Auteur/autrice : admin@pacte

Domotique, IOT : découvrez les dernières tendances pour une société toujours plus moderne

L’avancée permanente de notre mode de vie et de nos habitudes de consommation ne cesse de faire naître en nous de nouveaux besoins. Afin de satisfaire ceux-ci, nous développons chaque jour de nouvelles solutions intelligentes qui s’adaptent parfaitement à nos réalités.

La domotique : pour des maisons toujours plus ergonomiques

Cela ne vous a sans doute pas échappé : les maisons connectées et contrôlables à distance, le contrôle intelligent de la consommation électrique, les alertes de présence au domicile, l’extinction automatique de l’éclairage, le verrouillage automatique des portes, etc. Ces termes ne vous sont plus étrangers. Vous les avez probablement déjà expérimentés chez un parent, un ami ou en avez déjà entendu parler. Toutes ces tâches, autrefois faites manuellement, sont aujourd’hui complètement automatisées grâce à la domotique. Et ce, dans le but de vous apporter le maximum de contrôle (sécurité et gestion de la consommation énergétique notamment) et de facilité (confort) grâce à la technologie.

Le IoT ou le monde des objets connectés

Si le terme iot ne vous évoque rien, c’est probablement parce qu’il est un anglicisme signifiant littéralement « Internet des Objets ». Ce terme regroupe l’ensemble de nos objets du quotidien que nous connectons à Internet. Vous l’aurez compris, cela va de la plus petite enceinte connectée aux caméras de surveillance dans les rues. Et cela dans le but d’optimiser et de faciliter le traitement des informations entre machines avec le minimum d’interventions humaines. Ainsi, les machines communiquant entre elles prennent des décisions permettant d’améliorer notre quotidien. Cela est particulièrement utile dans les industries et dans les grandes chaînes de production où l’automatisation de processus apporte un gain de temps considérable.

IoT et Big Data : une relation forte

Saviez-vous que chaque fois que vous interagissez avec du matériel connecté, vous générez des données ? Effectuer une recherche sur Internet, aller sur un réseau social, écouter de la musique sont autant de moyens aujourd’hui de générer des données. Autant vous le dire, nous produisons des quantités colossales de données chaque jour. Ce sont ces données produites qu’on désigne par le terme « big data ». L’analyse et le traitement de ces données est un enjeu majeur de technologie.

Comment le Machine Learning et le Big Data s’entremêlent aujourd’hui ?

Comment le Machine Learning et le Big Data s'entremêlent aujourd'hui ?

De nos jours, le Machine learning et le Big data sont étroitement liés. Ils sont même interdépendants. En effet, l’apprentissage automatique des ordinateurs ne peut pas se faire sans le recours à de grands ensembles de données.

Mais en quoi consistent exactement ces deux disciplines ? Dans quelle mesure dépendent-elles l’une de l’autre ?

Machine learning et Big data : deux disciplines dans l'ère du temps

L’apprentissage automatique est une branche et une technique de l’IA (intelligence artificielle). Elle consiste à apporter des solutions à des problèmes statistiques complexes et d’exploitation de la donnée par la reconnaissance de motifs récurrents dans un ou plusieurs flux de données. De manière plus simple, il s’agit pour l’ordinateur de réaliser des analyses prédictives en s’appuyant sur des techniques statistiques. En quelques fragments de secondes, la machine réalise un forage des données et décèle des comportements anormaux ou suspects, telles les fraudes par exemple.

Le Big data peut être défini comme de vastes ensembles de données qui peuvent être collectés et analysés dans le but d’en dégager des informations stratégiques, utiles aux entreprises. Ces données peuvent aussi être utilisées lors de projets d’apprentissage automatique. Le Big data peut servir plusieurs objectifs : créer des campagnes marketing personnalisées, accélérer la prise de décisions, traiter des plages de données exhaustives entre autres.

Les liens entre l'apprentissage automatique et Big data

Le Machine learning repose sur le Big data. En effet, une machine ne peut pas développer son intelligence par cette technologie si elle ne dispose pas de grands ensembles de données. Plus la quantité de données est élevée, plus la solution finale apportée au problème est fine et précise. Prenons l’exemple des fraudes dans les paris sportifs. Pour apprendre à votre ordinateur à les identifier, il est préférable de lui soumettre les données de beaucoup de parieurs, pour identifier celles qui sont anormales.

On le comprend, ces deux notions fonctionnent ensemble. Le Big data est même le préalable nécessaire au fonctionnement de l’apprentissage automatique des machines.

Le BRMS (moteur de règles) : toujours un avenir ?

