteurs actuels du Machine Learning : Microsoft, IBM, Google sont dans le trio de tête mondial. Depuis le printemps 2015, Amazon est venu concurrencer ces 3 majors avec un service de ML qui est devenu depuis peu accessible aux organisations européennes à partir de son datacenter de Dublin.

Dans l’Hexagone, la start-up Dataiku, créée en 2013 a été mise sur le devant de la scène en début d’année grâce à une première levée de fonds de 3 millions d’euros et l’ouverture de bureaux à New York rapporte La Tribune. Elle est actuellement particulièrement focalisée sur le marché de l’analyse des données au service de la maintenance prédictive, de la chaîne logistique ou des smart cities. Grands et petits acteurs du ML proposent leurs outils sous forme logiciel interne ou en mode SaaS.

Sources : JDN, , Introduction au Machine Learning Microsoft, Industrie&Technologies, La Tribune