Ne commettez pas cette erreur courante du Machine Learning : recherche vs application.

À l’heure d’aujourd’hui nombreuses sont les entreprises à se lancer dans l’apprentissage par Machine Learning. C’est certainement une excellente direction à suivre, car cela leur permet d’acquérir et de stocker une valeur considérable de savoir et de compétences, de manière rapide et facile. La demande pour monter en compétences en machine learning est plus que jamais à son niveau le plus haut au sein des entreprises. Dans un article complet et récent, nous apprenons que l’IA va bouleverser de façon profonde l’organisation des industries et leur développement, nous en sommes maintenant certain.

Ces derniers temps, au détour d’un couloir de bureau, on peut souvent entendre :

Nous avons besoin d’une équipe de recherche en machine learning ! Nous allons rassembler les meilleurs scientifiques, avec beaucoup de publications et nous leur verserons beaucoup d’argent afin que nous puissions acquérir rapidement du machine learning au sein de notre entreprise !

Pourtant, en tant qu’entreprise, avez-vous vraiment besoin d’une équipe de recherche en machine learning ? Votre entreprise sera-t-elle en mesure de l’utiliser efficacement en comparaison du prix élevé que cela va vous coûter ? Plus simplement avez-vous réellement besoin de Machine Learning? Est-ce vraiment compliqué de trouver, d’exploiter, de digérer et de stocker de l’information et à plus long terme du savoir?
Si vous êtes un technicien, allez-vous apprendre à faire de la recherche sur machine learning ?

Pour vraiment répondre à cette question, nous devons différencier les deux types de méthodes que nous pouvons réellement utiliser avec le machine learning : la recherche et l’application.

Machine learning pour la recherche

La recherche via le machine learning est vraiment une question de recherche scientifique. Un chercheur en machine learning tente de repousser les limites de la science, en particulier dans le domaine de l’intelligence artificielle. Ces personnes ont généralement une maîtrise ou un doctorat et ont à leur actif de nombreuses publications dans les meilleurs conférences, revues et articles scientifique du monde. Actuellement, ils jouissent d’une popularité grandissante dans l’univers de la recherche, car il apporte un outil réellement innovant pour le secteur académique et le progrès scientifique.

Le chercheur en machine learning est en partie là pour répondre, avec précisions, à certaines de vos difficultés : habitué à trouver des solutions scientifiques personnalisées sur des problèmes spécifiques. Si vous leur déclarez “Nous sommes bons pour détecter automatiquement les intrus humains en utilisant la reconnaissance faciale avec une précision de 95%. Pourriez-vous nous amener à 97%?”. Le chercheur de machine learning est alors votre partenaire idéal!

Pourtant, il y a bien un “mais”. Ce chercheur n’a probablement jamais conçu, exploité, de logiciel en production ! Les chercheur ne sont (majoritairement) pas des experts dans la fourniture de logiciels en tant que service (SaaS) ou en tant que produit pour vos clients et pour vous même, traduisant ainsi le fossé entre recherche et pratique. Ils ne sauront pas correctement marketer, produire et délivrer le service/produit de vos attentes… Pourquoi ? Parce qu’aujourd’hui il y a un monde entre la recherche, le monde universitaire (principalement en France) et le monde professionnel, celui de l’entreprise.

Machine Learning dans l’application

L’application en machine learning concerne cette fois-ci le versant de l’ingénierie. Un ingénieur en machine learning sait comment aborder les dernières recherches en matière de machine learning et les traduire en quelque chose de concrètement exploitable, et donc leur donner une valeur applicable au monde de l’enteprise. Leur recherche est fortement axé sur une finalité produit et/ou service. Ces ingénieurs sont très performants avec les services de cloud computing tels que l’AWS d’Amazon ou la GCP de Google.

Malheureusement, les entreprises qui cherchent à intégrer le machine learning dans leurs produits ou services négligent souvent les personnes possédant ces compétences. L’ingénieur en machine learning possède une vaste expérience dans le déploiement de produits de pointe et une connaissance suffisante du machine learning pour l’utiliser. Généralement, il a eu un bref parcours dans la recherche au cours de ces études. Cependant, il n’a pas derrière lui les 10 ans de recherche d’un doctorat, avec ses 1000 citations et 4 000 références bibliographiques dans la besace, que le chercheur, lui possédera. Mais, et cela, qui importe, vous aurez besoin d’un ingénieur si vous désirez livrer votre produit piloté par machine learning à vos clients.

Comment utiliser le Machine Learning dans votre business

Ainsi, la question que vous allez devoir vous poser sur le bon choix de l’utilisation de Machine Learning, dans votre entreprise, va dépendre du produit ou du service que vous voulait fournir. Est-ce que la chose que vous souhaitez construire est unique et demande un développement ultra spécialisé, allant au-delà de l’état actuel de l’art en IA, ou est-ce que que vous vous situer davantage dans la continuité de ce qui a commencé à se mettre en place ? C’est à niveau là que des chercheurs en machine learning pourront vous aider : à définir votre besoin et sur quel chemin vous mettre en route.

Mais, dans la plupart des entreprises, vous n’en aurez pas besoin. Une grande partie de la science actuelle en machine learning est déjà suffisante pour le développement de nombreuses applications. En fait, ce n’est pas si compliqué. Vous n’avez pas besoin de quelqu’un pour réinventer la roue, vous avez besoin de quelqu’un qui sait utiliser la roue pour améliorer votre voiture : un ingénieur donc!

Au final, le machine learning est un outil, comme les autres. Les chercheurs créent les nouveaux outils, les ingénieurs déterminent comment les utiliser au mieux. À travers tout ce qui peut se dire n’oublions pas que le machine learning a pour but principal de fournir de la valeur à celui qui l’utilise. Il nous faut bien le garder en tête, avant de s’embarquer dans l’aventure!

📰 L’article à lire si vous n’y connaissez rien en machine learning: ici