Select Page

Comment préparer son entreprise au machine learning

Comment préparer son entreprise au machine learning

Censé tout rendre plus simple, le machine learning est complexe à appréhender, d’où le besoin de préparer le terrain en adoptant au moins trois bons réflexes.

Le machine learning, soit l’apprentissage automatique en français, paraît magique lorsque les médias ou les séries TV en relaient les prouesses. Mais vous qui allez le mettre en œuvre au cœur de vos process, vous constatez déjà qu’il revêt une réalité bien plus prosaïque.

 

Collecter et structurer les données

L’un des premiers réflexes à mettre en place pour se préparer est de collecter et de structurer autant de données que possible. Parmi elles, les données sur les prises de décisions et leurs circonstances : qui a pris cette décision, pourquoi, quand… ? Car une fois que ces tâches seront dévolues à de l’intelligence artificielle, qui plus est auto-apprenante, cela permettra d’avoir une prise sur le schéma de décision.

 

Avoir une visibilité globale et en temps réel

En second lieu, il convient d’avoir – encore une fois – une vue globale sur les données opérationnelles de son activité. À titre d’exemple, la solution Enterprise de Splunk est capable de collecter, indexer et exploiter à la volée toutes les données machine d’une infrastructure informatique : environnements physiques, virtuels ou cloud. Le tout, afin d’obtenir une visibilité globale et en temps réel des ressources opérationnelles. Une fois réunis, ces logs pourront générer automatiquement des alertes ou bien des rapports. « Consolider l’intégralité des données possédées par l’entreprise est la première étape », confirme Maxime Girardeau, digital transformation lead chez Microsoft France.

 

Convaincre la direction

Une fois les process et les données centralisées, vient la nécessité d’exprimer les besoins, qui conditionneront les outils à adopter. Une troisième étape qui passe par la direction générale, et sa capacité à être convaincue. Pour cela, rien de tel qu’un exemple concret, qu’il conviendra de concevoir avec les métiers. Mark Hurd, PDG d’Oracle, en a fourni lui-même quelques-uns lors de l’Open World 2016. En injectant du machine learning dans le Cloud d’Oracle, on pourra par exemple mieux prédire les processus d’achats, et optimiser les offres, avec Oracle Maximyzer. Dans les outils de finance, de mieux repérer les fraudes ou d’appréhender le blanchiment d’argent. Toutes les briques (ERP, CX, HCM) d’Oracle vont pouvoir bénéficier de cet apprentissage automatique.

 

Si les grands fournisseurs s’y mettent, selon Todd McKinnon, PDG de Okta cité par LMI, « il y a beaucoup d’agitation autour des apports possibles de l’apprentissage machine, mais les entreprises ne peuvent pas réellement en profiter ». Une des raisons viendrait du personnel. L’une des solutions, qui existe déjà, ce serait les API comme Cortana Analytics Suite et Projet Oxford de Microsoft, ou les services basés sur Watson d’IBM. Mais dans cet univers changeant où l’offre évolue rapidement, et où la compréhension des enjeux et les bénéfices réels ne vont pas de soi, il convient finalement d’être bien conseillé.

About The Author

SCC