Comment rendre intelligible et lisible le Big data, ces masses de données? Comment trouver des méthodes automatiques permettant de classer des éléments, et même, de tenter de prédire un comportement à partir de différentes variables? Le fameux algorithme de recommandation du service de vidéo à la demande Netflix repose précisément sur le traitement de datas complexes, car elles expriment quelques préférences de la part d’un individu.
Le Machine Learning, c’est «comment une machine peut-elle apprendre à décider toute seule?» Comment compresser, représenter et prédire de l’information à partir de données choisies pour servir d’exemples? L’enjeu est de parvenir à concevoir des algorithmes adaptés au traitement des données massives.
De nouvelles méthodes s’imposent, face aux anciennes, basées sur les statistiques traditionnelles, qui reposaient sur une modélisation a priori des données. Avec le big data, on dispose d’un grand nombre de connaissances ou de «variables» pour chaque individu: des caractéristiques de localisations pour un internaute, de pages web visitées… Ici, le nombre de variables peut être immense. Contrairement aux statistiques classiques, où les sondeurs disposent d’un échantillon représentatif, dans lequel plus il y a de personnes, plus la marge d’erreur est faible.
Un arbre, une décision.
L’enjeu est de trouver des méthodes automatiques permettant de classer des éléments, d’identifier des traits récurrents ou constants… «Lorsque j’ai été recruté en 2007 sur le machine learning, explique-t-il, l’enjeu portait sur le traitement informatique de l’information, l’exploitation de nouvelles bases de données, dans différents champs d’action: médecine, véhicules connectés… Aujourd’hui, avec les smartphones et objets connectés, les capteurs sont partout et les données sont prélevées automatiquement. Sans usage prédéfini mais avec l’idée qu’elles recèlent une information précieuse à exploiter. L’algorithme va conduire à produire une règle. Et donc, par exemple, un arbre de décision, soit une combinaison de règles simples interprétables. D’où la classe d’algorithmes que j’ai introduite, brevetée par l’Institut Télécom-Paris Tech.»
Ces algorithmes permettent de prédire quels facteurs expliquent tel effet. On peut imaginer des usages dans des domaines divers, comme les risques de crédits bancaires, le scoring pour du ciblage comportemental (utile par exemple pour Criteo, spécialisée dans le retargeting publicitaire), un diagnostic médical… On va tenter de prédire un comportement à partir de différentes variables, ce qui équivaut à tracer la meilleure courbe passant par tous les paramètres. Par exemple, pour les réseaux sociaux, on a des graphes qui évoluent dans le temps, et une évolution de l’attachement préférentiel. Le machine learning doit permettre d’anticiper, prédire ces préférences des internautes. D’où l’intérêt de Facebook pour cette discipline…
