Skip to Content
Nous contacter

Apprentissage machine

L'apprentissage machine et, d'une manière générale, l'intelligence artificielle (IA) ne relèvent plus de la science-fiction. Ils existent bel et bien, et de nombreuses entreprises en profitent déjà. Caractéristique d'une nouvelle génération de logiciels capables d'acquérir des fonctions sans être programmés pour les réaliser, l'apprentissage machine (de même que l'apprentissage profond « deep learning ») accède au Big Data, l'analyse et y repère des schémas bien plus efficacement que des opérateurs humains. Les avantages pour l'entreprise sont considérables. Ce marché devrait représenter quelque 47 milliards de dollars à l'horizon 2020.

Faites la connaissance de notre technologie d'apprentissage machine

Présentation de l'apprentissage machine

Les termes « intelligence artificielle », « apprentissage machine » et « apprentissage profond » sont souvent utilisés de manière interchangeable, mais ils ne recouvrent pas les mêmes réalités. Pour faire court, l'IA désigne, d'une manière générale, la capacité d'une machine à agir intelligemment. L'apprentissage machine et l'apprentissage profond sont des sous-ensembles d'IA, qui reposent sur l'idée qu'en ayant accès à de gros volumes de données, les machines peuvent apprendre par elles-mêmes. Pour en savoir plus sur ce qui différencie l'apprentissage profond de l'apprentissage machine, ainsi que sur d'autres concepts importants, lisez le reste de ce document.

Qu'est-ce que l'apprentissage machine ?

Dans sa définition la plus basique, l'apprentissage machine consiste à enseigner à un ordinateur à repérer des tendances et à établir des connexions en lui fournissant un volume considérable de données. Ainsi, au lieu de programmer un logiciel pour accomplir une tâche spécifique, la machine recourt au Big Data et à des algorithmes sophistiqués pour apprendre à réaliser elle-même cette tâche. L'apprentissage machine permet aux applications de « penser » et de faire de manière autonome une détermination ou une prédiction, allant ainsi au-delà de l'analyse prédictive et de l'analytique de Big Data, et souvent même au-delà des capacités humaines. Le moteur de recommandations d'un environnement de vente en ligne est un bon exemple d'apprentissage machine appliqué au commerce de biens de grande consommation.

Qu'est-ce que l'apprentissage profond ?

L'apprentissage profond, parfois appelé informatique cognitive, est une forme évoluée d'apprentissage machine. Il exploite des réseaux neuronaux multicouches (profonds) pour simuler les processus de la pensée humaine. Ces réseaux sont constitués de petits nœuds de calcul qui ressemblent aux synapses du cerveau humain. En appliquant des algorithmes sophistiqués à des ensembles de données, les machines facilitent la résolution de problèmes non linéaires complexes. L'apprentissage profond est à l'origine de véritables révolutions, telles que la reconnaissance vocale et la reconnaissance d'images, ou encore le traitement du langage naturel. Voici quelques exemples d'apprentissage profond répandus :
  • Logiciel de reconnaissance faciale
  • Voitures autonomes
  • Robots domestiques automatisés intelligents

Apprentissage supervisé ou autonome ?

Il existe trois méthodes d'« apprentissage » pour les machines :
  • l'apprentissage supervisé, dans lequel des humains étiquettent les entrées et les sorties, avant que le modèle détermine les règles permettant de les connecter entre elles ;
  • l'apprentissage semi-supervisé (ou de renforcement), dans lequel la machine est récompensée ou pénalisée selon le résultat de ses tâtonnements, et l'algorithme s'adapte en conséquence ;
  • l'apprentissage autonome, dans lequel les algorithmes ont toute latitude pour découvrir seuls des tendances dans les données (qui sont parfois groupées).
Quel que soit le mode d'entraînement, la machine apprend seule à partir des données dont elle dispose, assimilant de nouveaux comportements et de nouvelles fonctions au fil du temps. On obtient ainsi un modèle capable de prédire des résultats à partir des données, et qui est actualisé régulièrement pour plus de précision.

