Machine Learning
Définition & exemples

Tout savoir sur le Machine Learning et son application dans vos processus métiers :

• Définition du machine learning
• Utiliser le machine learning dans votre processus métier
• Cas pratiques : le machine learning dans les médias
• Le machine learning ou la valeur croissante de la data
• Comment LexisNexis BIS peut vous aider dans vos projets impliquant le machine learning
• Exemples projets machine learning dans  :
  • le secteur banque-finance
  • le secteur de l’audit et du conseil
  • le secteur de la conformité
  • le secteur de la recherche et développement – R&D
  • le secteur du marketing, de la communication des RP et des ventes

Définition du Machine Learning

Le machine learning ou « apprentissage automatique » est un concept qui se rapporte au domaine de l’intelligence artificielle. Le terme désigne un ordinateur ou une machine doté d’un système d’apprentissage automatisé, dans le but de réaliser un certain nombre d’opérations et de calculs très complexes et de résoudre des problèmes à partir d’une quantité très importante de données.

Le machine learning s’oppose ainsi à la programmation car ce dernier se contente d’exécuter des règles prédéterminées. Le concept est à l’origine du deep learning – ou apprentissage profond – qui fait référence à un concept plus avancé du machine learning.

Le concept du machine learning est utilisé aujourd’hui dans divers secteurs d’activité et processus métier.

Utiliser le machine learning dans votre processus métier

Le machine learning permet aux organisations d’interroger rapidement d’énormes ensembles de données pour trouver des solutions et atteindre des objectifs précis. Ainsi, grâce au machine learning :

• Les banques analysent en temps réel d’énormes ensembles de données sur les transactions financières afin d’identifier et de signaler les activités potentiellement frauduleuses. 
• Les universitaires peuvent accéder à des millions d’articles à travers le monde entier et les analyser afin de contribuer à une recherche plus efficace. 
• Les start-up ont la possibilité d’identifier d’autres personnes physiques ou morales travaillant dans des domaines similaires dans le but de collaborer.
• Les compagnies d’assurance cherchent à offrir des devis plus personnalisés basés sur des grands ensembles de données relatifs aux informations géographiques et démographiques.

Le Machine Learning ou la valeur croissante de la data

Le machine learning ne s’auto-suffit pas. Il est primordial d’avoir les bonnes sources de données à portée de main. Ce point de vue est alimenté par plusieurs technologies qui facilitent la tâche :

L’On demand computing ou l’informatique à la demande, permet à une entreprise de n’importe quelle taille d’obtenir une vue globale à partir des plus grands ensembles de données sans avoir besoin d’investir directement dans des serveurs onéreux. Le stockage informatique est devenu si banalisé que les entreprises ont maintenant les moyens de gérer et de traiter des pétaoctets d’informations.

Le Data as a Service. Souvent, les entreprises disposent d’ensembles de données précises sur leurs clients ou opérations. Cela leur permet d’obtenir une vue à 180 degrés des processus. Pour obtenir une vue à 360 degrés, la partie manquante du puzzle peut être constituée de sources de données externes, qui ajoutées aux informations internes de l’entreprise, aident à contextualiser l’ensemble de la data et à fournir une vision opérationnelle exploitable. Les ensembles de données doivent être normalisés, avec un volume et une variété de données qui sont enrichies et structurées efficacement afin d’améliorer la compréhension. Les données en temps quasi réel peuvent aider les entreprises à identifier rapidement les opportunités ou les risques.

Comment LexisNexis peut vous aider dans vos projets impliquant le machine learning

Tout comme Xinhua prévoit de transformer ses opérations par le biais d’analyses pertinentes et d’une meilleure compréhension du Big Data (lire étude de cas), les entreprises des secteurs de la finance, du risque, de la chaîne d’approvisionnement, du marketing et des ventes peuvent utiliser le machine learning pour trouver les éléments d’information dans de vastes ensembles de données.

C’est pour aider les professionnels dans leurs projets d’analyses de la data et de machine learning, que nous avons développé une offre complète de Data as a Service. En savoir plus sur Nexis Data as a Service.