Fin octobre, j'ai eu le privilège d'animer une table ronde sur le thème de l'intelligence artificielle et du machine learning à Unbound Miami, un salon professionnel boutique (mais excellent) spécialisé dans la présentation de technologies disruptives telles que la cryptomonnaie et la blockchain.
Depuis la conférence, j'ai beaucoup réfléchi au sujet du machine learning dans le cloud et à l'impact qu'il est susceptible d'avoir sur nos vies dans un avenir proche. De nombreux aspects de cette technologie présentent des bénéfices, mais comme pour toute technologie disruptive, elle comporte également des écueils.
Le machine learning : ange et démon
Par exemple, les réseaux sociaux - en particulier des services comme Facebook, Instagram et Twitter - ont été salués comme des outils puissants pour enrichir nos vies, nous aidant à communiquer avec d'autres personnes comme nous ne l'avons jamais fait auparavant. Ils annonçaient une ère de transparence des actualités, de reportages instantanés et de journalisme citoyen.
Ces avantages sont légitimes. Mais ils s'accompagnent aussi d'embûches : Une population d'individus sans cesse distraits, atteints d'autisme et augmentés par la technologie; les dangers de l'éclairage au gaz assisté par la technologie; la possibilité pour des groupes haineux et les théoriciens du complot de distiller partout leur poison; la subversion de notre démocratie par des acteurs étrangers ennemis et, bien sûr, l'inévitable divulgation massive de données personnelles résultant de problèmes de sécurité liés aux API de ces sites.
Il en va de même pour le machine learning et l'intelligence artificielle. Oui, la prolifération des capteurs médicaux peut et sera un outil puissant pour le diagnostic précoce des maladies graves et modifiera la relation entre le patient et le clinicien, ce qui permettra une surveillance beaucoup plus dynamique et en temps réel des maladies.
Mais comme dans le cas des réseaux sociaux, le machine learning dans le présente des écueils potentiels similaires.
Le machine learning est un élément essentiel de la tendance à la transformation numérique des entreprises. L'accès à des connaissances permettant de mieux comprendre les processus métiers grâce à ce qui est mesurable via différents types de capteurs et de corréler ces données à l'aide de l'analyse de modèle est une capacité de plus en plus importante qui devient rapidement une partie essentielle de la boîte à outils IT.
Par exemple, des entreprises comme SAP, grâce aux produits Leonardo Intelligent Enterprise, ont réuni l'IoT avec des plateformes applicatives déployées sous forme de SaaS. Celles-ci peuvent être facilement personnalisées pour que les entreprises puissent créer des visualisations de données complexes afin de mieux comprendre comment résoudre des problèmes business complexes.
Comprendre les schémas et les tendances au moyen du big data n'a rien de nouveau : l'Agence de sécurité nationale fait du renseignement par signaux complexes (SIGINT) depuis de nombreuses années afin de défendre le pays contre les menaces terroristes et étrangères. Le programme PRISM l'a révélé.
Des technos exploitées au détriment des salariés
De même, la société d'études NPD utilise de très grandes quantités de données de points de vente fournies par de grands détaillants afin de créer des rapports sur les tendances importantes des achats d'électronique du grand public.
Ce qui est nouveau, c'est que la collecte intelligente de données et l'analyse ne sont plus réservées aux plus grandes entreprises et institutions du monde - n'importe quelle entreprise peut désormais en tirer profit.
Avec des plateformes comme SAP Leonardo ou des services cloud semi-finis comme Azure machine learning, AWS Sagemaker, Google Cloud AI et IBM Watson machine learning, la vitesse de développement et le temps de mise sur le marché sont beaucoup plus rapides qu'ils ne l'ont jamais été auparavant pour construire un système complexe de machine learning ou une application.
Les entreprises sont naturellement très désireuses d'améliorer et de rationaliser leurs processus métiers. Mais les mêmes outils qui aident les entreprises à devenir plus agiles et à économiser de l'argent peuvent aussi être utilisés au détriment des salariés.
