Deep learning : effet de mode et vraie valeur pour l’industrie

Le deep learning est la « nouvelle tendance » de l’apprentissage automatique, mais… de quoi s’agit-il exactement ? Pourquoi suscite-t-il un intérêt croissant ? Quelles en sont les applications concrètes ? Trouver de bonnes réponses à ces questions n’est pas si simple. Dans cet article, nous allons présenter quelques notions de base du deep learning et nous pencher sur le potentiel d’une technologie qui pourrait vraiment révolutionner nos vies.

Que signifie « deep learning » ?

Le terme deep learning (apprentissage profond) désigne un ensemble d’algorithmes d’apprentissage automatique qui s’appuient sur plusieurs couches de traitement pour modéliser des abstractions de haut niveau dans les données. Pour ce qui nous occupe, le deep learning est simplement synonyme de réseaux de neurones artificiels à plusieurs couches cachées (RNA) (voir Une introduction aux réseaux de neurones pour en savoir plus).

Contrairement aux RNA « peu profonds » (à une seule couche de traitement), les réseaux de neurones profonds semblent mieux modéliser le processus cognitif : chaque nouvelle couche agrège les informations et caractéristiques extraites par les couches précédentes pour construire quelque chose de plus complexe ; c’est un processus hiérarchique qui cherche à imiter la façon dont les humains perçoivent le monde réel.

C’est pourquoi le deep learning est particulièrement adapté aux tâches de classification, à la reconnaissance et à la génération d’images, à la reconnaissance vocale, à la détection d’objets, aux systèmes de recommandation, aux prédictions et à bien d’autres choses encore ; c’est pourquoi le deep learning vient à bout de nombreux problèmes d’IA qui semblaient impossibles à résoudre il y a encore quelques années : personne n’aurait imaginé qu’un programme puisse battre le champion du monde de go (le go est considéré comme l’un des jeux les plus difficiles qui soient), qui déclara après sa défaite : « Si personne ne me l’avait dit, […] j’aurais pensé que c’était un très bon joueur, une vraie personne ». Nous parlons de logiciels capables d’imiter le processus de réflexion : le deep learning pourrait bel et bien réduire la distance entre les humains et les machines !

Pourquoi maintenant ?

Vous vous demandez sans doute pourquoi une tendance aussi incroyablement prometteuse ne connaît des progrès exponentiels que depuis une dizaine d’années, et la question est légitime, puisque les RNA existent depuis près de 50 ans ! Il y a pourtant au moins deux choses dont nous disposons aujourd’hui et qui n’existaient pas auparavant :

1. Le Big Data : une énorme quantité de données pour entraîner nos RNA
2. Une puissance de calcul bien plus grande : le cloud computing et le calcul sur cartes graphiques, pour entraîner des systèmes toujours plus profonds

Le deep learning pour améliorer notre quotidien

Grâce au deep learning, de plus en plus d’entreprises donnent une vraie valeur à leurs données et en extraient des informations cachées utiles, qui peuvent servir à prendre de meilleures décisions et à augmenter leurs revenus : on parle alors d’entreprises pilotées par la donnée.

Et ce n’est pas tout :

• Le deep learning peut servir à améliorer la satisfaction des clients et, plus généralement, la qualité des services qui leur sont proposés. En prédisant les pannes de serveurs, par exemple, les entreprises pourraient réduire les interruptions de service et les pertes financières, et disposeraient de plus de ressources pour améliorer leurs services.
• Il pourrait avoir des applications médicales (en permettant de prédire les maladies avec précision et/ou de construire des robots intelligents qui aident les médecins à pratiquer une chirurgie mini-invasive).
• Il pourrait améliorer notre « sécurité au quotidien » (pensez aux voitures autonomes, à la vidéosurveillance, aux applications militaires…).

Nous ne savons pas de quoi demain sera fait, mais on peut dire sans se tromper que le deep learning marque le début d’une ère nouvelle.

Si ce sujet vous intéresse et que vous voulez en savoir plus sur le deep learning, laissez un commentaire et continuez à nous suivre !

Graziano Mita