Big Data, IA et Machine-Learning

Opportunités et Challenges
Un tour d’horizon de quelques défis scientifiques dans le domaine du machine-learning
23 Nov 2017
12:00 - 12:40

Big Data, IA et Machine-Learning

Société30%
Technique70%
L’analyse statistique des données, la recherche de régularité de nature probabiliste dans les observations, n’est pas quelque chose de nouveau en soi. Ce domaine des mathématiques s’est développé depuis le 18ème siècle, toujours sous l’impulsion des divers champs d’applications pour lesquels on disposait de données, les sciences sociales à l’origine, l’agronomie, le contrôle de qualité industriel, l’économétrie, l’épidémiologie, les tests cliniques puis le web aujourd’hui. L’exploitation des calculateurs et des outils de visualisation remonte également aux années 50 et 60, même si on parlait plutôt de data-mining à l’époque. Les réseaux de neurones, les bases théoriques de la reconnaissance de formes, celles-là même qui fondent les approches de vision par ordinateur qui connaissent un grand succès en ce moment avec le deep learning, sont présents dès les années 70. Beaucoup de concepts existent sous des formes avancées depuis plusieurs décennies. Pourtant, quelque chose est en train de changer à l’ère du Big Data et nous sommes sans doute au début d’une aventure scientifique, qui nous amène à relever les défis, mathématiques en particulier, que nous pose le traitement des données modernes, collectées désormais grâce au web, à l’IoT, aux caméras de surveillance, à la spectrométrie de masse ou aux télescopes spatiaux. Dans cet exposé, nous essaierons de cerner la nature de certains de ces enjeux méthodologiques à travers plusieurs exemples.