Le Machine Learning grignote le logiciel

Il y a 5 ans, Marc Andreessen, célèbre entrepreneur de la Silicon Valley affirmait dans les colonnes du Wall Street Journal que  « le logiciel grignotait le monde ». Personne ne voulait plus entendre parler de hardware – le logiciel était devenu la perle et surtout était bien plus profitable. Aujourd’hui, nous pourrions dire la même chose du Machine Learning face au logiciel.

Si certes le logiciel est au cœur des projets technologiques, un sous-segment connait actuellement une progression soudaine : le Machine Learning. Si le logiciel n’a d’ailleurs pas sa brique ML, inutile d’aller le présenter lors de conférence High Tech. Et cela est doublement vrai dans le monde de l’entreprise : l’intégration de mécanismes utilisant les machines pour affiner les campagnes marketing, créer de nouveaux produits ou encore assurer la maintenance des systèmes constituent un vrai élément différenciant. Comme une sélection naturelle, qui positionne les gagnants d’un côté, les perdants de l’autre.

Dans le grand public, il s’agit certes de gadgets. Ce qui au final pourrait être considéré comme un retour du hardware, mais ce ne serait pas prendre en compte que le vrai moteur est logiciel. Amazon Echo, ou Google Home ont été placés dans la lumière grâce à leurs modèles de Machine Learning. Ces algorithmes parsent les requêtes passées à la voix par les utilisateurs, se souviennent des préférences et s’améliorent en apprenant des i interactions avec les humains.

Puis, on retrouve évidemment Facebook ou encore Google, des cadres du logiciel, qui s’appuient sur le ML pour personnaliser leurs offres.

Du côté des entreprises, ce caractère différenciant du Machine Learning est d’autant plus visible.  Le mois dernier, Tableau Software a annoncé son intention d’intégrer plusieurs fonctions dans son outil de visualisation de données qui exploiteraient les capacités de Machine Learning. On ne peut pas ignorer également la volonté de Salesforce de se positionner sur ce créneau avec Einstein. Il s’agit d’un ensemble de fonctions d’Intelligence Artificielle capables d’apprendre ce qui est important pour un utilisateur et facilite la découverte de données pertinentes.

Mais, symbole que le ML grignote lui aussi le logiciel, la guerre des plateformes que se livrent les ténors de l’IT, chacun cherchant à devenir l’environnement de développement de facto pour l’Intelligence Artificielle et le Machine Learning.

Lors de la conférence AWS Re :Invent 2016, par exemple,  AWS a décidé d’ouvrir le moteur d’Alexa et de donner accès à ses puissant modèles de ML ainsi qu’à des outils d’IA. Une façon aussi de se rapprocher d’IBM et de Watson, dont les services sont exposés, de façon granulaire, dans Bluemix. Google, Microsoft, Facebook et Apple creusent aussi le sujet.

Chez IBM, la CEO Gini Rometty souhaite faire de Watson « la plateforme pour le busines » ; ce qu’elle a confirmé à l’occasion de la conférence World of Watson. IBM tire encore ses revenus de technologies plus traditionnelles, comme le Cloud, mais  appuie sa réputation sur les capacités de ML de Watson.

Celui qui sortira victorieux de cette guerre des plateformes sera celui qui redéfinira les prochaines décennies de l’IT, comme Microsoft l’a fait avec Windows dans les années 90.  Ce que l’année 2017 devrait nous dire.

En attendant, la tendance s’affirme. Ce mois-ci, par exemple, Uber s’est payé Geometric Intelligence, une société spécialisée dans l’IA pour monter de toutes pièces une division spécifique, les AI Labs. Cette entité travaillera à implémenter les mécanismes d’IA et de ML dans les outils Uber pour améliorer le routage des courses, les commandes ainsi que les voitures sans chauffeur – pour ne citer que certains chantiers.

Ce n’est donc pas une coincidence si en tant qu’éditeur n’ayant pas, à l’origine, d’atomes crochus avec le Machine Learning , l’on décide d’injecter du ML au cœur de ses opérations. Il s’agit du nouveau standard.

Traduit et adapté par la rédaction