Machine Learning¶
Les livres anglais sur les sciences sont souvent plus appliqués, le démarrage est assez lent, le lecteur comprend bien les notions de bases. Les livres français sont souvent plus organisés, exemples définition théorème démonstration. C’est assez fidèle à la façon dont les mathématiques sont enseignées. Le cours devient plaisant lorsque le professeur se perd dans quelques digressions et mêlent plus plusieurs domaines pour souligner les ressemblances. Je n’ai jamais assisté à un cours en anglais où le professeur demande de lire un chapitre ou deux à l’avance pour en débattre ensuite. Les étudiants ne le font pas toujours et le cours prévu pour échanger devient très silencieux. Le cours à la française ne fait aucune supposition de la façon mais il faut comprendre à la vitesse ou il se déroule pour l’apprécier pleinement. Quel que soit la tradition, cet échange de connaissance se passe toujours mieux s’il n’est pas seulement motivé par la sanction - la note - mais plutôt par la curiosité. Le machine Learning comme les mathématiques ne sont pas une séries de règles qu’on applique quasiment à l’aveugle pour aboutir invariablement au résultat. Je les vois plutôt comme les éléments d’un puzzle qu’on agence sur un terrain qui résiste. Le plaisir nait de cette résistance.
Le machine Learning s’applique à des données. Elles sont une façon de décrire un phénomène de façon numérique. Un poisson rouge dans un bocal n’a rien d’enivrant et rien de numérique excepté si on commence à noter sa position toutes les secondes. On se retrouve bientôt avec une longue liste de coordonnées. Un datascientiste préféra de beaucoup cette longue liste de chiffres plutôt qu’une phrase concise comme : c’est un poisson rouge dans bocal. Cet charmant scientifique peut facilement déterminer la zone dans laquelle le poids évolue et la trouver si petite qu’il ne pourra en déduire qu’une seule chose : c’est un poisson rouge dans un bocal. Facile mais inutilement compliqué diriez-vous. Sans doute. Le datascientiste peut néanmoins en étudiant les positions déterminer sa vitesse et observer s’il est vif ou plutôt lent, ce qui le mènera à sa seconde observation : le poisson rouge est trop nourri ou dépressif. Si vous enregistrez le temps à chaque fois que je frappe une touche sur le clavier de mon téléphone, vous en déduirez que je suis tout autant que vous fasciné par l’histoire de ce poisson rouge. Il parle malgré tout dans une langue que vous diriez peut être codée aujourd’hui et peut être limpide demain. Et si vous faites du jogging… Une application de jogging menace la sécurité des bases militaires.
Le machine Learning est une boîte à outils capable de tourmenter les traces numériques que nous laissons partout dès qu’un ustensile électrique prend le soin de noter dans son journal intime tout le temps que nous passons à le tripoter. Et quand cette donnée ne suffit pas, il faut parfois imaginer celle qui nous faudrait pour automatiser une décision car c’est l’objectif en fin de compte : automatiser une décision, la disposition des produits dans un magasins, l’estimation de la qualité du vin, l’investissement, la disposition des résultats de recherche…