Ce qu’est le machine learning et quand l’appliquer
Le machine learning (apprentissage automatique) est la discipline de l’intelligence artificielle qui permet aux systèmes d’apprendre des schémas à partir de données historiques, puis d’utiliser cet apprentissage pour prendre des décisions ou faire des prédictions sur de nouvelles données. Contrairement à la programmation classique, où le développeur code explicitement les règles, le système déduit les règles à partir des exemples.
Les conséquences pratiques pour les entreprises sont importantes : le machine learning est puissant lorsqu’un problème est récurrent, que l’on dispose de suffisamment de données historiques à son sujet et que les règles sont trop complexes ou trop changeantes pour être codées à la main. Ce n’est pas l’outil adapté à tous les problèmes, et une partie du travail de mise en œuvre consiste à identifier quand le machine learning apporte une valeur réelle et quand une solution plus simple est plus efficace.
Les types de machine learning et leurs applications en entreprise
Apprentissage supervisé : le modèle apprend à partir d’exemples étiquetés — des données historiques dont on connaît le bon résultat. C’est le type le plus courant dans les applications d’entreprise :
- Classification : ce client va-t-il résilier ? Cette transaction est-elle frauduleuse ? Ce composant va-t-il tomber en panne ?
- Régression : combien d’unités seront vendues le mois prochain ? Quel est le prix optimal pour ce produit ?
Apprentissage non supervisé : le modèle repère une structure dans des données sans étiquettes préalables. Utile pour la segmentation de la clientèle, la détection d’anomalies et la compression de données.
Apprentissage par renforcement : le modèle apprend par essais et erreurs dans un environnement simulé. Il s’applique à l’optimisation de processus complexes, mais reste moins fréquent dans les ETI.
Le cycle de vie d’un modèle de machine learning
Un projet de machine learning ne s’arrête pas lorsque le modèle affiche de bonnes métriques dans l’environnement de développement. Le cycle complet comprend des phases que beaucoup de projets sous-estiment :
Définition du problème : traduire le problème métier en un problème de machine learning bien posé. Que prédit-on exactement ? Quelle est la variable cible ? Quelle période est pertinente ? Cette phase est critique et exige une collaboration étroite entre l’équipe technique et les métiers.
Préparation des données : collecte, intégration, nettoyage et transformation des données nécessaires. Dans les projets réels, cette phase absorbe l’essentiel du temps.
Choix et entraînement du modèle : expérimentation de différents algorithmes et configurations, validation croisée pour estimer les performances réelles, réglage des hyperparamètres.
Évaluation : mesure des performances avec des métriques pertinentes pour l’activité, et pas seulement des métriques techniques. Un modèle précis à 95 % peut être inutile si les 5 % d’erreurs correspondent justement aux cas les plus coûteux.
Mise en production : intégration du modèle dans les systèmes et processus opérationnels de l’entreprise : API, traitements par lots, intégration aux ERP ou aux CRM.
Supervision continue : les données du monde réel évoluent. Un modèle entraîné il y a deux ans peut avoir perdu en précision parce que les schémas appris ne sont plus valables. Le suivi des performances en production est indispensable.
Quand choisir le machine learning, et quand s’en passer
Le machine learning n’est pas toujours la réponse. Pour les entreprises qui se demandent s’il convient à leur problème, les questions clés sont les suivantes : disposons-nous de suffisamment de données historiques (en général, au moins plusieurs milliers d’exemples) ? Le problème est-il trop complexe pour des règles manuelles ? La valeur créée par un gain de précision justifie-t-elle le coût de développement et de maintenance ?
Si la réponse à l’une de ces questions est non, un système de règles bien conçu, une analyse statistique classique ou une solution d’analyse standard peut se révéler plus adapté et moins coûteux.
Questions fréquentes
De combien de données avons-nous besoin pour entraîner un modèle de machine learning ?
Cela dépend du type de problème et de la complexité du modèle. À titre indicatif, des modèles simples de classification binaire peuvent donner des résultats acceptables avec quelques milliers d’exemples. Les problèmes plus complexes en exigent des dizaines ou des centaines de milliers. Pour des problèmes très spécifiques à un secteur, les techniques de transfer learning permettent de tirer parti de modèles pré-entraînés sur de grands volumes de données générales, en les adaptant avec des données propres plus limitées.
Peut-on utiliser des modèles de machine learning sans données propres ?
Il est possible de démarrer avec des modèles pré-entraînés ou sectoriels, ajustés ensuite avec un volume limité de données propres. Les meilleurs résultats s’obtiennent toutefois toujours avec des modèles entraînés sur les données spécifiques de l’activité, car ils captent les particularités de chaque entreprise et de chaque marché.
Que se passe-t-il lorsque le modèle commence à donner de moins bons résultats en production ?
C’est le phénomène dit de model drift ou de data drift (dérive du modèle ou des données). Les performances d’un modèle en production doivent être surveillées de façon systématique. Lorsqu’une dégradation est détectée, les options sont le réentraînement avec des données plus récentes, la révision des variables d’entrée ou, en cas de changement structurel de l’activité, la refonte du modèle à partir des hypothèses de départ.