Les algorithmes bientôt obsolètes

L'apprentissage automatique (machine learning) émerge comme un paradigme dominant en informatique, fondé sur une observation clé : l'association de données massives et d'algorithmes d'apprentissage relativement simples permet de résoudre des problèmes autrefois jugés inaccessibles. Des exemples spectaculaires illustrent cette transformation : le système Watson d'IBM capable de diagnostiquer des cancers au Memorial Sloan Kettering, ou les véhicules autonomes développés par Google.

Contrairement à l'approche classique qui cherche à modéliser explicitement les mécanismes causaux, le machine learning adopte une stratégie différente : découvrir des corrélations significatives dans les observations pour construire un modèle prédictif. Cette approche alimente des applications variées et souvent invisibles : analyse prédictive du panier d'achat, détection de fraude bancaire, reconnaissance optique de caractères, reconnaissance faciale, traduction automatique ou analyse de sentiments.

Le texte expose les fondements mathématiques du machine learning supervisé selon un triptyque : définir une représentation des prédictions possibles, évaluer leur qualité, puis optimiser pour trouver la meilleure solution. Bien que l'article soit inachevé, il établit clairement que cette capacité à prédire à partir de données observées marque une rupture dans la façon de concevoir et déployer les systèmes informatiques.