W1siziisijiwmtkvmtavmtuvmtmvmzkvntavmti2l21hy2hpbmutbgvhcm5pbmctymxvzy5qcgcixsxbinailcj0ahvtyiisijiwmdb4njqwiyjdxq

Les applications du Machine Learning

À première vue, Netflix, Uber et ABN-AMRO ne semblent pas avoir grand-chose en commun. Cependant, les processus commerciaux nous montrent une tendance nette ; ils recourent tous au Machine Learning dans leur activité principale. Netflix s’en sert afin de prédire la série que vous allez regarder ensuite, Uber pour indiquer aux chauffeurs la région de grande affluence de tout à l’heure et ABN-AMRO pour signaler les transactions frauduleuses. Autant d’exemples assez clairs. Cependant, il existe de nombreuses possibilités dans d’autres secteurs. Pour le moment, une énorme quantité de données disponibles est encore peu utilisée.

Le Royaume-Uni. En 2016, le House of Commons Science and Technology Committee (comité de la Chambre des communes chargé d’examiner des matières scientifiques et technologiques) a écrit que seulement 12 % de toutes les données disponibles étaient analysées. Même si en 2018 ce pourcentage est probablement un peu plus élevé, le potentiel inexploité reste grand. C’est là que le machine learning offre vraiment un résultat : un ordinateur peut analyser les données en continu plus vite et plus efficacement qu’une personne.  

Nous sommes convaincus que chaque organisation peut en tirer profit. Par conséquent, nous présentons ci-dessous quatre processus industriels généraux que le machine learning pourrait révolutionner.

Le contenu des projets

Lorsque vous participez à un nouveau projet ou en lancez un vous-même, il faut toujours un peu deviner les coûts et la durée. Actuellement, on fait souvent confiance à l’expertise d’un chef de projet ou d’un bureau d’étude externe.

Si vous aviez accès à une base de données fournissant des informations sur les projets mondiaux, vous pourriez réaliser une bonne estimation par projet grâce au machine learning. De la sorte, la décision sur la participation a lieu plus facilement. Vous pouvez évaluer les chances de ce projet et en cas de projet personnel, vous savez quel montant réserver. L’accès à une base de données si exhaustive paraît peut-être utopique, mais certains géants de l’ERP offrent déjà une telle solution.

Machine learning et marketing

Aujourd’hui, le marketing et le machine learning sont étroitement liés. Ainsi, il est possible de prédire quand les clients actuels vont de nouveau commander, quand ils vont avoir besoin d’un réassortiment ou quand ils vont faire appel au service après-vente. En outre, le machine learning vous aide à trouver de nouveaux groupes cibles pour vos publicités. L’analyse du comportement des « acheteurs » vous permet de montrer des publicités en ligne à un public similaire à des clients qui vous ont déjà acheté un produit. La technique peut aussi être exploitée afin de proposer des offres encore plus personnelles aux consommateurs. Elle est indispensable aux entreprises en ligne pour bien suivre les évolutions et les mettre en œuvre.

Heureusement, les différentes plateformes publicitaires facilitent toujours plus la vie de leurs utilisateurs. Il suffit alors de configurer la technique de façon à l’optimiser sur votre propre site web.

Un rendement plus grand

L’usinage et les lignes de production ont beaucoup à gagner avec l’utilisation de machines toujours plus intelligentes. L’autodiagnostic et l’entretien programmé permettent de diminuer le taux d’indisponibilité et d’augmenter le rendement. De cette manière, vous pouvez aussi mettre vos mécaniciens judicieusement au travail et entretenir plus de machines par mécanicien.

Achat plus efficace

Énormément de facteurs jouent un rôle dans le prix du marché d’un produit. Ainsi, il faut notamment tenir compte des taux de change, du climat politique, des droits d’importation, des frais de transport et de douane. Décider quand acheter des dollars ou fixer des contrats avec les transporteurs constitue encore habituellement l’apanage d’un cerveau humain. Cela alors que le marché suit souvent un schéma et qu’un ordinateur peut déterminer parfaitement le moment d’achat idéal.

Hormis ces quatre processus industriels généraux, de nombreux autres processus spécifiques peuvent être optimisés par le machine learning. Il importe de s’interroger sur le fondement des décisions. Lorsqu’une décision est prise sur la base de facteurs fixes (éventuellement avec des résultats variables), le machine learning compte certainement parmi les options d’optimisation du processus.