Définition machine learning

Définition machine learning


Tentative de définition du machine learning

Le « machine learning », ou littéralement l’apprentissage automatique (AA), est une technique consistant à analyser des données en vue d’apprendre aux ordinateurs à faire ce qui est naturel aux humains. Grâce à des algorithmes, il peut utiliser des méthodes de calcul directement à partir de données, sans se baser sur un modèle de calcul prédéterminé. Et sachez que cela a révolutionné la manière dont les entreprises font des affaires. Explications.

Une branche de l’intelligence artificielle (IA) ?


Le machine learning fait partie intégrante de l’IA. Cette dernière peut toutefois inclure d’autres capacités supplémentaires comme les capteurs, les dispositifs qui interagissent avec les humains, le raisonnement sur ordinateur, etc.

Les véhicules autonomes constituent par exemple un excellent exemple d’IA appliquée. Dans de tels dispositifs, on retrouve des composants d’AA. Mais les véhicules sont également dotés de nombreux capteurs pouvant collecter et analyser les données, qui est en quelque sorte un « cerveau » capable de raisonner et de prendre des décisions, par exemple pour indiquer aux roues de tourner, au moteur d’accélérer, etc.

Il est aussi important d’évoquer une distinction entre l’AA et les statistiques. Les techniques statistiques servent en effet à tester une hypothèse pour démontrer que les données sont conformes à une formule mathématique connue, telle qu’un modèle linéaire. Les algorithmes d’AA, quant à eux, visent plutôt à apprendre des modèles qui ne sont pas nécessairement conformes à des concepts déjà connus.

Si les chercheurs développaient la méthode de la régression linéaire pour travailler avec de petits ensembles de données, en effectuant des calculs à la main. Aujourd’hui, ils peuvent utiliser une grande quantité de Data et faire appel à une méthode de calcul qui n’était pas disponible auparavant. L’AA consiste donc à transformer la disponibilité et l’analyse de cette masse de données en opportunité.

Un concept qui ne date pas d’aujourd’hui


Il est important de noter que bon nombre de techniques de machine learning ont fait leur apparition dans les années 1940. Cette technique existe donc depuis des années, et ne cesse de s’améliorer. Alors, s’il ne s’agit pas d’un concept récent, pourquoi n’a-t-il pas intéressé grand monde avant ?

La réponse est simple. C’est parce que l’AA produit actuellement autant de connaissances que les organisations peuvent les intégrer dans leur quotidien. Il permet de traiter des millions de transactions dans un très bref délai et à moindre coût. Ceci facilite donc les tâches routinières des entreprises qui seraient prohibitives si elles étaient réalisées par des humains.

Entre autres, il est désormais possible d’envisager une application qui traite le trafic de courrier électronique entrant vers un centre de service client. Grâce à l’exploration de texte (une sorte de machine learning), une application peut donc répondre automatiquement à certains emails, ou bien acheminer les autres vers les spécialistes de l’entreprise pour être traitée ultérieurement. Au lieu d’embaucher des analystes humains pour lire chaque courriel reçu, l’entreprise pourra de ce fait faire appel à l’AA pour réduire les coûts, sans porter préjudice à l’expérience client.

Bien entendu, ce n’est qu'un exemple de la façon dont cette technologie peut être déployée au sein de votre organisation. Mais sachez qu’il trouve son utilité dans de nombreuses applications, dans quasiment tous les secteurs d’activité.

COPYRIGHT © 2018 Docaufutur. All rights reserved - Glossaire - Liens

référencement naturel et agence eMarketing par eGate Referencement
Définition machine learning | Définition intelligence artificielle | Communication transpromotionnelle | Composition dynamique de documents | Customer relationship management | Dématérialisation de documents |
Dématérialisation de factures | Docaufutur | Document de gestion | Documents transactionnels | Hub de composition documentaire | Impression numérique | Information dématérialisation | Information flux documentaire |