monsitj - stock.adobe.com

Opinion

Machine Learning et analytique : la mise en production des modèles reste un défi majeur (SAS)

Mouloud Dey, directeur de l’innovation et du développement de l’activité économique au sein de SAS, explique comment le spécialiste de l’analytique avancée entrevoit les prochaines étapes qui vont jalonner « le dernier kilomètre » de l’analytique.

Rénald Boulestin
par
Publié le: 31 janv. 2020

Entretien exclusif - Si Open Model Manager est la grande nouveauté annoncée par l’éditeur de logiciels spécialisé en informatique décisionnelle (BI) fin 2019, SAS est aussi aux avant-postes dans plusieurs secteurs teintés d’innovation. C’est ce qu’explique Mouloud Dey, responsable France de l’innovation chez SAS, à l’occasion d’un entretien accordé au MagIT.

Le « Director Innovation and Business Development » explique ainsi que « si Python et R restent les langages de prédilection dans le développement de modèles, LUA est aussi utilisé outre-Atlantique et un peu en Asie ». Pour lui, la tendance de fond n’est pas de se tourner vers de nouveaux langages, mais bel et bien d’embrasser la conteneurisation : « aujourd’hui, de nombreux composants de SAS sont adaptés à Docker. Et le support de l’orchestration façon Kubernetes fait aussi partie des orientations majeures de ces dernières années. Ce n’est pas spécifique à Open Model Manager. Mais, globalement, l’orientation générale de notre architecture s’articule autour du cloud, de la conteneurisation et de l’orchestration des ressources avec Kubernetes. Il s’agit vraiment des tendances de fond en termes d’architecture, dont profitent des produits comme Open Model Manager, mais pas seulement ».

L’opérationnalisation

La logique du « last mile » (ou en français, « dernier kilomètre ») de l’analytique n’est pas très loin dans la démarche de SAS. Mouloud Dey parle en effet « d’opérationnalisation », même s’il reconnaît que le terme n’est pas très heureux. Ce dernier kilomètre qui revêt une importance névralgique reste le plus compliqué à parcourir : « on construit des modèles, on expérimente dans tous les sens. Mais, finalement, il y a peu de modèles qui passent en production. Or, nous estimons que l’on doit vraiment s’inscrire dans une logique de gouvernance, de déploiement, de supervision et de management des modèles. Aussi bien pour des modèles open source que des modèles SAS. Il s’agit d’être en mesure de pouvoir déployer en temps réel des modèles. On travaille beaucoup là-dessus, parce que c’est ce que nous demandent nos clients ».

Et d’ajouter que ceux-ci sont sur le qui-vive : « on enregistre une forte demande pour que ce qui fonctionne bien en production ».

La mise en production d’un modèle n’est toutefois pas une fin en soi : « il faut aussi garder à l’esprit qu’un modèle a une durée de vie limitée dans le temps. Qu’à un moment donné, il va devoir être remplacé. Car un modèle va forcément perdre en performances parce que le contexte change et évolue naturellement. C’est fondamental. Dans la logique d’Open Model Manager, c’est même structurant. C’est vraiment à la base de ce genre d’outils ».

L’Edge Computing au fil des données

Selon Mouloud Dey, l’Edge Computing s’inscrit dans la trajectoire de SAS. Pour le groupe américain, il est question « d’Edge Analytics » : « nous parlons d’event stream processing, c’est-à-dire que l’on prend les flux sortants du capteur pour les analyser. Et de ce fait, nous sommes capables de déployer des modèles en mode Edge Computing sur les flux, directement ».

Cette démarche se retrouve notamment dans des logiques de maintenance prédictive, comme avec le groupe Volvo Trucks et Mack : « ils ont développé une offre de services autour de cette technologie en bardant les camions de capteurs (environ 70 capteurs sur un camion). Le camion génère ainsi lui-même son ordre de réparation. Une partie de ces données sont confrontées à des données qui sont dans le cloud puisque bien évidemment, en fonction du client, il y a des contextes de garanties, de contrats, de services… Il y a là une vraie logique sous-jacente qui génère un nouveau modèle économique. C’est intéressant parce que, pour Volvo Truck et Mack, c’est une offre de services additionnelle. Le tout est orchestré par SAS de manière transparente en back-office ».

Il s’agit de rendre ici les camions disponibles quasiment 100 % du temps dans une logique de productivité accrue. « Cette tendance dans l’industrie va se généraliser, selon nous. Airbus pourrait ainsi vendre de l’heure de vol plutôt que de l’avion. Michelin essaie de promouvoir le pneu connecté qui sera vendu au kilomètre parcouru plutôt qu’au prix unitaire du produit ».

La blockchain privée : une source de données pour l'analytique, mais pas tout de suite

La blockchain est « un vrai sujet pour SAS », selon Mouloud Dey qui se dit « en veille permanente ».

Mais, pour SAS, le marché n'est pas encore prêt. « Cela ne veut pas dire que l’on n’y travaille pas, mais nous n’avons pas encore annoncé de produit spécifique blockchain, parce que, pour être tout à fait franc, la demande en la matière - pour le volet analytique - est balbutiante... voire inexistante ».

Selon Mouloud Dey, si la blockchain publique a déjà eu sa « killer application » avec les cryptomonnaies et le bitcoin en particulier, la « permissioned blockchain » (ou blockchain privée) n’en est pas encore à ce stade.

« On sait qu’à un moment donné, ce sera une source de données. En tout cas, on en fait le pari. Mais, cela met du temps à se mettre en place. Il y a eu un engouement. Mais, on sent que même si effectivement de grands acteurs comme IBM se lancent dans les blockchains, [les clients] restent encore sur des expérimentations ».

Pour approfondir sur Intelligence Artificielle et Data Science