Comment l'IA s'intègre à la science des données
Vous êtes responsable de l’Executive Master IA & Science des données, professeur des Universités et chercheur en informatique. Comment ces deux domaines ont-ils évolué en complémentarité ?
La science des données a longtemps reposé sur des méthodes statistiques classiques pour analyser et interpréter les données, avant de se développer avec l'IA et l'apprentissage profond (deep learning). Ces techniques permettent de traiter et d'analyser des données complexes et variées. Avec le développement de la science des données et du big data, les algorithmes de l’IA peuvent désormais entraîner les modèles sur des données très riches en contenu, et souvent massives, tout en garantissant des performances inégalées dans le passé.
La science des données et l’IA se complètent et permettent de résoudre des problèmes complexes et de prendre des décisions plus éclairées dans des secteurs comme la santé, la finance et l’industrie. Les innovations récentes permettent l’utilisation de corpus de données demandant des mois de traitement même via des systèmes de calcul de dernière génération afin de produire des modèles de langages de grande taille (large language models) utilisés dans des applications variées. Les technologies d’IA génèrent également des données synthétiques, ce qui améliore la qualité des résultats obtenus en analyse de données.
Les métiers de Data Scientists et Analysts sont bousculés par l’IA. Quelles sont les compétences qui font la différence pour l’intégrer à leurs pratiques ?
L’intégration de l’IA dans les pratiques des Data Scientists et Data Analysts ne se limite pas à l'apprentissage de nouveaux outils. Cela implique également un changement de paradigme dans la manière d’aborder les données pour résoudre des problèmes de qualité de données notamment. L’IA permet d’améliorer l’efficacité du traitement des big data, en particulier avec l’apprentissage machine pour optimiser les temps d’exécution et la consommation de ressources.
Face aux enjeux de gestion de données massives au sein des grandes entreprises, quels atouts majeurs apportent les techniques de l’IA ?
L’IA a introduit de nouvelles techniques pour optimiser le traitement des big data. Toutefois, l’essor de ce dernier s’est produit avant l’explosion de l’IA. Google et Facebook ont d'abord mis au point des technologies de big data sans utiliser l'IA, avant de constater que ces volumes massifs de données pouvaient renforcer les algorithmes d’intelligence artificielle, en améliorant la performance des modèles en termes de précision et de réduction d’erreur. Les techniques parallèles et distribuées de traitement de big data ont ainsi été cruciales pour l'IA. Initialement, c'est le big data qui a influencé l'IA, mais aujourd'hui, l'IA contribue en retour à optimiser les techniques de big data.
Le développement de l’IA a été très rapide ces dernières années. Mais est-ce pour autant que les spécialistes de la data ont su s’y adapter ?
L'IA et la science des données nécessitent des compétences techniques avancées, en particulier dans les domaines de l'apprentissage automatique, du traitement des big data et de la programmation. Après 6 ans à la direction de l’EM IASD, je constate que beaucoup d'experts data dans des entreprises de toute taille, doivent toujours se former à ces nouvelles techniques.
Ces technologies évoluent si vite que tout retard dans la formation rend l’adaptation encore plus difficile. S’y former est fondamental pour maitriser l'état de l'art de l'IA mais aussi pour être en mesure de suivre efficacement son évolution.
Parmi les étudiants de vos formations, quels problèmes rencontrent-ils pour évoluer dans leur métier avec l’intégration de l’IA ?
La principale difficulté est liée à la compréhension des mécanismes d’abstraction liés au big data et l’IA, ainsi qu’à la combinaison de ces domaines et aux problématiques d’optimisation des performances et de la mise en production d’applications de type IA. Nos formations aident cependant à surmonter ces obstacles grâce à une remise à niveau initiale permettant d’acquérir les bases de l’IA, au savoir-faire de notre équipe pédagogique, et aux solides connaissances en mathématiques appliquées, bases de données, algorithmique et programmation de nos participants.
