Oubliez ce que vous avez pu entendre. L'apprentissage automatique n'est pas un concept nouveau ou une étude à ses débuts.

Si nous voulons être techniques, l'apprentissage automatique existe en fait depuis les années 1950, lorsque Arthur Samuel a inventé le terme chez IBM. Les premiers modèles statistiques de cette époque ont ouvert la voie à l'intelligence artificielle moderne d'aujourd'hui.

Au contraire, bien que l'apprentissage automatique d'aujourd'hui soit bien plus avancé qu'il ne l'était, il y a toujours place à l'amélioration.

Avec les avancées dans les algorithmes, la modélisation statistique et l'informatique, l'apprentissage automatique ne fera que devenir plus efficace. Et bien qu'il ne soit pas toujours facile de prédire à quoi ressemblera cette efficacité, certains experts ont une idée.

Nous avons donc demandé à 5 personnes ayant une connaissance approfondie de l'apprentissage automatique leur avis sur son avenir. Voyons ce qu'ils avaient à dire.

Avenir de l'apprentissage automatique

Selon votre compréhension de l'apprentissage automatique, certains de ces aperçus peuvent vous sembler familiers, d'autres peuvent vous exposer à de nouvelles idées.

Quoi qu'il en soit, vous pouvez passer directement à un aperçu qui suscite votre intérêt en cliquant sur l'un des 5 liens ci-dessous :

1. Personnalisation fine
2. Meilleures expériences de moteur de recherche
3. Évolution des équipes de données
4. Environnements sans code
5. Montée de l'informatique quantique

1. Personnalisation fine

Ben Wald, co-fondateur et vice-président de l'implémentation des solutions chez Very

L'apprentissage automatique peut être une méthode d'analyse de données, cependant, il influence progressivement la vie de ceux qui possèdent des appareils IoT comme les montres intelligentes, les téléphones, les voitures, et plus encore. Voici ce que Ben avait à dire sur la relation unique entre l'apprentissage automatique et les consommateurs.

« Avec 90 % de toutes les données générées au cours des deux dernières années, une grande partie provient d'une gamme d'appareils intelligents qui connectent nos téléphones, nos poignets et nos maisons. En conséquence, les entreprises ont plus de moyens que jamais de construire des relations avec leurs clients.

En utilisant l'apprentissage automatique, les entreprises peuvent affiner leur compréhension de leur public cible pour informer le développement de produits, le marketing et les ventes. Avec des algorithmes pour décomposer exactement comment leurs produits sont utilisés, les développeurs et les concepteurs peuvent personnaliser les produits bien plus précisément que jamais auparavant, maximisant la valeur pour l'entreprise et le consommateur. »

Avec plus de percées dans les algorithmes d'apprentissage automatique, nous commencerons à voir un ciblage hyper-précis et une personnalisation fine pour les clients à plus grande échelle.

2. Meilleures expériences de moteur de recherche

Dorit Zilbershot, directrice des produits chez Attivio

Vous n'en êtes peut-être pas conscient lorsque vous faites défiler Google à la recherche d'un article, mais le classement de ces résultats est fait avec un but. Dernièrement, l'apprentissage automatique a eu une énorme influence sur les résultats des moteurs de recherche. Dorit est ici pour expliquer davantage.

« Les moteurs de recherche vont améliorer à la fois l'expérience utilisateur et l'expérience administrateur à pas de géant au cours des prochaines années. Avec le développement supplémentaire des réseaux neuronaux et de l'apprentissage profond, les moteurs de recherche du futur seront bien meilleurs pour fournir des réponses et des aperçus hautement pertinents pour l'utilisateur qui recherche.

En ce moment, nous sommes vraiment bons pour comprendre quels résultats doivent être servis en fonction du profil de l'utilisateur et de la requête. Cependant, ce processus nécessite encore des configurations manuelles et une compréhension du fonctionnement des moteurs de recherche. À l'avenir, les résultats seront encore plus adaptés à l'individu en fonction de ses interactions passées, de ses préférences et des mots qu'il a utilisés sans aucune administration manuelle. Nous serons également proactifs pour alerter les gens sur les problèmes potentiels avant même qu'ils ne se produisent et fournir des recommandations exploitables pour assurer un fonctionnement fluide et une excellente expérience de recherche. »

Avec de plus en plus de contenu publié chaque seconde de la journée, il sera intéressant de voir comment les algorithmes d'apprentissage automatique continuent d'optimiser les résultats de recherche en pensant à l'utilisateur.

3. Évolution des équipes de données

Henrique Senra, vice-président du développement de produits chez SlicingDice

Il n'est pas rare que les équipes informatiques et de données soient accablées par des tâches de programmation et systématiques. Cependant, Henrique croit que plus d'avancées dans l'apprentissage automatique aideront à faire évoluer le quotidien de ces équipes.

« Il est presque impossible de prédire l'avenir de l'AM et de l'IA. Si vous aviez dit aux experts en technologie il y a 20 ans ce que nous pourrions faire avec l'AM aujourd'hui, ils seraient probablement sceptiques, pour le moins.

