Gartner donne encore un 2-5 ans avant que le Deep Learning/ Machine Learning ne soit mainstream… Cela le laisse que peu de temps avant que vos compétiteurs ne prennent la relève avec assez de données 😉
Personnellement, je vois des avantages considérables à investir du temps, au moins au sujet. Si la plupart des outils que nous avons à portée de main s’en alimentent, il est pertinent pour l’analyste d’affaires d’avoir une petite idée de « qu’est-ce que ça mange en hiver du ML. »
Lorsqu’on a assez de données (c’est-à-dire, vraiment beaucoup). Les algorithmes sont en mesures de prédirent que mon visage est le mien à l’aéroport, que la prochaine publicité à te montrer est celle pour le nouveau rasoir de Gillette, que tu es à risque de problèmes de cœur, que la prochaine image Instagram que tu vas aimer sera celle de tel ou telle influenceur.e.
Aussi, le ML est capable de copier un visage ou une voix, lorsqu’il a assez d’intrants. Je vous recommande de jeter un oeil aux vidéos DeepFake de Tom Cruise et d’écouter le « Deep Audio » de Gordon Ramsay. C’est ahurissant. Cela est possible, car il existe beaucoup d’archives de leur visage, de leur voix. Ceci dit, cela prend de moins en moins de données pour que la machine apprenne convenablement.
Si ont tasse les enjeux éthiques du Deep Learning pour le moment, et qu’on se concentre sur les avantages corporatifs… Le ML peut participer à répondre à des besoins d’affaires importants comme:
-aider à la détection de la fraude en amont;
-supporter la tarification d’assurés;
-suggérer aux services à la clientèle les meilleures « phrases » pour rassurer un client;
-l’acquisition de procédures cléricales (process mining);
-traduire des documents, des conversations en temps réels;
-la liste peut s’éterniser…
Au cours de la semaine, je me suis tourné vers vous pour avoir votre (input) sur l’utilisation de la machine apprenante dans vos projets. Bon, je n’ai pas atteint le seuil scientifique de 21 répondants… mais allons-y quand même avec la conclusion que le machine learning (ML) est très peu utilisée dans les institutions financières à Québec, du moins pas dans mon réseau.
On jase. Pourquoi c’est impopulaire?
-Méconnaissance du sujet?
-Difficulté à appliquer avec les technos Mainframe?
-« on a jamais fait ça comme ça »?
-Ça fait peur?
J’aimerais vous entendre(lire)!