Il n’y a pas si longtemps, communiquer avec ses proches en temps réel par SMS ou accéder aux informations de son compte bancaire à partir d’un appareil mobile semblaient inenvisageables. Aujourd’hui, grâce en grande partie au cloud, ces actions sont si courantes que l’on pense à peine aux processus incroyables qui les rendent possibles. Et alors que nous entrons dans l’âge d’or du Machine Learning (ML), nous pouvons nous attendre à une explosion comparable d’avantages que nous pensions auparavant impossible.

Cette technologie a atteint un certain niveau de maturité et l’industrie dispose de toutes les clés pour qu’elle soit largement utilisée dans un futur proche. Le Machine Learning aide déjà les entreprises à prendre de meilleures décisions plus rapidement. Dans le domaine de la santé, l’utilisation de modèles prédictifs créés avec le ML accélère la recherche et la découverte de nouveaux médicaments et traitements. Dans d’autres secteurs, cette technologie aide les villages reculés d’Afrique du Sud-Est à accéder à des services financiers et permet de trouver des logements aux personnes sans domicile fixe.

Cette technologie a le potentiel d’avoir un impact encore plus grand sur notre société et à l’avenir, pratiquement toutes les applications, les processus métier et les expériences de l’utilisateur final intégreront du Machine Learning.

Démocratiser le Machine Learning

La seule façon de faire réellement évoluer le ML, c’est que toute l’industrie offre à chacun la possibilité d’intégrer cette technologie sophistiquée dans les applications et les processus métier – et ce, quel que soit son niveau de compétence ou ses ressources.

Pour y parvenir, les entreprises doivent tirer parti des outils intelligents directement dans des applications qui bénéficieront à l’ensemble de l’organisation. Prenons l’exemple de Clévy, une start-up française qui a développé un chatbot d’information public et anonyme sur la Covid-19 appelé « CovidBot », basé sur les recommandations officielles des autorités sanitaires. Grâce à l’intelligence artificielle, CovidBot répond aux questions des citoyens sur les bonnes pratiques à avoir pendant le confinement, et ensuite au moment du déconfinement. Une cinquantaine de communes française ont pu installer gratuitement le chatbot sur leurs sites internet pour répondre aux questions du public sur l’autodiagnostic, les gestes de barrière, les masques et autres protections, ainsi que sur toutes mesures prises par les autorités. Le chatbot a ainsi traité 2 millions de messages et effectué 20 000 diagnostics.

En intégrant l’intelligence artificielle dans la personnalisation, le traitement des documents, la recherche d’information en entreprise, les centres de contacts et d’appels, la chaîne d’approvisionnement ou la détection des fraudes, tous les travailleurs peuvent bénéficier du Machine Learning facilement.

A mesure que les processus passent de manuels à automatiques, les employés sont libres d’innover et d’inventer, tandis que les entreprises ont la capacité d’être proactives et non plus seulement réactives. Cette technologie devenant plus intuitive et accessible, elle peut être appliquée pour résoudre quasiment tous les problèmes auxquels nous sommes confrontés – des défis les plus difficiles rencontrés par les services informatiques aux problèmes environnementaux les plus importants de notre planète.

Améliorer les compétences des employés

Selon le World Economic Forum, la croissance de l’IA pourrait créer 58 millions de nouveaux emplois dans les prochaines années. Cependant, des études suggèrent qu’il n’y a actuellement que 300 000 ingénieurs en IA dans le monde. Et l’écart continue de croître avec trois fois plus d’offres d’emploi liées à l’IA que les recherches d’emploi dans cette spécialité. Les entreprises doivent donc reconnaître qu’elles ne pourront tout simplement pas embaucher tous les data scientists dont elles ont besoin alors même qu’elles continuent à implémenter le Machine Learning dans leurs activités. Par ailleurs, ce rythme d’innovation ouvrira des portes et créera à terme des emplois que nous ne pouvons même pas imaginer aujourd’hui.

