Back To Top

Qu’est-ce que le machine learning ?


Le Machine Learning, la Data Science, le Big Data, ou encore l’Intelligence Artificielle sont des termes de plus en plus courants dans les entreprises et chez le grand public. Si les périmètres que couvrent chaque terme se chevauchent, il existe bel et bien des distinctions à faire. 

Le Machine Learning est une technologie grâce à laquelle les ordinateurs apprennent sans avoir été programmés explicitement à cet effet. Pour apprendre et se développer, les ordinateurs ont toutefois besoin de données massives (Big Data) à analyser et sur lesquelles s’entraîner.  

Cette nouvelle discipline est un bébé né du mariage entre les mathématiques et l’informatique dans les années 90. Aujourd’hui, la discipline est suffisamment performante pour faire parler les données et générer des informations clés que l’être humain ne peut trouver seul. Les entreprises sont les premières utilisatrices de cette nouvelle discipline, qui leur permet de tirer profit de leurs données pour améliorer leurs prises de décisions stratégiques et, par conséquent, leurs profits. 

Et dans le domaine de la santé ? 

Les champs d’applications de ces disciplines dans l’ensemble des domaines et en particulier dans celui de la santé sont très variés : détection de cancer, analyse de l’imagerie médicale, diagnostic et traitement des maladies neurologiques, etc. On peut appliquer ces disciplines dans de nombreux cas à partir du moment où le volume de données est suffisant. 

Comment l’utiliser dans la préservation de l’autonomie ? 

Une des applications dans le domaine de l’autonomie est l’actimétrie. Le Machine Learning permet alors d’évaluer et de suivre les habitudes des personnes au sein de leur logement, pour ensuite évaluer et anticiper les éventuels risques de dérives comportementales. Il permet de déceler des signaux faibles pouvant conduire à une augmentation du risque de fragilité chez les personnes. A l’avenir, il pourrait même permettre de prédire les risques de fragilité… 

Comment ça fonctionne concrètement le ML ?  

Si une voiture a besoin d’un moteur, d’essence et d’un conducteur pour fonctionner, il en est pratiquement de même pour le Machine Learning ! Il faut des algorithmes – le moteur, des données – l’essence et un Data Scientist – le conducteur ! 

Les algorithmes – mélange d’outils mathématiques et de programmes informatiques – permettent d’extraire des groupes de données afin de reconstruire une information sur un phénomène donné. Les données font tourner les algorithmes, tout comme le carburant fait tourner le moteur de la voiture. Charge au Data Scientist, spécialiste de l’analyse des données et des mathématiques, de construire les bons algorithmes pour assurer la pertinence de l’analyse fournie.