Data / IA
Le maintien de la compétitivité passe par l’autonomisation des métiers en IA et les Maths
Par La rédaction, publié le 04 juillet 2023
L’IA repose sur des principes essentiellement mathématiques. Et même s’il est aujourd’hui possible d’exploiter des services et modèles IA clés en main via des API, la concrétisation de modèles ultra personnalisés à l’entreprise et dès lors porteurs d’une véritable valeur différenciatrice nécessite une autonomisation des métiers en IA et donc un minimum de compréhension de certains concepts mathématiques. Ils peuvent certes être vulgarisés (via des outils no-code par exemple) mais la baisse du niveau en mathématiques de nos écoliers a de quoi inquiéter politiques, RH et DSI...
Par Thibault Meston, Consultant Stratégie Data et IA au sein du cabinet AI Builders
Les données sont devenues en quelques années le moteur des entreprises les plus compétitives. Pour valoriser au mieux cet asset stratégique, ces dernières se sont tournées vers les personnes qui les maîtrisent et qui sont expertes dans leurs domaines : les métiers.
Ainsi, une nouvelle dynamique s’est créée dans les entreprises qui rapprochent l’exploitation des données de leurs producteurs. Pour se faire, la DSI a fourni aux métiers des outils No Code et Low Code leur permettant d’exploiter facilement leurs données par le biais l’Intelligence Artificielle. Il s’agit de l’autonomisation des métiers qui se repose sur 2 conditions pour être réellement efficace : des outils d’IA No Code ou Low Code ainsi que des collaborateurs en mesure de comprendre les fondements mathématiques de l’IA.
Pour être capables de tirer pleinement parti de ces outils, les métiers ont donc besoin d’une bonne maîtrise des mathématiques. Le système éducatif français doit donc s’adapter à cette nouvelle réalité en leur prodiguant un programme adapté à leur future vie professionnelle.
Les fondements de l’Intelligence Artificielle reposent sur des concepts mathématiques comme l’algèbre linéaire, le calcul matriciel et les statistiques pour construire efficacement des modèles prédictifs. Ces apprentissages vont servir des usages précis comme la reconnaissance d’image, la génération de textes ou la recommandation de publicités. Les métiers doivent alors maîtriser ces concepts pour sélectionner, adapter et évaluer les modèles d’IA de manière éclairée.
Au-delà du choix du modèle, les futurs travailleurs autonomes seront amenés à comprendre la nécessité de prétraiter leurs données afin de certifier leur qualité en entrée du modèle. Une compréhension des techniques de traitement des données comme la normalisation, la réduction et la détection des valeurs aberrantes permet d’obtenir des résultats plus fiables et de prendre des décisions rationnelles.
Enfin, à la suite du choix du modèle et le prétraitement des données, les métiers feront face à une dernière difficulté : son optimisation qui s’appuie à nouveau sur des algorithmes mathématiques. Les métiers doivent alors les comprendre pour ajuster, de manière optimale, les paramètres de son modèle. En combinant la compréhension mathématique de l’IA avec et les applications No Code et Low Code, les métiers auront tous les éléments nécessaires à la création de nouveaux usages exploitant efficacement leurs données.
Nous devons donc former nos futurs collaborateurs à la compréhension des fondements mathématiques de l’Intelligence Artificielle. Cependant, cela n’est pertinent qu’en mettant à leur disposition des environnements de développement et de déploiement basés sur des outils No Code ou Low Code. De la même manière, ces outils d’autonomisation des métiers pourront être développés uniquement par des Data Scientist et des Data Engineer ayant un très haut niveau en mathématiques et en Intelligence Artificielle.
Or, de nombreux experts s’accordent sur le fait que le niveau en mathématique en France chute drastiquement : que ce soit avant le lycée où la France est l’avant-dernier pays de l’OCDE ou dans les études supérieures avec des professeurs qui tirent la sonnette d’alarme sur le niveau des nouveaux étudiants. Certes, les meilleurs étudiants français en mathématiques surclassent de nombreux pays, mais en moyenne, ce niveau est largement insuffisant pour faire face aux défis de demain.
À LIRE AUSSI :
Il devient donc urgent de rehausser le niveau en mathématiques en France, afin de garantir la qualité de nos études et d’améliorer la compétitivité de nos entreprises. Nous ne rentrerons pas dans les réformes du système éducatif en France. Il est cependant impératif d’identifier les compétences attendues par les professionnels qui seront amenés à utiliser ces nouveaux outils. Une formation de Data Scientist ne leur est pas nécessaire contrairement à un enseignement mathématique de base leur permettant d’être autonomes dans des environnements tels que Dataiku. Ils n’ont pas besoin de démontrer mathématiquement le pourquoi, mais simplement de le comprendre. Il serait absurde et contreproductif d’attendre qu’un employé des ressources humaines puisse démontrer pourquoi un modèle de deep learning avec telle fonction de gain est davantage pertinent qu’un autre modèle pour résoudre son problème. Un cours d’un trimestre sur les fondements de l’IA serait largement suffisant pour leur apporter cette connaissance.
Dans un monde où les données sont devenues une ressource précieuse, les métiers doivent comprendre les fondements mathématiques de l’Intelligence Artificielle pour exploiter pleinement leur potentiel. Cette compréhension repose sur une intégration des méthodologies de base pour identifier et qualifier des gisements de valeurs. Il s’agit d’un petit effort à la portée d’un lycéen en fin de cycle pour un formidable accélérateur de compétitivité de nos entreprises.
À LIRE AUSSI :