Pourquoi l'apprentissage machine progresse-t-il si rapidement ?

L'apprentissage machine n'est pas un concept nouveau, mais il a connu récemment une nouvelle dynamique. Pourquoi ? Parce que les capacités de traitement et de stockage sont plus abordables que jamais, et que le Big Data affiche une croissance exponentielle, nourrie par des sources diverses : texte, images et terminaux IdO. Il est donc devenu bien plus facile d'« entraîner » les machines.

L'IA et l'apprentissage machine en action

Avantages de l'apprentissage machine

Previous

Prise de décisions plus rapide

L'apprentissage machine peut automatiser et hiérarchiser les processus ordinaires de prise de décisions, vous permettant d'optimiser plus rapidement vos résultats. Par exemple, couplé à l'Internet des Objets, il vous aide à déterminer les problèmes à régler en premier dans votre usine.

Adaptabilité

Vos données étant constamment mises à jour, vos modèles d'apprentissage machine le seront aussi, ce qui est beaucoup plus rapide que le processus des humains qui les développent actuellement. Vous accélérerez ainsi l'acquisition de connaissances, et pourrez réagir rapidement aux évolutions du contexte économique.

Innovation et croissance

Une « entreprise algorithmique » utilise des algorithmes de pointe pour piloter l'automatisation de ses processus et améliorer la prise de décisions. Sauter le pas peut accélérer la collecte générale de connaissances et jeter les bases de modèles économiques, de produits et de services innovants.
Next
Previous

Insights uniques

L'une des utilisations les plus fascinantes de l'apprentissage machine consiste à identifier dans le Big Data des tendances répétitives, impossibles à repérer pour des humains, puis à déclencher des actions concrètes. Par exemple, cette technologie est capable de prédire les opportunités commerciales potentielles et de recommander les actions qui permettront de conclure des ventes.

Accélération des opérations

Grâce à des processus métier assistés par machine et des workflows complets plus rapides, vous optimisez vos opérations ainsi que vos offres de produits et de services. Autrement dit, vous produisez et vendez plus tout en abaissant les coûts de back-office et le coût total de possession.

Résultats améliorés

L'IA et l'apprentissage machine contribuent à éliminer les erreurs humaines, améliorent la qualité des résultats et renforcent la sécurité informatique - un impératif pour les sociétés de services financiers, notamment, qui doivent protéger des informations sensibles et respecter la réglementation.

Next

Cas d'utilisation de l'apprentissage machine

Les exemples les plus courants d'utilisation de l'apprentissage machine sont des applications grand public telles que les moteurs de recommandations et les terminaux intelligents. Cependant, cette technologie réserve des perspectives d'utilisation B2B (interentreprises) très prometteuses. Voici deux domaines essentiels dans lesquels nous estimons qu'elle s'illustrera tout particulièrement : 
Previous

Processus métier intelligents

L'apprentissage machine remplace les processus d'apprentissage traditionnels, fondés sur des règles, par des processus intelligents capables de déceler de nouvelles tendances dans de vastes ensembles de données non structurés, et de réaliser des prévisions stratégiques par leurs propres moyens. Il peut également se charger de tâches très répétitives telles que le contrôle des factures et des frais de déplacement.

Assistants numériques et bots

Les progrès accomplis en matière d'IA donnent à penser que les algorithmes auto-apprenants pourraient parvenir prochainement à leur propres conclusions et développer un comportement sensible au contexte. Les terminaux seront ainsi en mesure de planifier des réunions, de traduire des documents et de se charger d'autres tâches courantes dans l'entreprise.
Next

Apprentissage machine - Forum Aux Questions (FAQ)

Comment obtenir des résultats exacts à coup sûr ?

