Technologies

Que font les DSI avec l'IA et le machine learning ?

Matthew Reynolds, directeur informatique du FC Southampton, a utilisé le machine learning pour le recrutement de jeunes joueurs pour le centre de formation du club. (Crédit Photo : CIO UK)

L'IA est souvent considérée comme une tendance technologique, mais les concrétisations se font néanmoins attendre. Nos confrères de CIO UK ont donné la parole à plusieurs DSI sur leur usage de l'IA et du machine learning.

PublicitéChatbot, maintenance prédictive, prévisions, détection, les promesses de l'intelligence artificielle et du machine learning sont nombreuses. Pour autant, les DSI sont toujours en recherche de concrétisation. Nos confrères de CIO UK ont recensé différentes initiatives de responsables informatiques sur ce sujet.

Détecter le comportement anormal

Barry Libenson, DSI d'Experian (solutions marketing), utilise le machine learning pour comprendre le comportement des applications et identifier les risques potentiels en surveillant leur performance avec Dynatrace. Il analyse les données à l'aide de Splunk. « Avec cette technologie, nous pouvons trouver plus rapidement des choses anormales en dehors des règles traditionnelles. Auparavant, l'humain ne pouvait pas voir cette information et n'était pas capable de dire qu'une machine était non conforme », explique le dirigeant. Il ajoute, « les machines n'ont pas d'émotions. Elles s'en fichent. Si la machine voit quelque chose d'anormal, elle dira simplement : je n'arrive pas à comprendre, quelqu'un devrait y jeter un oeil».

Prévoir et anticiper

Stuart Birrell, DSI de l'aéroport d'Heathrow, a supervisé le développement d'un « Insights Hub » (plate-forme centralisée d'indicateurs) basé sur Azure de Microsoft et qui utilise le machine learning pour prévoir le nombre de passagers et allouer les ressources nécessaires. « Les vols nous les connaissons déjà, mais la grande variable est de savoir s'il est plein ou pas, nous pouvons ainsi anticiper sur les besoins en personnel », souligne le dirigeant. Il complète, « nous appliquons nos méthodes d'analytique intelligente et par ailleurs nous savons quand les passagers sont susceptibles de se présenter, et nous pouvons planifier en conséquence. C'est dans ce domaine qu'intervient le machine learning et obtenir des spécifications de qualité.

Une personnalisation en puissance

Shan Edwards, CTO de Bloomberg, a piloté le développement d'une gamme de nouveaux outils et techniques de machine learning à destination des investisseurs mondiaux. Par exemple, il a supervisé la création d'une plateforme de science de la donnée pour construire des modèles d'apprentissage automatique. Cette technologie joue un rôle croissant dans le développement de la solution Terminal. Les clients peuvent désormais accéder rapidement à des données financières de qualité extraites automatiquement des contenus et adaptées à leur besoin. « Nous connaissons votre portefeuille-il est dans notre système », dit Shan Edwards, « nous savons qui vous êtes, quel poste vous occupez, quelles fonctionnalités vous utilisez, de sorte que nous pouvons cibler l'information de manière très très puissante et pertinente pour vous », conclut-il.

PublicitéUne intelligence toute en émotion

Richard Orme, CTO de Photobox développe une « IA émotionnelle », qui aide les clients à créer de meilleurs albums photos en suggérant des photos et des mises en page, basées sur une analyse de l'historique des données. L'objectif est de créer un « livre magique », qui devinera ce que les clients voudront et les aidera à raconter leur histoire en photos. « Quand nous apportons ce genre d'information et d'aide au processus de création, nous constatons un taux de conversion plus élevé de la part des clients », explique le directeur technique. Il ajoute, « il y a une grande opportunité pour nous de créer une IA qui ne raccourcit pas cette expérience. Cela peut prendre 2 semaines, mais à la fin, il faut avoir l'impression d'avoir raconté la meilleure histoire possible ».

Analyser pour recruter

Le Southampton FC s'est servi de l'analyse des données pour recruter des joueurs dans son centre de formation réputé. Le club de football utilise le machine learning pour approfondir les prédictions. « Nous utilisons Python et R et nous migrons vers le machine learning pour encore plus d'efficacité », déclare Matthew Reynolds, directeur informatique du club. « Quand vous commencez à analyser des données, vous découvrez des choses inconnues et pas mal d'éléments à nettoyer », poursuit-il. Le résultat est là, « nous avons trouvé des joueurs que nous avions repérés avant de disparaître des radars, car ce n'était plus d'actualité à un certain moment. Maintenant que nous avons modifié nos process, on regarde à nouveau ces joueurs cachés dans une feuille de calcul ». Le directeur IT constate, « aujourd'hui, c'est plus centralisé en connaissant ce qui a été regardé ou pas. On peut revenir en arrière et regarder à nouveau les joueurs. Le football américain est en avance sur ce plan de l'analyse des données ».

Embarquement immédiat pour le prédictif

Lufthansa consomme beaucoup de machine learning pour déterminer le prix des billets, les horaires de vol et les besoins en personnel. La compagnie aérienne s'en sert également pour une plateforme de maintenance prédictive, baptisée Aviatar, analysant les données des pièces d'un avion et évaluer en continu son état. « 2000 avions sont constamment surveillés dans Aviatar. Chaque jour, nous collectons dans nos systèmes des informations issues de 60 000 points de données (en vol, à l'atelier ou au sol). En combinant l'ensemble des données, nous construisons des modèles capables de prédire le comportement des pièces », explique Christian Langer, CDO de Lufthansa.

Eviter le coup de la panne

Rolls-Royce s'appuie sur l'analyse des données pour prédire les pannes moteurs et programmer les révision en fonction de ces prédictions. Neil Crocket, CDO du constructeur de moteur, explique, « 97% des pannes détectées sur nos moteurs sont prévues automatiquement ». Il ajoute, « en planifiant et en comprenant le fonctionnement de nos moteurs, nous avons réduit les ennuis pour nos clients de 40% au cours des 13 dernières années, la charge relative à la maintenance a baissé de 30% depuis 2012.

Evaluer son influence dans les médias

A quoi peut bien servir l'IA pour une association comme Amnesty International ? Elle s'en sert pour plusieurs choses : d'abord identifier les violences envers les femmes sur les médias sociaux, puis suivre la manière dont l'organisation est présente dans les médias. John Gillepsie, CIO d'Amnesty International, constate qu' « il existe de nombreux services de surveillance des médias très efficaces pour suivre les sentiments et les écrits liés à une association ». Il ajoute, « c'est suffisant pour une entreprise qui envoie quelques communiqués de presse chaque mois, mais quand on publie quatre ou cinq communiqués par jour et en connaître individuellement l'impact, il faut quelque chose de plus sophistiqué ».

Pour développer les outils, l'ONG s'est tournée vers la start-up, ASI Data qui a pour ambition de faire de « l'IA pour tous ». Elle a également mis en place une « bourse de recherche en datascience », un programme, courant sur 6 semaines, destiné aux titulaires d'un doctorat et aux développeurs pour les aider à appliquer la datascience à des problèmes concrets. Cette initiative a « largement dépassé nos attentes », rapporte John Gillepsie, avec la mise au point de modèles mathématiques pour évaluer l'influence des communiqués d'Amnesty International dans la presse. Le DSI glisse par ailleurs que ce programme permet d'expérimenter l'IA « à faible coût et faible risque ».

Article écrit par Thomas Macaulay/traduit et adapté par Jacques Cheminat