Publié précédemment sur LSE Business Review.
L'apprentissage automatique est sur le point d'ouvrir la voie à de nombreuses opportunités passionnantes pour les entreprises, mais il reste de nombreux obstacles à franchir avant d'atteindre la ligne d'arrivée. De nombreuses organisations sont encore aux prises avec des systèmes hérités et tardent à investir dans des technologies plus avancées. Mais la question la plus urgente, qui est un problème constant pour le secteur technologique, est la pénurie de talents qualifiés pour répondre aux besoins d'une industrie exigeante qui évolue rapidement.
Un territoire inexploré
De par sa conception, l'apprentissage automatique est expérimental et souvent imprévisible - il faut beaucoup d'exploration avant que les organisations puissent même commencer à donner un sens aux données et à déterminer quels algorithmes d'apprentissage automatique fonctionneront le mieux. Si la nature imprévisible de l'apprentissage automatique est naturellement déconcertante, de nombreuses organisations n'ont pas encore pleinement saisi ce qui est nécessaire pour le déployer et le gérer efficacement.
Accès aux données
L'accès aux données est essentiel pour toute forme d'apprentissage automatique, mais pratiquement toutes les entreprises ont des politiques qui limitent l'accès à certaines informations et données. Ce qu'elles doivent comprendre, c'est que l'apprentissage automatique est, en fin de compte, alimenté par toutes sortes de données. Par conséquent, pour que les algorithmes soient efficaces, il est essentiel de fournir un accès cohérent et continu à ces données, tout en respectant la sécurité et les autres mandats de gouvernance des données. Même si les organisations ont des politiques qui permettent un accès facile aux données en temps réel, elles doivent réfléchir à la manière de rassembler les nombreux ensembles de données afin d'assurer un flux régulier de données. Les modèles d'apprentissage automatique ne devraient pas être entraînés sur un ensemble de données fixe et ponctuel, car l'efficacité des modèles diminue, mais être entraînés en continu sur des données changeantes, de sorte que les modèles puissent évoluer en fonction du comportement changeant des données et des systèmes.
Technologie dépassée
Un autre obstacle à l'adoption de l'apprentissage automatique est la technologie obsolète. De nombreuses organisations s'appuient encore sur des technologies héritées et des systèmes de données sur site, ce qui rend incroyablement difficile le traitement et la gestion efficaces du volume et de la variété croissants des données générées. En conséquence, les professionnels de l'informatique passent trop de temps à coder manuellement pour résoudre le désordre des données et à construire les pipelines de données, et pas assez à des tâches à plus forte valeur ajoutée.
L'ancien s'en va, le nouveau s'installe
En matière de technologie, les entreprises sont confrontées à deux options : rester à la pointe de la concurrence ou risquer de devenir obsolètes. Les organisations doivent non seulement améliorer l'expérience des utilisateurs et garantir une utilisation efficace de leurs ressources, mais aussi être en mesure d'anticiper et de prévoir les actions et les attentes de leurs utilisateurs afin de fournir des recommandations précises ou des informations exploitables. Pour résoudre les problèmes techniques, les entreprises devraient investir non seulement dans les technologies émergentes cloud , mais aussi dans celles qui peuvent offrir un niveau d'automatisation intelligente et nécessitent un codage minimal pour alléger la charge des professionnels de l'informatique.
L'investissement ne s'applique pas seulement à la technologie, mais aussi à la formation et au perfectionnement des employés. Les organisations doivent s'assurer que leurs employés, tant dans le domaine des technologies de l'information que dans les différentes branches d'activité, sont bien équipés pour utiliser pleinement ces nouvelles technologies, et qu'ils suivent régulièrement des formations pour mettre à jour et élargir leurs compétences.
