Now Reading
Quelques tendances IA pour 2019, selon Databricks
0

Quelques tendances IA pour 2019, selon Databricks

by Cloud Guru15 janvier 2019

Avec 90% des entreprises qui investissent déjà dans les technologies d’intelligence artificielle (IA), cette dynamique continue offre d’immenses possibilités de croissance, tant pour les fournisseurs de technologies que pour les clients qu’ils desservent. Databricks considère que 2019 sera une année charnière. Voici quelques tendances qu’ils ont recueillis auprès des experts…

Le talent continue d’être une priorité pour l’intelligence artificielle : selon Bradley Kent, vice-président directeur chez LoyaltyOne, le manque de talent est le facteur le plus important sur la voie de la production. Le talent est difficile à trouver, coûteux et on demande souvent à certains d’être des «licornes» dans leur organisation. Ce problème fondamental ne disparaîtra pas, mais des solutions plus spécifiques apparaîtront et les cadres chercheront à automatiser davantage les processus.

Le traitement des données reste le plus gros défi : en tant qu’industrie, nous avons tendance à penser que les scientifiques spécialisés dans les données consacrent la majeure partie de leur temps à développer des modèles, partage le PDG et co-fondateur de Databricks, Ali Ghodsi. À vrai dire, le traitement des données reste la partie la plus difficile et la plus fastidieuse de toute initiative d’IA. La nature très itérative de l’IA oblige les équipes  à basculer entre les outils de traitement de données et les outils d’apprentissage automatique. Pour réussir dans l’IA en 2019, les organisations doivent s’appuyer sur une plate-forme qui unifie ces outils disparates.

Formation en flux de travail Machine Learning : l’apprentissage automatique est un défi, selon Matei Zaharia, ingénieur en chef et cofondateur de Databricks. Les grandes entreprises de technologie, avec un nombre illimité de données, de ressources et de talents, ont considérablement investi dans le développement de plates-formes d’apprentissage automatique sur mesure. Mais qu’en est-il du reste d’entre nous ? Développer des outils pour standardiser le processus d’apprentissage automatique – le rendre reproductible quels que soient les ensembles de données, les outils ou les méthodes de déploiement spécifiques – aura certainement un impact quand les organisations pratiquent l’intelligence artificielle.

Développer la confiance avec une «IA démontrable» : en 2018, on s’intéressait de plus en plus à la confiance et à la transparence dans l’IA – une idée qui a des implications sociales, économiques et commerciales. Selon Mainak Mazumdar, directeur de la recherche à Nielsen, il est essentiel de développer une intelligence artificielle explicable, prouvable et transparente. Ce voyage vers la confiance commence réellement par la qualité des données utilisées pour la formation en intelligence artificielle. Cette attention renouvelée en 2018 sur des données étiquetées pouvant être vérifiées, validées et expliquées est passionnante. Il est intéressant de noter que «l’IA démontrable» peut jeter les bases de systèmes d’intelligence artificielle pouvant à la fois être généralisés et utilisés de manière fiable.

Innovations avec données en temps réel : Stephen Harrison, responsable des données chez Rue Gilt Group, a déclaré que la diffusion en temps réel n’était pas vraiment nouvelle. Mais Rue Gilt Groupe envisage de tirer parti des données en continu pour des innovations significatives en 2019, telles que des recommandations en temps réel basées sur des données actualisées provenant de nos systèmes de gestion des commandes, de suivi des clics et autres. C’est particulièrement important pour nous car nous sommes un site de vente au détail en flash, avec des produits et des comportements de navigation et d’achat en ligne changeant en temps réel.

La résolution des problèmes de données les plus difficiles au monde commence par le regroupement de toutes les équipes de données au sein d’une organisation. La capacité des équipes de science des données et d’ingénierie à innover plus rapidement a toujours été entravée par la mauvaise qualité des données, les environnements complexes d’apprentissage automatique et les réservoirs de talents limités. De plus, la séparation organisationnelle crée des frictions et ralentit les projets, devenant un obstacle à la nature hautement itérative des projets d’intelligence artificielle.

 

Pour en savoir plus :
> l’article de Business Wire

Vous souhaitez nous soumettre un article pour publication ou avez besoin d’assistance pour en écrire un ou plusieurs ? Contactez nous ci-dessous pour en discuter !

{lang: 'fr'}
About The Author
Cloud Guru

Vous souhaitez réagir sur cet article ?

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.