Les fausses alertes et les biais dans l'apprentissage machine sont à surveiller, mais les solutions sont relativement simples. Pour améliorer la fiabilité de l'apprentissage machine  :

  • Commencer par des ensembles de données propres et vérifier que les données entrantes sont correctement étiquetées et classées en catégories pour réduire le nombre de fausses alertes.
  • Examiner les biais potentiels inhérents à vos données. Si les données sont incorrectes au départ, le résultat le sera aussi. Poser des questions et créer des processus d'évaluation des algorithmes pour éviter ce problème.
  • Appliquer la méthode de formation des algorithmes qui correspond à votre objectif (par exemple, apprentissage supervisé pour anticiper le prix de vente d'une maison sur la base de variables connues).
  • Veiller à ce que la machine soit parfaitement entraînée pour optimiser les résultats de l'apprentissage.

Pour en savoir plus, lisez les articles de blogs How AI Can End Bias (Comment l'IA met fin aux biais) et Unmasking Unconscious Bias in Algorithms (Les biais inconscients démasqués dans les algorithmes).

Collapse
Comment faire confiance aux décisions prises par des machines ?

L'idée que des machines s'emparent de notre vie a donné lieu à d'excellents films, mais la réalité est beaucoup moins spectaculaire. Cela ne veut pas dire que nous devons croire aveuglément aux résultats d'un processus d'apprentissage machine. Voici comment maintenir l'IA sur les rails afin d'obtenir des résultats fiables : 

  • Procéder à une validation de principe, afin de faire confiance aux décisions prises.
  • Superviser les processus et les résultats, et procéder à des ajustements au besoin.
  • Ajuster les niveaux de confiance en appliquant des règles métier dans les algorithmes.
  • Intégrer des mécanismes de remontée d'informations dans votre processus d'entraînement.
Collapse
Comment pouvons-nous préparer nos données ?

L'accès à de vastes ensembles de données et l'apprentissage machine vont de pair. Le décloisonnement de l'information est donc une première étape essentielle :

  • Intégrer vos données d'entreprise (fournisseurs, partenaires, clients, etc.) pour que vos algorithmes accèdent librement à toutes les données pertinentes.
  • Impliquer votre responsable des données dans le processus d'apprentissage machine.
  • Envisager d'utiliser une plate-forme cloud permettant de traiter de gros volumes de données intégrées provenant de sources différentes.
Collapse
Quelle sera la place de l'apprentissage machine au travail ?
L'apprentissage machine est déjà présent dans tous les bureaux. Son rôle ? Aider les humains dans les tâches courantes. Les progrès de cette technologie ouvrent la voie à d'innombrables scénarios, opportunités et modèles économiques inédits qui offriront de nombreux avantages :
 
  • Emplois mieux payés faisant la part belle à la créativité, à la résolution des problèmes et au travail intellectuel
  • Automatisation des tâches ennuyeuses et répétitives pour rendre le travail plus intéressant (voire amusant !)
  • Tâches et priorités stratégiques systématiquement sous contrôle humain 
Collapse
Ai-je besoin de compétences spécialisées pour utiliser l'apprentissage machine ?

Auparavant, il était nécessaire de faire appel à des ressources spécialisées pour mettre en pratique l'apprentissage machine : les « quants », qui connaissent le langage et les méthodes, et les « traducteurs », capables de relier les données, l'apprentissage machine et la prise de décisions en vue de reformuler des résultats complexes sous forme de connaissances pratiques.

Ce n'est plus le cas. Aujourd'hui, des applications métier modernes prennent la place des scientifiques des données. Leur interface conviviale et leur technologie d'IA intégrée permettent aux utilisateurs professionnels de profiter des avantages de l'apprentissage machine sans devoir suivre une formation poussée. Le plus souvent, il suffit d'appuyer sur un ou deux boutons.

