La Big Data : source du Machine Learning

Avec les smartphones, les ordinateurs et l’arrivée des objets connectés, notre quotidien est désormais traqué et observé grâce aux nombreux capteurs présents dans nos nouvelles technologies.  Toutes les informations récupérées sont stockées sous forme de données brutes qui viennent enrichir la Big Data un peu plus chaque jour. L’enjeux pour les entreprises sera d’abord de récolter ces données, puis dans un second temps, de les analyser afin de « les faire parler » dans le but de mieux comprendre les utilisateurs et d’adapter les produits et les interfaces aux comportements observés.

Cette analyse peut être faite manuellement en gérant les données à l’aide de logiciels comme le font les Data Scientist. Mais il est également possible de rendre automatique le traitement de l’information en mettant en place des algorithmes qui seront capables de traduire les données pour adapter le fonctionnement et le comportement de certains appareils ou logiciels. C’est donc cette automatisation du traitement des données effectuée par nos appareils que l’on définie comme le Machine Learning (ou Apprentissage Automatique pour les puriste de la langue Française). En effet, une fois que les algorithmes sont en place, l’appareil fera le reste du travail et analysera les données récoltées pour les traduire en actions à effectuer sans avoir besoin d’une intervention humaine. Grâce à ces algorithmes, nos appareils sont donc capable d’apprendre et de réagir de façon autonome.

Quelques Exemples de Machine Learning

Le machine learning est aujourd’hui omniprésent dans tous les appareils et logiciels que nous utilisons. En voici quelques exemples.

• Spotify

Si vous utilisez le célèbre logiciels de streaming musical Spotify, vous avez surement déjà remarqué que dans l’onglet « Découvrir », le logiciel vous propose des « Nouveautés Personnalisées« . Ces suggestions sont propres à chaque utilisateur et se basent sur l’analyse automatique des données faite par le logiciel. Pour réaliser cela, l’algorithme de Spotify analyse les musiques que vous avez ajoutées à votre playlist et celles que vous avez écoutez récemment pour générer automatiquement des suggestions de musiques qui seraient susceptibles de vous intéresser. Ceci est donc un très bon exemple de machine learning puisque le logiciel va observer vos données régulièrement pour adapter son offre de façon autonome sans avoir besoin d’une personne physique pour analyser un à un les profils des utilisateurs (et heureusement d’ailleurs ! Sinon ça demanderait un sacré boulot …)

• Facebook

A l’instar de Spotify, Facebook utilise le machine learning pour vous faire des suggestions d’amis que vous seriez susceptible de connaitre. L’algorithme utilise de nombreuses données qui lui permettent en général d’être assez précis (ex : amis en commun, appartenance à des groupes similaire, pages suivies …).

 

• Voiture Autonome

La voiture autonome est sans nul doute le cas de machine learning le plus avancé au monde. En effet, les nombreux capteurs de ces voitures sont capables de collecter de nombreuses données sur l’environnement extérieur pour les traduire instantanément en commande à effectuer par le véhicule (tourner, avancer, reculer, freiner …). Les algorithmes mis en place se doivent d’être d’une précision sans faille car la vie du conducteur, de ses passagers et des piétons pourrait être en danger si l’ordinateur de bord faisait une erreur d’interprétation de l’information reçue.

 

En conclusion, le Machine Learning est devenu omniprésent dans nos nouvelles technologies. Désormais, que ce soit vos smartphones, ordinateurs ou objets connectés, l’ensemble de vos appareils collectent et analysent vos données pour s’adapter à vos comportements et à vos besoins. Cela peut paraître effrayant de ce dire que notre notre quotidien et toutes nos actions sont observées par les machines, ce concept a d’ailleurs inspiré de nombreux films de science-fiction mettant en scène des robots ou machines dépassant l’intelligence humaine grâce à leur apprentissage, mais pour ma part, je vois le Machine Learning  comme une pratique indispensable aujourd’hui. En effet, les utilisateurs veulent de plus en plus de personnalisation et souhaite voir des contenus et des changements en temps réel adaptés à leurs intérêts et seul le machine learning permet cela de nos jours.