Pourquoi l’apprentissage automatique (Machine Learning) ?
Avec la démocratisation des algorithmes d’apprentissage machine et la disponibilité des données nécessaires à leur bon fonctionnement, force est de constater l’utilisation croissante de cette technologie dans différents domaines :
Marketing et commerce
Il existe de nombreux cas d’usage d’apprentissage machine en marketing tel que l’utilisation des algorithmes d’apprentissage machine dans l’identification automatique du contenu visuel (images et vidéos) afin d’en apprendre davantage sur les intérêts des utilisateurs, leurs activités et les marques auxquelles ils sont exposés.
Un autre cas d’usage très populaire des marqueteurs en ligne concerne l’analyse des données de navigation des internautes afin de les associer à des groupes de consommateurs et de prédire leurs prochains achats.
Sécurité et cybersécurité
L’apprentissage machine est parmi les technologies les plus utilisées en matière de sécurité informatique. La majorité des logiciels antivirus l’utilisent déjà pour apprendre à reconnaître les activités irrégulières et les anomalies aussi bien au niveau des systèmes de cybersécurité personnels qu’au niveau organisationnel.
La sphère physique a aussi fréquemment recours à l’apprentissage machine pour la reconnaissance faciale ou l’identification d’objets suspects dans les espaces publics comme les aéroports ou les salles de spectacles.
Finance et investissement
Le monde de la finance a développé une expertise de pointe en matière d’apprentissage machine. De plus en plus de firmes de placement et d’investissement offrent à leurs clients des robots-conseillers (p. ex. l’application Wealthsimple) leur permettant d’automatiser et de personnaliser leurs placements. De plus, les investisseurs boursiers et les gestionnaires de fonds de couverture (hedge funds) utilisent les technologies d’apprentissage machine pour analyser la masse journalière de données financières afin d’en extraire des signaux révélateurs.
Banque et institutions financières
Les institutions financières ont recours aux technologies d’apprentissage machine à des fins différentes : la personnalisation de leur offre client, l’évaluation du risque et la lutte contre la fraude. De plus en plus d’institutions financières offrent des préautorisations automatisées basées sur des algorithmes d’apprentissage machine. Il en va de même quant à l’octroi automatisé (souvent en ligne) des cartes de crédit; les algorithmes d’apprentissage machine évaluent la probabilité d’insolvabilité d’après les paramètres fournis par l’utilisateur. Citons aussi la détection de fraudes liées à l’utilisation des cartes de crédit – les algorithmes analysent les tendances d’achats des individus et apprennent à distinguer l’utilisation qu’ils font de leurs cartes de crédit versus une utilisation qui semble être frauduleuse.
Assurances
La popularité de l’apprentissage machine ne cesse de croître auprès des compagnies d’assurances. Les cas d’usage sont nombreux et variés. Citons entre autres l’automatisation des réclamations. De plus en plus de compagnies d’assurances proposent la collecte et l’analyse visuelle des dégâts via des applications mobiles. Les assureurs se servent aussi de cette technologie pour évaluer automatiquement la probabilité de fraude liée aux réclamations d’après des données vocales et textuelles.
Industrie manufacturière
L’apprentissage machine trouve aussi sa place en maintenance préventive. En effet, de plus en plus de manufacturiers utilisent des données historiques (p. ex. des données de capteurs, des logs de production, etc.) pour déceler les signes avant-coureurs d’une éventuelle panne de la machinerie.
En assurance qualité, cette technologie permet de reconnaître et de signaler automatiquement les défauts de fabrication relevés à même les chaînes de production.
Logistique et approvisionnement
L’apprentissage machine est un levier pour les chaînes d’approvisionnement et pour la logistique. Il est souvent utilisé dans l’analyse des chaînes logistiques existantes afin d’y recommander des optimisations. Un des cas les plus populaires serait l’analyse prédictive des stocks. Comme les données liées aux stockages sont souvent cycliques et saisonnières, les algorithmes d’apprentissage machine utilisent les données historiques des ventes pour prédire la demande et ajuster les stocks en conséquence.
Agriculture
L’apprentissage machine est une technologie qui a démontré son efficacité dans le monde agricole à travers plusieurs cas d’usage. À titre d’exemple, de plus en plus d’agriculteurs font appel à l’imagerie aérienne et multispectrale pour identifier et localiser les infestations agricoles. L’apprentissage machine permet le balayage automatique de ces images et la reconnaissance de ces anomalies.
Médecine
L’apprentissage machine tend à automatiser de plus en plus l’identification des pathologies à partir des supports visuels. La démocratisation de ces cas d’usage dépend particulièrement des organismes de réglementation (Santé Canada, FDA aux États-Unis, etc.).
Pharmaceutique
Il existe plusieurs cas d’usage en apprentissage machine dans le domaine pharmaceutique. En effet, ces mêmes algorithmes sont souvent utilisés dans l’analyse des données moléculaires et dans la découverte des nouvelles composantes chimiques et d’usage pharmaceutique.