En France, AWS s’est engagé, en partenariat avec l’incubateur de politiques publiques de Sciences Po, à accompagner les étudiants dans l’utilisation de ces technologies afin de les aider à mettre en œuvre des projets qui visent à résoudre les préoccupations des citoyens, des administrations et des entreprises, et ce au travers de prototypes novateurs, opérationnels et tournés vers les usagers. Nous nous sommes par ailleurs engagés à relever le défi « Objectif IA » mené par l’Institut Montaigne (think tank indépendant) et l’un de nos clients, OpenClassrooms (leader français de la formation en ligne) en partenariat avec la Fondation Abeona – une association qui défend l’équité dans la science des données. Il a pour ambition de former au moins 500 000 personnes aux fondamentaux de l’IA (définition, applications concrètes, regard critique, etc.). Adressé au grand public, ce programme de formation en français est accessible à tous gratuitement sur le site d’OpenClassrooms, sans aucun prérequis.

Il est essentiel que les entreprises orientent leurs efforts sur la formation de leurs employés pour que ces derniers développent des compétences en ML ; mais il faut qu’elles investissent également dans des programmes de formation de ces compétences importantes pour les employés de demain.

Instaurer la confiance dans les technologies de Machine Learning

Comme avec tout ce qui est nouveau, les gens sont souvent partagés entre enthousiasme et inquiétude. L’information et la transparence sont clés pour générer la confiance dans cette nouvelle donne qu’est le Machine Learning.

Dans un premier temps, les leaders du secteur doivent aider les entreprises et les communautés à en apprendre davantage sur le Machine Learning, son fonctionnement, ses domaines d’application et les moyens de l’utiliser de manière responsable. Ensuite, pour avoir confiance dans les produits de Machine Learning et limiter les biais, ces derniers doivent être développés par des groupes de personnes de sexe, de race, d’âge, d’origine, d’orientation sexuelle, de situations de handicap, de culture et d’éducation variés, qui apporteront des expériences, des idées et des points de vue différents. Enfin, ces services doivent être rigoureusement testés, en mesurant leur précision basée sur des références tierces. Ces critères établis par les universités et les gouvernements, et appliqués à tout service basé sur le Machine Learning, permettront de créer un barème de résultats fiables, et de contextualiser les résultats pour les cas d’utilisation.

Par ailleurs, en tant que Société, nous devons convenir d’une régulation et des paramètres à mettre en place pour déterminer comment et quand le Machine Learning peut être utilisé. L’utilisation de toute nouvelle technologie implique la nécessité de trouver un équilibre dans la protection des droits civils tout en permettant une innovation continue et une application pratique de cette technologie.

Chaque organisation travaillant avec du Machine Learning doit impliquer les clients, les chercheurs, les universitaires et d’autres acteurs pour déterminer au mieux les avantages de sa technologie et ses risques potentiels. Par ailleurs, il est crucial que les entreprises aient des conversations actives avec les législateurs, qu’elles soutiennent la législation et qu’elles créent leurs propres lignes directrices pour une utilisation responsable de la technologie de Machine Learning. La transparence, un dialogue ouvert et une évaluation constante doivent toujours être prioritaires si nous voulons garantir que le ML soit appliqué de manière appropriée et continuellement amélioré.

Les promesses du Machine Learning pour les prochaines années

Nous avons déjà accompli tant de choses grâce au Machine Learning, et pourtant, nous n’en sommes toujours qu’au premier jour ! Si nous utilisons cette technologie pour aider les orangs-outans en voie de disparition, imaginez comment elle pourrait aider à sauver et à préserver nos océans et notre vie marine. Si nous utilisons le ML pour créer des clichés numériques des forêts de la planète en temps réel, imaginez comment nous pourrions nous en servir pour prédire et prévenir les incendies de forêt. Si le Machine Learning peut aider à connecter les petits agriculteurs aux personnes et aux ressources dont ils ont besoin pour réaliser leur potentiel économique, imaginez comment le ML pourrait contribuer à mettre fin à la faim dans le monde.

Pour faire de ces hypothèses une réalité, nous tous, en tant qu’industrie, avons beaucoup de travail devant nous. Je suis incroyablement optimiste et convaincu que le Machine Learning nous aidera à résoudre certains des défis les plus difficiles au monde, et à créer des expériences utilisateurs incroyables dont nous n’aurions même jamais rêvé. Et rapidement, l’utilisation du Machine Learning nous sera aussi familière que celle de nos téléphones.