Par exemple, les points d'accès Wi-Fi peuvent recueillir des données sur les terminaux à proximité, et une application courante dans le commerce de détail consiste donc à utiliser cette information afin de mieux comprendre le trafic entrant et sortant d'un magasin et où et combien de temps les clients restent.
Mais, dans une entreprise, cela pourrait également être utilisé en combinaison de la gestion des appareils mobiles, l'enregistrement des frappes et la détection d'activité/présence pour suivre les allées et venues et les activités des employés; en utilisant la corrélation des données et l'analyse des modèles pour mieux comprendre la productivité des employés sur une base globale ou même ciblée.
La même information marketing, si elle était hébergée dans un "lac de données" d'un géant du cloud comme AWS ou Azure, ne serait pas non plus nécessairement limitée à un seul tenant. Ces données marketing, recueillies par un distributeur dans un centre commercial, pourraient être partagées avec d'autres enseignes dans le cadre d'un consortium ou d'un partenariat afin de développer des applications d'analyse de modèles beaucoup plus complexes sur nos modes d'achat.
L'information recueillie dans de multiples lacs de données et de multiples cloud pourrait théoriquement être combinée pour produire des rapports extrêmement sophistiqués sur n'importe quel groupe d'utilisateurs, surtout si vous combinez cela avec les données existantes de leurs profils sur les réseaux sociaux, tels que leurs goûts et ce qu'ils partagent.
Les risques de la collecte et du croisement des données
Ce qui devrait nous préoccuper, c'est le type de données recueillies par les capteurs, la façon dont l'accès à ces données est accordé et comment elles seront croisées et utilisées de différentes manières au moyen d'analyses assistées par ordinateur.
Par exemple, des wearables comme l'Apple Watch peuvent fournir des données télémétriques aux professionnels de la santé sur l'état de santé général de leurs patients, des alertes et rapports afin que les médecins puissent jouer un rôle plus proactif plutôt que d'agir lors d'un événement majeur, comme une visite aux urgences.
Mais la même technologie est déjà utilisée par les compagnies d'assurance-vie, comme John Hancock dans le cadre de son programme Vitality, afin d'émettre des polices d'assurance dont les taux sont influencés par l'activité et le mode de vie global du porteur.
Il ne faudrait pas grand-chose pour étendre l'analyse des tendances pour incorporer les données du récepteur GPS sur cet appareil ou même sur le smartphone de l'assuré pour comprendre, par exemple, quels types de restaurants cette personne visite et, potentiellement, quel est l'impact sur la santé générale de cette personne.
Donc, à l'avenir, vous réfléchirez peut-être à deux fois avant de faire une réservation à In-N-Out sur Yelp.
Des produits sur le marché, comme Sprint Drive, utilisent des services cloud pour stocker les données de voyage GPS et d'autres données sur la performance du véhicule - des données auxquelles une compagnie d'assurance pourrait avoir accès si elles étaient vendues par le fournisseur de données d'origine.
Tout comme on pourrait opter pour John Hancock Vitality, vous pourriez vous voir offrir (imposer) une police d'assurance dynamique de GEICO, USAA, Prudential, ou Hartford Insurance pour votre véhicule si vous utilisez un dispositif de suivi automatique comme Sprint Drive.
Vous êtes allé chez McDonald tous les jours pour le petit-déjeuner ? Vous avez roulé trop vite sur cette route principale ? Je pense que vos primes viennent d'augmenter de 3.000 $ par an. N'oubliez pas qu'il ne s'agit pas seulement de collectes de données ciblées, mais que vos voisins participent également à la détermination des tendances dans votre ville et votre municipalité, ce qui pourrait également vous toucher.
Tous ces exemples, bien sûr, ne sont que le genre de choses que les entreprises feront dans leur propre intérêt lorsqu'elles auront accès à ce genre de données qu'elles recueillent elles-mêmes pour leurs applications internes.
Source : Cette information et actualité qui a suscité notre intérêt, a été publiée sur le site zdnet.fr que nous remercions. il nous a semblé pertinent de vous en faire profiter.
