Cette liberté d’analyse est ainsi à l’origine de la conduite autonome des voitures Google, les fameuses Google Cars qui cartographient les villes et les routes. Le machine learning repose sur une action en deux temps : une phase d’entrainement (pendant laquelle le système ingurgite et apprend sur une partie des données) suivie par une phase de vérification, ou la validité des prédictions est testée sur la seconde partie des données.
L’exemple le plus frappant – et le plus connu – de machine learning est Watson, le programme d’intelligence artificielle d’IBM. Il est capable de tenir une conversation, mais aussi de résoudre des problèmes. Il peut également effectuer un diagnostic médical à partir des analyses d’un patient, après avoir avalé des millions de pages de rapports et de littérature spécialisée dans la santé.
Le croisement des données issues du big data offre un terrain presque illimité au machine learning : ciblage commercial et prédiction des comportements d’achat, détection de fraude, estimation des risques dans le crédit, conseil juridique ou plus simplement proposition de recettes de cuisine en fonction des goûts, et des aliments restants dans le frigo ! Mais jusqu’où ira le machine learning ?
20 février 2020
28 août 2017