Combler le déficit de compétences
Un autre problème majeur auquel les organisations sont confrontées depuis longtemps est le manque de talents qualifiés. L'adoption des technologies d'apprentissage automatique et de cloud étant de plus en plus répandue, elle a entraîné une augmentation correspondante de la demande de talents qualifiés formés à l'utilisation efficace de ces outils. Le nombre de scientifiques des données et de spécialistes de l'apprentissage automatique augmente, mais la réalité est que ces compétences spécialisées prennent du temps à développer. Par conséquent, l'offre actuelle ne suit pas la demande.
Il ne devrait pas incomber uniquement aux entreprises de s'attaquer au problème de la pénurie de talents - les universités ont également un rôle à jouer. Il est encourageant de voir que les universités ajoutent chaque jour davantage de cours sur l'apprentissage automatique et la science des données, certaines intégrant ces nouvelles disciplines au tronc commun de certains diplômes. Mais il ne faut pas s'arrêter là - alors que le monde universitaire fournit aux étudiants une formation théorique, les entreprises peuvent apporter un éclairage et une expérience basés sur des problèmes professionnels concrets. Les entreprises devraient collaborer avec les universités pour aider les étudiants à acquérir une expérience pratique sur le terrain. L'un des moyens d'y parvenir est de faire de l'expérience professionnelle une exigence du cours. Les universités progressistes obligent les étudiants qui suivent ces cours à passer un semestre à travailler pour une entreprise dans un domaine pertinent. Cela permet non seulement aux étudiants de travailler avec différentes entreprises, mais aussi de raccourcir considérablement le processus de recrutement pour les entreprises lorsqu'il s'agit d'embaucher la prochaine vague d'employés à temps plein.
En outre, les entreprises ne doivent pas se contenter de recruter des diplômés universitaires pour les postes liés à l'apprentissage automatique et à la science des données. Dans un secteur où les talents qualifiés se font rares, la formation des employés existants qui possèdent d'autres compétences pertinentes contribuera à combler le déficit de compétences. Il est étonnant de voir combien de ressources et de matériel précieux et peu coûteux existent pour aider les gens à s'auto-former afin qu'ils puissent apprendre à coder et se mettre à niveau sur les nouvelles technologies.
Une tendance intéressante que nous commençons à observer est que les professionnels, tels que les analystes commerciaux seniors et les ingénieurs logiciels, élargissent leurs connaissances de la science des données et de l'apprentissage automatique. De nombreux ingénieurs logiciels, par exemple, sont familiarisés avec l'apprentissage automatique, car il s'agit en fait d'un logiciel. Si les analystes informatiques n'ont pas forcément d'expérience en programmation de logiciels, leur connaissance du domaine, leur expérience du traitement des données et de l'analyse, ainsi qu'un ensemble émergent d'outils technologiques intuitifs en libre-service, leur permettent de tirer parti de l'apprentissage automatique. Le fait de ne pas se limiter aux scientifiques des données et d'investir dans des personnes possédant d'autres compétences utiles de cette manière contribuera non seulement à atténuer la pénurie de talents, mais permettra également à un plus grand nombre d'utilisateurs de s'engager dans l'apprentissage automatique et d'apporter de la valeur à l'entreprise.
Comment tirer le meilleur parti de l'apprentissage automatique
L'apprentissage automatique et l'IA finiront par imprégner tous les aspects des applications et des systèmes, et pas seulement l'analyse prédictive. Mais nous avons encore du chemin à parcourir avant que cela ne devienne une réalité. Les entreprises doivent être fermes dans leur volonté de se débarrasser des systèmes hérités et d'investir dans la technologie et les ressources qui leur permettront de garder une longueur d'avance. Mais ce sera une cause perdue si les entreprises ne veillent pas à ce que leurs employés soient équipés pour tirer le meilleur parti de ces technologies. La collaboration avec les universités et les écoles de formation professionnelle est essentielle non seulement pour attirer de nouveaux talents, mais aussi pour s'assurer que les employés développent constamment leurs compétences et leurs connaissances.
Toutes ces évolutions laissent entrevoir un avenir radieux, qui verra l'adoption généralisée de l'apprentissage automatique pour résoudre certains des défis commerciaux les plus pressants de demain.