Collapse
Quid du retour sur investissement ?
Même si l'apprentissage machine en est encore à ses balbutiements dans les applications B2B, les entreprises l'utilisent déjà pour automatiser les transactions, détecter les fraudes, faire avancer la recherche médicale, mais également pour économiser du temps et de l'argent. En outre, lorsque l'IA est intégrée aux plates-formes et aux applications cloud, il n'est pas nécessaire de disposer d'une coûteuse solution sur mesure pour être opérationnel.
Collapse

Découvrez nos applications et notre technologie d'apprentissage machine

Previous
SAP intervient dans plus de 70 % des transactions commerciales mondiales. Nous souhaitons y insuffler encore plus d'intelligence. Notre but est d'intégrer l'apprentissage machine dans tous nos logiciels, dans tous les métiers et tous les secteurs d'activité où nous sommes présents. Dans cette optique, nous utilisons une intelligence artificielle intégrée à notre plate-forme et à nos applications cloud. Elle facilitera le pilotage de votre entreprise au moyen d'algorithmes offrant une visibilité sans précédent, des prévisions plus précises et des tâches de routines automatisées, afin que vos collaborateurs se concentrent sur des tâches à forte valeur ajoutée.
 
Découvrez ce que l'avenir vous réserve avec notre première vague d'applications, d'outils et de services d'apprentissage machine développés en collaboration avec des clients de divers secteurs d'activité.
Pour SAP, l'apprentissage machine a vocation à résoudre des problèmes réels, qui ont des répercussions immenses sur les entreprises. Juergen Mueller, Chief Innovation Officer
Next
Previous

Gestion financière : automatiser les paiements

Le rapprochement manuel des paiements et des factures est une opération comptable laborieuse. L'application SAP Cash utilise l'apprentissage machine pour accélérer considérablement les concordances automatiques. 

Recrutement : trouver le bon candidat

Épargnez-vous l'analyse de milliers de candidatures grâce à SAP Resume Matching, qui identifie automatiquement les meilleurs candidats à partir d'une description de poste donnée.

Marketing : reconnaissance des logos et des marques

Évaluez mieux le retour sur investissement de vos efforts marketing au cours des événements sponsorisés par l'entreprise grâce à une application de veille spécialisée dans les marques, capable de reconnaître des logos dans les images et les vidéos.

Next
Previous

Service client : anticiper les besoins

Collectez les avis des clients, analysez-les et répondez dans un temps record. Repérez et groupez efficacement les messages des réseaux sociaux, les e-mails entrants, etc., et déterminez automatiquement classifications, acheminement et réponses.

Ventes et marketing : fidéliser et retenir les clients 

Bénéficiez d'insights instantanés sur les comportements d'achat de vos clients grâce à l'apprentissage machine. Vous pourrez ainsi explorer, prédire et détecter les signes avant-coureurs de l'attrition de la clientèle, et prendre les mesures adaptées.

Next

Bien démarrer avec l'apprentissage machine


Previous

Déterminez s'il s'agit d'un bon choix

L'apprentissage machine est idéal dans les scénarios comportant des règles complexes et des inconnues. Il permet de réaliser des prédictions sur la base de données nouvelles plutôt qu'historiques, et d'automatiser les tâches très répétitives. Toutefois, si vous savez exactement dans quelles conditions votre système doit exécuter chaque instruction, une programmation reposant sur des règles suffit.

Suivez une formation intensive

Vous ne savez pas très bien comment appliquer l'apprentissage machine dans votre entreprise ? Notre cours gratuit openSAP vous guidera à travers les différentes étapes, de l'identification des problèmes à la préparation des données dans des environnements complexes. Il vous fera également découvrir des cas d'utilisation et des prototypes, des composantes pour construire des produits d'IA, etc.

Apprenez auprès d'experts

Adoptez l'IA en un temps record. Grâce à ses compétences de conseil en gestion associées à un véritable savoir-faire informatique, notre groupe Business Transformation Services vous permettra d'être opérationnel plus rapidement. Alignez votre personnel, vos processus et votre technologie. Appliquez des méthodologies et des services reconnus pour déployer rapidement les technologies numériques et d'apprentissage machines les plus récentes. 

Next
Back to top