Il y a, cependant, certaines tendances dans la façon dont l'AM est utilisé aujourd'hui et comment ces cas évolueront dans un avenir proche. L'AM sera l'un des outils fondamentaux pour développer et maintenir des applications numériques dans les années à venir. Cela signifie que les équipes informatiques/données passeront moins de temps à programmer et à mettre à jour les applications, mais plutôt à les faire apprendre et à continuer d'améliorer leurs opérations en permanence. »

Je vais pousser l'idée de Henrique un peu plus loin et dire que plus d'automatisation des processus robotiques intelligents – avec l'aide de l'apprentissage automatique – réduira le nombre de tâches redondantes effectuées par les programmeurs. Lisez notre guide pour débutants sur l'automatisation des processus robotiques si vous n'êtes pas encore familier avec cela.

4. Environnements sans code

Tony Fader, développeur logiciel ML/NLP chez AppSheet

L'apprentissage automatique est susceptible de faire évoluer les tâches des équipes de données, mais il sera également plus accessible à un plus large éventail de publics. Je fais référence aux environnements à faible ou sans code. Voici ce que Tony dit de ce phénomène plus récent.

« L'apprentissage automatique deviendra simplement une autre partie de l'ingénierie logicielle. Les frameworks open-source comme Tensorflow, Keras et PyTorch ont non seulement standardisé la façon dont les gens implémentent les algorithmes d'apprentissage automatique, mais ont également supprimé les prérequis pour le faire. Vous n'avez pas besoin d'un doctorat pour faire de l'apprentissage automatique, vous avez seulement besoin de télécharger quelques packages et de suivre un cours en ligne pour vous mettre à jour. Des entreprises comme la nôtre vont encore plus loin et permettent à quiconque (pas seulement aux programmeurs) d'utiliser l'apprentissage automatique sans code dans leurs propres applications sur mesure. »

Cela peut sembler utopique, mais avec tant d'infrastructures, de jeux de données et d'outils disponibles aujourd'hui, ces types d'environnements se déploient lentement mais sûrement. Consultez le guide complet de notre équipe de recherche sur les différences entre le développement à faible code et sans code pour plus d'informations.

5. Montée de l'informatique quantique

Matt Reaney, fondateur et PDG de Big Cloud

Vous avez peut-être entendu parler de l'informatique quantique dans des films de science-fiction, mais cette discipline est très réelle. Il n'y a vraiment pas de moyen facile de définir l'informatique quantique autre que les algorithmes quantiques ont le potentiel de conduire à de nombreuses autres innovations. Écoutons ce que Matt dit de l'informatique quantique.

« L'informatique quantique va jouer un rôle énorme dans l'avenir de l'apprentissage automatique. L'intégration de l'informatique quantique dans l'apprentissage automatique transformera le domaine car nous verrons un traitement plus rapide, un apprentissage accéléré et des capacités accrues. Cela signifie que des problèmes complexes que nous n'avons pas la capacité de résoudre avec les méthodes actuelles pourraient être résolus en une fraction de temps. Le potentiel pour cela est énorme et pourrait avoir un impact positif sur des millions de vies – notamment dans les soins de santé et la médecine. »

Pour l'instant, il n'existe pas de matériel ou d'algorithmes quantiques prêts à être commercialisés. Cependant, de nombreuses agences gouvernementales et instituts de recherche ont investi des millions pour faire décoller l'informatique quantique.

Mentions honorables

Il y avait tellement de points de discussion intéressants de la part de nos contributeurs, je voulais juste en aborder quelques-uns de plus avant de conclure.

« L'hiver de l'IA est à l'horizon »

L'hiver arrive, selon Tony d'AppSheets. Tony mentionne que l'été de l'IA – c'est-à-dire une période d'attentes élevées et de tours de financement importants pour les startups axées sur l'IA – va bientôt se refroidir.

• L'inconvénient ? Les gros titres à la mode sur les robots humanoïdes seront moins fréquents – amenant les lecteurs à croire que l'IA et l'apprentissage automatique sont devenus obsolètes.
• L'avantage ? Tony dit que plus d'avancées de type tableur seront faites, et elles seront tout aussi transformatrices.

« Robots auto-apprenants »

Alexandra Zelenka, rédactrice technique chez DDI Development, déclare que, à mesure que l'apprentissage automatique devient plus sophistiqué, nous verrons une utilisation accrue des robots intelligents. Bien sûr, cela dépend aussi du rythme auquel les réseaux neuronaux artificiels et l'apprentissage profond progressent.

Quoi qu'il en soit, la robotique jouera sans aucun doute un rôle de plus en plus important pour faciliter notre vie grâce à l'automatisation. Des drones intelligents aux robots de fabrication, cela sera rendu possible grâce à l'apprentissage non supervisé.

Conclusion

Chez G2, nous aimons recueillir des idées auprès d'experts de l'industrie, surtout lorsqu'il s'agit de quelque chose d'aussi crucial pour l'innovation technologique que l'apprentissage automatique. Merci encore à nos contributeurs d'avoir poussé les idées actuelles sur l'apprentissage automatique un peu plus loin et d'avoir introduit de nouvelles idées également.

Rejoignez notre réseau

Souhaitez-vous partager votre point de vue sur des sujets comme celui-ci ? Rejoignez notre réseau de contributeurs et atteignez plus d'un million de visiteurs sur le G2 Learn Hub.