Pour gérer vos consentements :

Machine learning : des algorithmes obsolescents avec le Covid-19 ?

Attention à l’obsolescence des modèles IA développés avant la crise sanitaire.

L’alerte est signée Gartner. Elle se fonde sur un constat simple : les algorithmes de machine learning utilisent traditionnellement le passé pour prédire l’avenir. Or, le scénario actuel est sans précédent.

Se pose la question de les adapter à la « nouvelle réalité ». En sachant que cette dernière n’est pas encore figée et qu’on ne dispose pour le moment que de peu de données qui la reflètent.

Ces contraintes impliquent, selon Gartner, de repenser l’apprentissage automatique. Par l’intermédiaire de deux techniques en particulier : le renforcement et la distribution. Avec, à la clé, davantage de réactivité pour les modèles ainsi entraînés.

Dans la pratique, toutefois, l’une et l’autre technique ne sont pas encore d’usage commun. Gartner estimait, au dernier pointage, qu’il faudrait 3 à 5 ans pour en arriver à ce stade.

La réactivité des algorithmes

Pour illustrer le besoin de réactivité, le cabinet américain donne l’exemple des outils marketing. Et se demande combien de temps il faudra, dans l’ère post-Covid :

  • Aux algorithmes d’optimisation de la communication numérique pour s’adapter à l’évolution de l’engagement (sachant qu’en conditions « normales », il est question d’un délai de 90 jours)
  • Aux systèmes de recommandation pour s’aligner sur les nouveaux comportements d’achat (on s’appuie traditionnellement sur un historique de 12 mois)
  • À toutes les campagnes en cours pour intégrer les signaux changeants et communiquer les bons messages aux bonnes personnes (beaucoup d’outils de gestion des parcours clients ont une fenêtre rétrospective de 30 jours)

À travers cet exemple, Gartner fait écho à un rapport qui aborde plus largement l’évaluation des modèles prédictifs par les marketeurs. Parmi les questions soulevées à cette occasion :

  • Mes modèles peuvent-ils utiliser moins de données et devenir plus agiles (c’est-à-dire plus réactifs aux changements) ?
  • Quelles données seront les plus porteuses pour l’avenir et dans quelle mesure les algorithmes sont-ils sensibles aux anomalies qu’elles contiendraient ?

Illustration © zapp2photo – Fotolia

Recent Posts

Développement logiciel : SLSA veut sécuriser la chaîne

Avec le projet SLSA, fondé sur une de ses méthodes internes, Google projette un framework…

2 heures ago

Microsoft : Satya Nadella devient président du conseil

Satya Nadella va cumuler les fonctions de président du "board" et de directeur général de…

18 heures ago

RGPD : les 27 disent oui au Royaume-Uni

Les États membres de l'UE ont validé la décision d'adéquation qui ouvre la voie au…

19 heures ago

ESXi sur Arm : un écosystème émerge

Passé en version 1.4, le projet ESXi sur Arm s'ouvre aux serveurs à deux sockets…

21 heures ago

Les « développeurs citoyens », menace pour les fournisseurs technologiques ?

Quels effets pour le phénomène du « développeur citoyen » sur l'offre de produits et…

24 heures ago

Ransomwares : une seule solution, payer la rançon ?

Une étude développe - et met en chiffres - plusieurs arguments en défaveur du paiement…

1 jour ago