Les algorithmes collaboratifs promettent d’être ‘the next big thing’
L’an dernier, lors de la conférence British Machine Vision, un professeur de l’université du Kentucky et deux doctorants ont présenté leurs travaux : ils semblaient promis à une respectable obscurité universitaire. Et pourtant, un an plus tard, leur algorithme, qui estime où devrait se trouver la ligne d’horizon dans une photographie, attire des clients très improbables. Il est utilisé par des services de Défense de différents gouvernements pour estimer la localisation d’une personne prise en photo, ainsi que par des prestataires de retouche photo pour le grand public, pour corriger les imperfections des clichés. Et pour chaque série de 10 000 utilisations automatisées de leur algorithme par des applications, nos chercheurs empochent environ huit dollars. Cet exemple est tiré d’un portail d’applications de ‘machine learning’ (ou apprentissage automatique) Algorithmia. Il s’inscrit dans le rush vers les algorithmes collaboratifs. Le monde de la tech promet une révolution du ‘machine learning’, où les logiciels deviendront tous plus intelligents. Les pièces du puzzle commencent à se mettre en place pour que cela puisse devenir réalité. Ce mois-ci, Google a fait encore mieux. Il a racheté Kaggle, une société qui dit avoir le plus vaste réseau en ligne de spécialistes indépendants des données, avec plus de 500 000 membres inscrits sur son site. Sur Kaggle, ils sont en compétition pour remporter les prix accordés à ceux qui trouvent les meilleures solutions pour résoudre les défis que leur présentent des groupes industriels comme General Electric. Par leurs prouesses technologiques, ils améliorent leur réputation auprès de leurs pairs et amassent des références pour décrocher un poste. D’autres sont allés plus loin pour exploiter ces talents des algorithmes dispersés géographiquement. Une flopée de start-up, qui portent des noms tels que Quantopian, Numerai ou Quantiacs, ont émergé pour appliquer la même approche au trading algorithmique. D’après eux, la prochaine stratégie miracle pour “battre le marché” pourrait éclore n’importe où, et pas seulement sous serre, dans l’écosystème des sociétés actuelles d’analyses quantitatives, surnommées les “quants”. Pour les entreprises impliquées, être chasseur de ces têtes particulières ne se réduit pas à forer un gisement de mathématiques avancées. Algorithmia, société basée à Seattle, veut devenir davantage qu’une place de marché virtuelle. Elle propose aussi des algorithmes qu’elle se procure auprès des chercheurs pour les vendre en tant que services, afin que d’autres développeurs puissent les utiliser. Elle met au point par ailleurs un genre de “dépôt” interne pour les entreprises, pour que celles-ci utilisent mieux les outils qu’elles développent elles-mêmes. Comme Diego Oppenheimer, CEO de Algorithmia, l’explique :
“Les applications sont en train de changer : elles ont toutes besoin de traiter de grosses quantités de données”. La vague d’intérêt pour le “big data”, qui a commencé au début de cette décennie, a poussé de nombreuses organisations à se doter de l’infrastructure tech nécessaire pour capter de vastes quantités d’informations. Aujourd’hui, une nouvelle couche s’y ajoute, pour transformer ces données en apprentissages qui rendent les applications plus intelligentes. Elle représente une infrastructure technologique émergente, qui fait de l’intelligence artificielle non seulement une nouvelle application, mais aussi une nouvelle approche du digital. Pour Google, l’achat de la société Kaggle illustre une stratégie à long terme : devenir une plateforme pour les développeurs d’applications intelligentes. Selon l’un dirigeant de Kaggle, le but est “d’exposer” les nombreux utilisateurs du réseau Kaggle aux “puissants services et infrastructures d’apprentissage automatique” de Google. Si ces utilisateurs adoptent les outils de Google, le groupe pourrait se placer aux avant-postes quand l’intelligence artificielle jouera un rôle plus important. Cela ressemble à une stratégie copiée directement dans le manuel de Microsoft. La conception d’outils pour les développeurs de logiciels était à la base de l’emprise de Microsoft sur l’ère informatique client/serveur qui a précédé celle du cloud. Google, de son côté, est historiquement orienté vers l’interne et met sa puissance technologique au service de l’amélioration de ses propres services. Mais un équilibrage délicat va être nécessaire. Pour garder son réseau, Kaggle a promis de rester une “plateforme de données ouvertes”. Ses membres seront aussi autorisés à utiliser une vaste gamme d’outils d’apprentissage automatique, assure la société, qu’ils soient ou non financés par Google. Obnubilé par la course à la voiture autonome et autres plans sur la comète, Google a presque failli rater ce qui pourrait être le plus juteux des futurs marchés, l’informatique dans le cloud. Il tente de corriger le tir depuis l’an dernier, et son orientation vers le ‘machine learning’ dans le cloud promet d’être son meilleur espoir pour rattraper les leaders du marché, Amazon et Microsoft. L’infrastructure nécessaire à un usage élargi du ‘machine learning’ est toujours un chantier en cours. Mais les grandes lignes de la prochaine guerre entre titans de la tech commencent à se révéler.
Le monde de la tech promet une révolution du ‘machine learning’, ou apprentissage automatique. Les logiciels deviendront tous plus intelligents. Les pièces du puzzle commencent à se mettre en place pour que cela puisse
devenir réalité