Ces derniers jours, à l’approche du 25 mai, nos boîtes aux lettres sont saturées de messages liés à l’application du RGPD / GDPR. Pour proposer une autre lecture liée à la data, l’équipe d’Axionable partage son analyse de Strata Data, la conférence majeure dédiée au Big Data et à l’Intelligence Artificielle, qui s’est tenue pour son édition Européenne du 21 au 24 mai à Londres. 150 conférences et 13 keynotes dispensées par 250 speakers de très haut niveau venus du monde entier, résumées ici.
« Seuls 12% des Anglais pensent que la technologie est bonne pour la société ». Martha Lane Fox, co-fondatrice de last-minute.com et membre du conseil d’administration de Twitter, a partagé ce chiffre inquiétant pour illustrer la méfiance des consommateurs envers la technologie. Par ailleurs, Guillaume Chaslot, ex Google, a dénoncé le biais des algorithmes sur lesquels il travaillait pour la recommandation des vidéos sur YouTube. Ces derniers, uniquement orientés en faveur de l’augmentation du temps passé pour maximiser l’audience, ont ainsi joué un rôle prépondérant dans les campagnes électorales aux Etats-Unis mais également en France. Il était par exemple surprenant de constater que les contenus les plus recommandés par YouTube lors de la dernière campagne présidentielle en France concernaient Marine Le Pen, Jean-Luc Mélenchon et François Asselineau.
Egalement, les algorithmes et l’automatisation représentent un risque sur l’emploi.
McKinsey a conçu un algorithme qui prédit le risque pour chaque emploi d’être remplacé par une IA, 375.000 emplois menacés d’ici à 2030
Le cabinet de conseil en stratégie Mc Kinsey a partagé ses recherches pour prédire le risque de perdre son emploi en fonction du poste occupé ou encore du salaire. Il en ressort que les emplois les plus répétitifs sont susceptibles d’être facilement remplacés par des machines, ce qui pose la question de la formation et de la reconversion, à l’échelle d’une Société, des individus dont l’emploi est menacé. A l’inverse, les emplois les plus créatifs et ceux nécessitants de fortes compétences interpersonnelles seraient les moins « remplaçables », ce qui devrait nous amener à repenser les programmes scolaires et la façon dont nous éduquons nos enfants.
Ces risques sur l’emploi liés à l’automatisation et à l’IA, et l’influence de la Technologie sur la démocratie, illustrent l’impact qu’ont aujourd’hui les algorithmes sur nos vies et la Société, et la maturité qu’a atteint la pratique du Big Data et de l’Intelligence Artificielle au sein des entreprises.
L’industrialisation et l’accélération du ROI data, par la technologie et l’organisation
Il était moins question à Strata 2018 de cas d’usage data, qui sont désormais identifiés, prouvés et connus pour chaque industrie, chaque fonction de l’entreprise (Service Clients, Finance, RH, Logistique, etc.). L’emphase était portée cette année sur la rapidité à laquelle ces cas d’usages sont déployés en production, couplée à la capacité d’industrialiser leurs mises à jour. Les bonnes pratiques en la matière, autrefois réservées aux GAFA et autres startups qui les ont intégrées dès leurs lancements, semblent désormais se répandre dans les entreprises traditionnelles.
Strata Data 2018 était très riche en retours d’expériences d’entreprises matures quant à leur pratique de la data, ayant réussi à passer des phases de POC (Proof of Concept) au développement agile et industriel de produits data. Si la précision des algorithmes et des modèles a été discutée, il a été plus question cette année de la rapidité à laquelle ceux-ci peuvent être déployés en production et de la fréquence avec laquelle ils peuvent être mis à jour. Au-delà des intentions et de la stratégie, ces entreprises ayant réussi le passage à l’échelle de leur RoI data ont en commun de s’appuyer sur des organisations – processus et compétences – capables de maitriser l’ensemble de la chaine de valeur de la data, de l’exploration à la production.
Pour accélérer le ROI data, des outils dits « DevOps » ou « DataOps », plus matures qu’auparavant, sont disponibles pour permettre le développement agile et l’intégration continus de modèles algorithmiques. Ces procédés, pour les plus avancés, permettent de tester et mettre à jour des nouveaux modèles plusieurs fois par jour. Enfin, des modèles d’intelligence artificielle et de machine learning « as a service » se démocratisent et permettent là encore d’accélérer la mise en œuvre de cas d’usages Big Data.
L’intelligence artificielle : une discipline holistique à la recherche de moutons à 5 pattes
La pluridisciplinarité des équipes est un prérequis essentiel au succès des projets d’Intelligence Artificielle et Big Data.
En effet, la nature transverse des projets et des organisations data, à la croisée entre le métier, la technologie et le juridique, impose aux data scientists d’avoir une large palette de compétences non techniques : maîtriser les métiers de l’entreprise pour concevoir des cas d’usages pertinents, réaliser des designs attrayants pour restituer les résultats des algorithmes de façon simple et adaptée, réfléchir aux aspects juridiques et au respect de la vie privée, ou encore savoir gérer des projets complexes.
