12
Mar

L’apprentissage machine au service de l’intelligence d’affaires

Les dernières années ont été marquées par l’évolution de l’intelligence d’affaires (business intelligence), profitant de techniques toujours plus sophistiquées et menant à des prises de décisions optimales. L’apprentissage machine (machine learning) est une technique appelée à avoir un impact de plus en plus majeur sur l’intelligence d’affaires. Dans ce blogue, nous allons discuter de l’évolution de l’apprentissage machine depuis l’intelligence artificielle (artificial intelligence) pour servir l’intelligence d’affaires.

De l’intelligence à l’intelligence artificielle

La notion d’intelligence peut être définie comme l’habilité de prendre la bonne décision dans la vie courante. Cette prise de décision est basée sur la connaissance dans sa forme opérationnelle, c’est-à-dire l’utilisation et l’interprétation des informations disponibles.

De l’intelligence artificielle (AI) à l’apprentissage machine (ML)

Les ordinateurs possèdent une certaine intelligence grâce aux programmes créés par les humains et intégrés dans leurs « cerveaux ». Cela dit, jusqu’à présent, il leur reste encore à maîtriser plusieurs tâches dont l’humain est capable. Certaines de ces tâches définissent l’intelligence artificielle et comprennent d’autres perceptions et modes de contrôle. Durant la dernière décennie, les chercheurs ont développé certains programmes qui visent à intégrer une forme d’intelligence similaire à celle de l’humain en utilisant une grande base de données et basée sur l’apprentissage par des exemples, exactement comme chez l’enfant.
L’apprentissage machine fait partie de ce processus. Il est défini comme l’outil opérationnel pour entraîner les ordinateurs à acquérir une certaine intelligence. Pour ce faire, les chercheurs modélisent un processus pour l’opérationnaliser et ensuite le programmer dans le but qu’il soit prêt à être exécuté à la demande. Afin que ces machines puissent exprimer un comportement complexe proche de celui de l’humain — ou au moins à celui de l’animal — il faut y intégrer une infinité de fonctions mathématiques, en particulier non linéaires en ce qui a trait aux entrées sensorielles brutes dans les domaines d’intérêt. Il existe plusieurs types d’apprentissages machine (ML) :

La feuille de route de l’apprentissage machine (ML) peut être schématisée de la façon suivante :

Comment ces techniques sont-elles utiles en intelligence d’affaires (BI) ?

Toujours plus populaire, l’intelligence d’affaires se base en grande partie sur les données et sur l’information. Cependant, la partie traitement et analyse de données massives (big data) prend également une part de plus en plus prépondérante dans ce domaine.
Certaines entreprises dans les domaines de l’assurance, des télécommunications et du commerce au détail utilisent ou envisagent de se doter d’une stratégie visant à faire de l’analyse prédictive précise afin d’adapter leur discours ou leurs offres et tactiques envers leurs clients. Dans ce contexte, l’apprentissage machine est une excellente alternative pour remplacer les techniques classiques de prévision et d’estimation. De plus, cette technique est dynamique et peut constamment évoluer et ainsi s’adapter à de nouvelles réalités en ce qui a trait aux données et aux règles d’affaires.

L’apprentissage machine, qui découle de l’intelligence artificielle, représente la clé de l’analytique en vue de construire des modèles prédictifs dynamiques générant des prévisions de plus en plus précises. Cette technique est un outil central de l’intelligence d’affaires. Les derniers développements tels que les réseaux de neurones et l’apprentissage approfondi (deep learning) sont de plus en plus présents en intelligence d’affaires.

Partager ce contenu

Facebooktwitterlinkedinmail