Démystifier l’apprentissage machine : Guide pour les débutants

Quel est le point commun entre la reconnaissance vocale de Siri et la détection de spam de Gmail ? Ces deux services utilisent l’apprentissage machine pour prendre leur décision. Plus communément nommé Machine Learning, l’apprentissage machine est la science qui permet aux machines d’apprendre et de s’améliorer en se nourrissant des données et des interactions qu’on leur offre.  Le Machine Learning a connu un essor considérable ces dernières années, grâce aux progrès technologiques dans le domaine du stockage et de la puissance de calcul. Mais comment fonctionne l’apprentissage machine ? Quels sont ses principes et ses applications?

‍

Les différents types d’apprentissage machine

Selon les données qu'elles utilisent, on distingue trois types principaux de machine learning. Le machine learning supervisé : c'est quand les machines apprennent à partir de données étiquetées, c'est-à-dire qu'on leur donne la bonne réponse pour chaque donnée. C’est le cas pour la reconnaissance vocale Siri qui s’appuie sur la transcription de fichiers audio présélectionnés. En opposition, nous avons le machine Learning non supervisé : c'est quand les machines apprennent à partir de données non étiquetées, c'est-à-dire qu'on ne leur donne pas la bonne réponse pour chaque donnée. Si on reprend la détection de spam Gmail, ce système utilise le machine Learning non supervisée pour apprendre à trier les mails indésirables, en utilisant des caractéristiques comme l’expéditeur, le sujet ou le contenu du message. Et enfin, le machine Learning par renforcement : c'est quand les machines apprennent à partir de données dynamiques, c'est-à-dire qu'elles reçoivent un score pour chaque action qu'elles font. Les voitures autonomes utilisent le machine Learning par renforcement pour apprendre à conduire de manière sûre et efficace, en utilisant les données provenant de capteurs, de caméras ou cartes et en recevant un score à chaque décision qui mesure leur performance.

La mise en place de l’apprentissage machine

L'apprentissage machine n'est pas un processus magique qui se fait tout seul. Sa mise en place nécessite plusieurs étapes, depuis la collecte des données jusqu'au déploiement du modèle.

‍

La collecte des données est la première étape, qui consiste à rassembler les données dont on a besoin pour l'apprentissage machine. Ces données peuvent provenir de différentes sources, comme des fichiers, des bases de données, des capteurs, des sondages, des sites web, etc.

Mais pour que ces données soient exploitables, il faut alors réaliser un nettoyage des données. Le nettoyage sert à détecter et corriger les anomalies, les erreurs, les incohérences, mais aussi normaliser, standardiser ou filtrer les données selon les besoins. A ceci, s’ajoute une optionnelle étape de transformation des données. Cette étape vise à rendre les données plus adaptées à l’apprentissage machine comme réduire la dimensionnalité ou augmenter la quantité de variables exploitables. À partir de ces données “idéales”, il faut sélectionner les données. En général, il s’agit de séparer les données en 3 parties distinctes : le jeu d’entraînement, le jeu de validation et le jeu de test. À ce moment, nos données sont enfin prêtes pour leur exploitation.

‍

Nous pouvons désormais nous intéresser aux étapes de la création du modèle qui constituera la machine automatique. Il faut commencer par l’entraînement du modèle. Pour ce faire, il faut appliquer un algorithme d’apprentissage sur le jeu de données. L’algorithme figure parmi les 3 types présentés au début (supervisé, non supervisé ou par renforcement). À ceci s’ajoute l’évaluation du modèle. C’est l’étape qui mesure la qualité du modèle obtenu à partir d’indicateur choisis. À partir de cette évaluation, nous pouvons améliorer le modèle grâce à l’optimisation du modèle. Il existe plusieurs techniques d’optimisations comme la recherche par grille, la recherche aléatoire, l’optimisation bayésienne… Beaucoup de termes techniques, mais ces méthodes sont largement démocratisées et de nombreuses ressources permettent leur mise en place. Il faut ensuite répéter entraînement, évaluation et optimisation pour perfectionner le modèle.

Nous en arrivons à l’étape finale qui est le déploiement du modèle. Il est essentiel de veiller à ce que le modèle soit compatible avec l’environnement cible, qu’il soit facile à utiliser, à maintenir et à mettre à jour. La condition pour que notre machine d’apprentissage automatique soit fonctionnelle et actuelle est de la réévaluer régulièrement.

‍

‍

Les défis du Machine Learning

‍

De nos jours, l’apprentissage machine est partout autour de nous. Que ce soit pour nous recommander des films sur Netflix, nous traduire des textes sur des sites de traduction, nous aider à diagnostiquer des maladies ou encore créer de la musique originale. Avoir son propre modèle d’apprentissage machine est une réelle plus value pour une entreprise, si elle dispose de données spécifiques à son domaine, à ses clients ou à ses produits, qui ne sont pas accessibles ou exploitables par des modèles génériques. Ainsi, elle peut créer un modèle sur mesure, qui répond à ses besoins, à ses objectifs et à sa stratégie. Cependant, l’apprentissage machine est une science qui offre de nombreuses opportunités, mais qui présente aussi des défis à relever. Parmi ces défis, nous pouvons citer la sécurité des données ou l’impact social. Concernant la sécurité, il faut protéger les données utilisées ou produites par l’apprentissage machine, contre les attaques, les fuites ou les détournements. Sinon, le modèle se risque à devenir vulnérable, corrompu ou malveillant.