Machine Learning : vers une nouvelle génération d’algorithmes plus réactifs (Franck Cohen, Workday)

« L’âge d’or de l’intelligence artificielle est sur le point de commencer »

LeMagIT : Question beaucoup plus large. Vous connaissez très bien le tissu économique de beaucoup de zones géographiques et d’énormément de secteurs. Quelle est votre analyse globale ? Comment voyez-vous l’économie mondiale aujourd’hui et – tout étant lié – l’avenir à moyen terme du secteur IT en général ?

Franck Cohen : Si je commence par l’économie en général… disons que je suis assez pessimiste.

Je pense que l’on n’a pas encore commencé à voir les effets de la crise. On les a artificiellement effacés. Mais il faudra payer la dette, et les entreprises vont devoir se remettre au travail en n’ayant plus d’aide.

L’assistance et les aides ont été très importantes, en particulier en France – ce qui est une bonne chose, à mon avis, et qui fait que le pays a échappé à un conflit et un choc social majeur.

Il n’en reste pas moins qu’aujourd’hui le chômage grimpe partout. Le PIB baisse partout aussi. Il va forcément y avoir un contrecoup et un prix à payer. Je pense que cela va être une période assez longue, peut-être pas de récession, mais de stagnation, parce qu’il va falloir payer cette dette à un moment.

« L’IA, ce n’est rien d’autre que de meilleures prédictions dans tous les domaines. »

Je suis peut-être pessimiste, mais […] il y a forcément un impact social et économique qui va être payé. Cela va être un problème.

Dans le même temps, je suis très optimiste sur la partie IT. Le seul recours possible pour les entreprises va être de faire leurs transformations numériques à marche forcée.

Les entreprises ont besoin du plus d’automatisation possible – et pas de moins d’automatisation. De mon point de vue, la crise l’a montré.

Par ailleurs, les marchés sont tellement volatils que l’âge d’or de l’intelligence artificielle est sur le point de commencer.

LeMagIT : Pour vous l’IA va bénéficier de la crise pour – « enfin », diront certains – se concrétiser dans les entreprises ?

Franck Cohen : Je le crois. La maturité est là. Les systèmes de Machine Learning sont prêts pour commencer à être déployés. Beaucoup d’entreprises ont longtemps fait du prototypage sans passer en production. Mais je pense qu’on arrive maintenant à la phase d’industrialisation de l’IA.

Et en plus, là, il y a une vraie demande des entreprises.

« Je pense qu’on arrive maintenant à la phase d’industrialisation de l’IA. »

Pour répondre à votre question, c’est pour ces raisons que l’IT est aussi haut [en bourse]. C’est à mon avis une mesure qui montre que les entreprises savent qu’elles vont devoir investir, non pas moins, mais plus, dans l’informatique pour se transformer, pour être plus compétitives, pour mieux prédire l’avenir et pour être mieux automatisées.

Or l’IA, ce n’est rien d’autre que de meilleures prédictions dans tous les domaines (demande économique sur un marché dans le mois qui vient, ou que va acheter cette personne sur le site dans 3 semaines, etc.).

La crise va accélérer les tendances actuelles. C’est toujours comme cela. Les crises ne créent pas de tendances, elles les amplifient. Or les tendances du marché étaient déjà une marche vers le cloud, l’automatisation et plus de systèmes intelligents.

Machine Learning de nouvelle génération et « Small Data »

LeMagIT : Sur l’Intelligence Artificielle justement, que pensez-vous de certaines critiques formulées par exemple par des scientifiques et des épistémologistes – comme Etienne Klein – qui soulignent les limites du Machine Learning, en rappelant que les algorithmes s’appuient sur des données passées pour modéliser l’avenir ; ce qui ne peut fonctionner que si le futur ressemble à ce passé ? Ce n’est plus le cas dans les situations d’exception comme la nôtre où les données passées n’ont plus de sens à nous donner…

Franck Cohen : Je crois que cela ne fonctionne plus comme cela. Un système de prédiction moderne va capturer les dernières données utiles et va essayer d’extrapoler un certain nombre de tendances et de micropatterns. Cela implique qu’il est tout le temps remis en cause. Ce ne sont jamais des données d’il y a trois ans qui sont utilisées.

« Aujourd’hui, le principe c’est d’utiliser les données les plus récentes pour prédire ce qui va se passer juste après. »

Aujourd’hui, vous allez forcément avoir des tendances qui vont se décider dans les semaines qui viennent. Ce sont ces données-là, des semaines qui viennent, qui vont être intéressantes.

Ces critiques s’adressent à un Machine Learning d’il y a quelques années. Aujourd’hui, le principe c’est d’utiliser les données les plus récentes pour prédire ce qui va se passer juste après.

Donc au contraire, de mon point de vue, quand on ne sait pas ce qui va se passer, le ML est encore plus utile.

LeMagIT : Si l’on arrive à pondérer les variables d’un algorithme avec quelques semaines voire des jours de données, nous sommes presque sûrs du « small data » ?

Franck Cohen : Exactement. La nouvelle génération d’algorithmes est capable d’apprendre sur des bases de données relativement limitées.

LeMagIT : En quelque sorte vous annoncez la mort du Big Data ?

« Le LSTM montre qu’en utilisant les mêmes données et en les recyclant de façon itérative plusieurs fois, on est capable de générer un apprentissage suffisant pour faire des prédictions. »

Franck Cohen : Il y a une convergence de technologie qui est intéressante et qui remet effectivement en cause la façon dont le ML fonctionnait il y a quelques années.

Il y a par exemple une technologie qui s’appelle « Long short-term memory » (LSTM). C’est un algorithme qui a été créé par des Allemands : Sepp Hochreiter et Jürgen Schmidhuber. Le LSTM montre qu’en utilisant les mêmes données et en les recyclant de façon itérative plusieurs fois, on est capable de générer un apprentissage suffisant pour faire des prédictions.

Je n’ai plus besoin d’aller regarder des années en arrière. Et d’une certaine manière, vous avez raison : si les choses changent de manière fondamentale, c’est même une erreur d’aller regarder trois ans en arrière !

Mais les nouveaux systèmes sont vraiment capables de détecter des micromodèles sur un nombre extrêmement limité de données. Ils le font en associant d’autres facteurs, externes. C’est de la corrélation contextuelle. C’est ça qui est très intéressant.