Machine Learning

Tendances & Actualités

Machine learning : nouveau nerf de la guerre pour les entreprises

Le machine learning fait à nouveau le buzz et s’adosse au Big data. Pour preuve, la nouvelle rivalité entre Google et Facebook : derrière IBM ou Microsoft, ils ne vont pas tarder à se positionner avec des propositions concrètes dans le domaine des transports, des villes intelligentes, de la sécurité ou encore de la formation.

En mars prochain, tous les fans des jeux de stratégie vont retenir leur souffle : le sud-coréen Lee Sedol, considéré comme le champion du monde de jeu de go, va défier le programme de Google DeepMind, baptisé AlphaGo. Le suspens est total : en janvier, le champion a déclaré :  

J’ai entendu dire qu’AlphaGo est étonnamment fort et s’améliorera encore, mais je suis convaincu que je pourrai gagner, au moins cette fois-ci.

Précédemment, le Français Fan Hui, actuel champion européen du jeu mythique s’est fait battre à plate couture en octobre dernier par le fabuleux logiciel, rangé dans la famille du machine learning : cinq parties, toutes perdues. Au total, sur les 500 parties jouées par le logiciel contre d’autres ordinateurs, AlphaGo n’a perdu qu’une seule fois.

Tous les scientifiques sont en émoi, reconnaissant un véritable exploit technologique. Un événement qui rappelle la défaite du champion d’échecs russe Garry Kasparov face au supercalculateur Deep Blue d’IBM en 1997, ou encore la victoire du méga-ordinateur Watson (IBM) au jeu Jeopardy en 2007.

Google et Facebook dans la guerre du go

Google garde jalousement le secret. AlphaGo a été conçu par de jeunes fondus de jeux d’arcades, co-fondateurs de DeepMind, une start-up licorne rachetée une fortune par Google en 2014. Tout ce que l’on sait sur les capacités de machine learning ici, c’est que l’ordinateur est devenu imbattable en emmagasinant 30 millions de mouvements d’excellents joueurs, notamment en participant à plusieurs centaines de milliers de parties de go.

Dans cette nouvelle guerre de l’intelligence artificielle, les enjeux sont colossaux. On rejoint ici un autre territoire stratégique : le Big data et les data scientists.

Facebook n’est pas en reste : en 2015, il a recruté le chercheur français Yann LeCun pour qu’il dirige son département d’intelligence artificielle. Dans un post consacré à l’intelligence artificielle, Mark Zuckerberg joue la surenchère. La course risque fort de s’accélérer dans les mois qui viennent avec des applications business concrètes.

Pourtant, le machine learning, souvent traduit par « apprentissage automatique », tout comme l’intelligence artificielle, ne datent pas d’aujourd’hui. Mais la combinaison récente avec les systèmes de calculs massivement parallèles, propres au Big data, donne un nouvel élan.

Machine learning : des applications surprenantes

Les retombées seront très prometteuses dans le monde de la santé, de l’industrie, de l’éducation, de la modélisation climatique, etc.

Par exemple, en biologie, on a observé que le ver planaire est notamment capable de se reconstituer entièrement, allant jusqu’à une forme de clonage. À l’université Tufts (Massachusetts), une application très sophistiquée de machine learning vient de permettre de reconstituer un tel modèle de régénération : un algorithme “évolutionniste” a permis de répliquer la façon dont les cellules souches du ver se reconstruisent une à une, chacune ayant la connaissance du plan global de l’organisme entier, avec le rôle de chacune. On en revient bien sûr à l’ADN. L’application a permis de relever le nombre immense de réactions chimiques en cascade, tant au niveau des protéines que pour les mécanismes physiques engendrés.

Maching learning : entre réalité et science-fiction

Sans même savoir comment les processus s’enchaînent (vu la complexité de l’ensemble des interactions en jeu), il a été possible d’aboutir à un même modèle qui fonctionne : c’est-à-dire de prévoir le résultat d’une nouvelle expérience et de le valider en le comparant avec une expérience réelle menée en parallèle.

Il reste à montrer que la méthode est universelle. Les applications vont être décisives pour divers processus complexes, mettant en jeu des réseaux d’interactions entre éléments disparates.

En parallèle, des data scientists nous assurent qu’ils peuvent prédire qu’un client va quitter sa banque, qu’il va dénoncer son contrat ou abandonner sa commande en cours ou qu’un système de navigation aérienne va tomber en panne. Or ces mêmes chercheurs disent qu’ils ne sauront eux-mêmes pas bien expliquer pourquoi ces incidents ou comportements auront été identifiés, mais la prédiction va devenir de plus en plus fiable…

Ils l’ont dit

Yann LeCun, directeur Intelligence Artificielle de Facebook

La compréhension de l’apprentissage « en profondeur » [deep learning] nous permettra non seulement de construire des machines plus intelligentes, mais aussi nous aidera à comprendre l’intelligence et les mécanismes de l’apprentissage humain

Alexander Linden, cabinet Gartner

Advanced Machine Learning, deep neural nets (DNNs) move beyond classic computing and information management to create systems that can autonomously learn to perceive the world, on their own. 

Stanford University

Machine learning is the science of getting computers to act without being explicitly programmed.

En chiffres

  • Pour devenir champion du jeu de go, le logiciel AlphaGo a appris 30 millions de mouvements de joueurs professionnels.
  • Le jeu de go contient jusqu’à 10 puissance 600 combinaisons de jeu possible, contre 10 puissance 120 pour le jeu d’échecs

Pour aller plus loin

Nos formations