Introduction

au Machine Learning
Mathieu Goeminne
Ingénieur de Recherche Senior

Centre d’Excellence en Technologies de

l’Information et de la Communication
www.cetic.be
www.cetic.be
 Agenda

• Positionnement du CETIC
• Qu’est-ce que le machine learning?
• Example: apprentissage supervisé
• Cas d’utilisation
• Le futur du machine learning

www.cetic.be 2
 Positionnement du CETIC

www.cetic.be 3
 Positionnement du CETIC

Recherche appliquée Études de faisabilité Preuves de concept Transferts technologiques

www.cetic.be 4
 CETIC & Internet du Futur

• Cloud Computing et Architectures distribuées

• Gestion d’infrastructures de Cloud
• Programmation distribuée
• Web Programmable
• Gestion des données
• Stockage Big Data
• Framework de programmation Big Data
• Open Innovation
• Logiciel Libre
• Données ouvertes
• Numérique et co-creation (Voir Living Labs et Hub créatif)
SOFTWARE &
SERVICES SOFTWARE &
TECHNOLOGIES SERVICES
TECHNOLOGIES

www.cetic.be 5
 Qu’est-ce que le Machine Learning?

www.cetic.be 6
 Machine Learning?
• 70’: Généralisation du stockage
structuré de données.
• Questions : Quelle valeur au-
delà de la restitution des
données?
• Comment tirer de
l’information des données?
• Comment découvrir des
tendances/structures à
partir des données?

www.cetic.be 7
 Machine Learning?

• Rationalisation de la découverte de relations entre les faits.

• Y compris celles qui ne sont pas intuitives.
• Pas nécessairement des liens de causalité.
• Processus systématique basé sur les faits…
• Y compris nombreux.
• Y compris complexes.
• Fondations statistiques importantes.

www.cetic.be 8
 Une famille d’approches

www.cetic.be 9
 Ajouter de la valeur

Comment faire en sorte

que ça se passe?
Analyse
prescriptive

Que va-t-il se passer?

Analyse
prédictive
Valeur

Que s’est-il passé?

Analyse
descriptive

Difficulté

www.cetic.be 10
 Example: apprentissage supervisé

www.cetic.be 11
 Apprentissage supervisé

• On ramène le jeu de données à Client Âge Revenus Montant Remboursé?

un tableau. Crédit

• Valeur d’une colonne à partir A 53 100K 180K

des autres colonnes? O
B 18 30K 213K
• Apprentissage: définition des N
paramètres d’un modèle.
C 23 36K 155K
O
• Supervision: utilisation de
l’historique pour guider le D 54 42K 75K
O
paramétrage.
E 44 33K 120K
N

www.cetic.be 12
 Apprentissage supervisé (suite)

• Le résultat: un modèle + procédé menant systématique à une

valeur de la colonne cible: la prédiction.
• Possibilité d’évaluer la qualité d’un modèle en lui faisant
« prédire » les données historiques.

Âge
[<30] [≥30]

Montant Montant
[<215]
[≥184] [≥215]
[<184]
Revenus
[≥90] [≥90]

Non
Remboursé Remboursé
remboursé

www.cetic.be 13
 Quelques facteurs d’efficacité du machine learning

• Qualité des données: bruit, variété, incohérences, etc.

• Préparation des données et approche: travail d’équipe et
méthodologie de gestion de projets.
• Choix d’un bon compromis entre:
• la spécialisation du modèle et sa capacité à généraliser.
• sa tendance à retourner des faux positifs et des faux négatifs.
• Avec un système apprenant, le risque d’erreur est inévitable mais
quantifiable.

www.cetic.be 14
 Cas d’utilisation

www.cetic.be 15
 Amélioration des processus

Identification des facteurs d’influence Marketing direct

Maintenance prédictive Détection de bogues

www.cetic.be 16
 Prise de décisions

Allocation dynamique de ressources Opérations boursières automatiques

Gestion de plans de campagne Formation « au besoin »

www.cetic.be 17
 Intelligence artificielle

Interfaces vocales Analyse de sentiments

Véhicules et robots autonomes Assistance judiciaire

www.cetic.be 18
 Le futur du machine learning

www.cetic.be 19
 Le futur du machine learning
• Vif regain d’intérêt pour les réseaux de neurones
• Le deep learning est la nouvelle magie blanche.
• Un réel pas en avant… mais pas la panacée.
• Percée attendue dans le domaine de l’IA.
• Peut-être à la veille de singularité technologique.
• Une IA qui créerait une IA qui placerait 

l’évolution technologique hors de 

portée de l’intelligence humaine.
• 2020-2050 ?

[3]

www.cetic.be 20
 Questions ?

Aéropole de Charleroi-Gosselies
Avenue Jean Mermoz 28
B-6041 Charleroi - Belgique

twitter.com/@CETIC
twitter.com/@CETIC_be Mathieu Goeminne
mathieu.goeminne@cetic.be
linkedin.com/company/cetic

info@cetic.be

+32 71 490 700

www.cetic.be www.cetic.be
 Notes
[1] http://trends.levif.be/economie/lawyerz/l-intelligence-artificielle-peut-elle-sauver-la-justice/article-normal-603501.html
[2] http://www.wired.co.uk/article/ibm-watson-medical-doctor
[3] Jean-Pierre Petit, ‘À quoi rêvent les robots?’, Belin

Tous droits réservés

www.cetic.be 22