Les compétences techniques du data scientist se sont également élargies. Le « full-stack data scientist », sachant combiner les dernières technologies de développement logiciel dans des contexte Big Data (data engineering), avec ses compétences en statistiques appliquées et de développement d’algorithme (data science pure), semblait être le graal de Strata 2018.
Comme ces ressources sont très rares voire inexistantes dans certains secteurs ou certaines régions, les entreprises trouvent des palliatifs, là encore par l’organisation, par exemple en formant des ressources existantes à l’IA (statisticiens en développement, ingénieurs BI / ETL en machine learning) ou encore en créant des équipes pluridisciplinaires.
La diversité des genres pourrait être une réponse à cette pénurie de talents, dans un secteur encore trop masculin. À l’occasion du « women networking lunch » organisé à Strata, Charlène Deloison et Imène Boumghar, ont pu constater et partager l’ambition des femmes de jouer un rôle clé dans le développement de l’intelligence artificielle. En effet, la majorité disaient être « prêtes » à adopter la démarche nécessaire à la réussite des projets d’intelligence artificielle, à savoir l’approche de « Test & Fail & Learn », pour aboutir à des résultats concrets.
Les GPU (processeurs graphiques) et le Deep Learning (apprentissage profond), deux réelles ruptures technologiques améliorant la performance des algorithmes par un facteur 100 voire plus
L’impact de l’intelligence artificielle va encore augmenter avec 2 nouvelles ruptures désormais disponibles pour des applications industrielles : les GPU et le Deep Learning. Les retours d’expériences de cas d’usages Big Data et Deep Learning utilisant ces dernières technologies présentent un facteur supérieur à 100 en termes de performance et de précision des modèles. Ce saut technologique rend possible de nouveaux cas d’usage qui ne l’étaient pas avant par manque de précision et de rapidité de développement des modèles. Le Deep Learning pose cependant la question de « l’explicabilité », « l’interprétabilité »* et de la transparence des modèles, car sa nature même confie à des couches de neurones difficilement maîtrisables le soin de résoudre une question métier complexe (prédiction, détection de fraude, reconnaissance faciale, etc.).
* la capacité à expliquer dans des termes simples et compréhensibles de tous le fonctionnement des algorithmes et notamment leurs résultats. Par exemple, les critères pris en compte pour une recommandation algorithmique de contenus ou de produits issue doivent pouvoir être expliqués dans des termes simples.
L’éthique, prochaine étape après le RGPD / GDPR ?
Il était bien sûr, encore cette année, beaucoup question du RGPD / GDPR, avec des retours d’expériences sur sa mise en œuvre concrète au sein des entreprises. Mais le thème « non technique » qui a été très largement débattu à Strata cette année était celui de l’éthique appliquée à l’IA et au Big Data. L’impact des algorithmes sur nos vies et la société est déjà majeur aujourd’hui, et va se renforcer encore davantage dans un futur proche, par l’industrialisation de la pratique de l’IA dans les entreprises, le développement des compétences nécessaires, et les nouvelles ruptures technologiques à venir. Plusieurs intervenants insistaient donc sur la nécessité de se saisir du sujet de l’éthique.
Les algorithmes, entrainés sur des données réelles, ne font que reproduire les travers de notre société. En effet, il n’est pas rare d’observer des comportements misogynes, racistes ou encore violents de la part de certaines IA, malgré l’intention noble de ses créateurs. La question que soulevait plusieurs leaders à Strata était donc la suivante : quel modèle de société souhaitons-nous donner à nos algorithmes ? Pouvons-nous corriger les biais de notre société dans les IA ?
Pour sensibiliser le grand public et apporter des éléments de réponses, les initiatives se multiplient en faveur de pratiques plus éthiques de l’IA et de la technologie en général.
Dans ce but, Martha Lane Fox a par exemple créé Dot Everyone qui milite au Royaume-Uni pour davantage de transparence dans la technologie. Guillaume Chaslot a quant à lui créé Algo Transparency, pour donner des exemples concrets de biais et de déviances de la vie de tous les jours observés sur certains algorithmes, notamment ceux de recommandation. Il devient donc prépondérant qu’en France également, les consommateurs et les acteurs de l’IA et du Big Data – grandes entreprises, startups, sociétés de consulting, éditeurs de logiciel – se saisissent de la question.
Vous voulez en savoir plus ? Axionable organise sur demande des débriefs complets de Strata Data 2018, ainsi que des autres conférences majeures auxquelles l’équipe a participé : DotAI 2018, DotScale 2018, Big Data Paris 2018, AI Paris 2018, Paris FinTech Forum 2018, FinTech r:evolution 2018 / Data Libération à Station F, FinData London, Ethereum Community Conference