A l’heure où l’Intelligence Artificielle est devenue LE sujet, l’incontournable atout dans les systèmes d’informations, le moteur de règles ou BRMS (technologie créée dans les années 70 et composante intégrante de l’IA) n’est pratiquement plus enseigné dans les écoles d’ingénieurs. Et pourtant, cette technologie est encore très activement utilisée dans tous les secteurs.

Deep Learning vs Expertise humaine métier

Quand on vous parle d’Intelligence artificielle, immédiatement vient à l’esprit le Machine Learning et le Deep Learning, ces algorithmes permettant un apprentissage par la machine d’un raisonnement à appliquer dans des situations similaires à celles sur lesquelles la machine s’est entrainée. Mais chaque entreprise est dotée d’une expertise métier humaine très riche, capable d’analyser et de construire une prise de décision adaptée à chaque cas rencontré. Pourquoi alors ne pas mettre pleinement à profit cette expertise en dotant les experts métiers de solutions informatiques leur permettant de transposer leur raisonnement ? Le moteur de règles est une solution.

Particulariser plutôt que catégoriser

Dans ce flot d’information qui nous inonde chaque jour, nous nous devons de faire le filtre, le tri pour porter notre intérêt sur ce qui nous paraît crédible et donc de confiance. La dématérialisation du contact et la numérisation de l’information n’empêchent pas le conseil pertinent et approprié. Aujourd’hui, qu’on le veuille ou non, des intelligences artificielles s’activent de plus en plus pour apprendre sur vous, votre comportement, vos préférences etc… Simplement, cet apprentissage ne conduit pas systématiquement à une réponse ou offre pertinente, adaptée à votre cas particulier, et en parfaite adéquation avec la stratégie des entreprises qui souhaitent vous « cerner ». L’intelligence de la statistique et de l’apprentissage n’exclut pas l’erreur de catégorisation. C’est là qu’intervient le BRMS !

Du système expert au BRMS

Il y a 40 ans, on commençait à modéliser le principe du diagnostic d’une pathologie à partir de symptômes cliniques ; c’était le début des systèmes experts qui, par instinct de survie et à coup de repackaging marketing au milieu des années 90, deviendront des Business Rules Management Systems (BRMS) 30 ans plus tard. Ce qui paraissait être de l’arrogance intellectuelle et scientifique est devenu une réponse au dialogue personnalisé et à la capitalisation de l’expertise. Aujourd’hui, le BRMS demeure une inférence cognitive présente dans tous les secteurs d’activité. La quasi-totalité des institutions financières françaises utilisent un moteur de règles pour leur processus d’octroi de crédit, notamment dans l’analyse du risque. Le secteur industriel comme financier et assurantiel ont mis en place des processus de tarification pilotés par les moteurs de règles, qui sont également une réponse dans les systèmes de détection de fraude et de lutte contre le blanchiment d’argent …

Les moteurs de règles (BRMS) ont encore un bel avenir !

Emploi : Quels sont les profils de la Maîtrise du risque en AMOA

Emploi : Quels sont les profils de la Maîtrise du risque en AMOA ?

Les capacités ou compétences suivantes sont nécessaires pour une analyse des risques et une gestion efficace du risque AMOA :

Gestion des incidents AMOA

Il permet de développer un processus en boucle pour l’enregistrement des incidents, en faisant une analyse des risques sur le même qui permet de définir la cause profonde qui l’a provoquée et de pouvoir, sur la base de celle-ci, définir les actions opportunes avec lesquelles lui donner un traitement.

La gestion des incidents est un processus réactif, mais elle est d’une grande utilité pour les organisations, car elle leur permet de tirer des enseignements des problèmes et des conflits survenus afin de prendre les mesures qu’elles jugent appropriées pour les prévenir.

Il s’agit donc d’une capacité essentielle dans la gestion du risque opérationnel et elle s’applique principalement aux risques liés à des événements.

Gestion du changement

Comme mentionné précédemment, lorsque des changements sont introduits dans n’importe quel aspect des opérations, il est courant que de nouvelles sources de risque apparaissent et puissent générer des incidents. En ce sens, en appliquant un processus de gestion du changement approprié, nous contribuons à ce que le personnel puisse identifier, évaluer et approuver systématiquement les modifications à introduire avant de les rendre effectives.

La gestion du changement s’applique généralement aux risques motivés par le changement.

Évaluation des risques

Cette compétence implique la réalisation d’un processus permettant d’identifier les dangers dans les différentes opérations, afin de procéder à l’analyse appropriée en vue de les hiérarchiser pour pouvoir appliquer les contrôles pertinents et les surveiller efficacement.

Ce processus d’évaluation des risques est proactif afin de parvenir à une amélioration continue et est appliqué dans les évaluations réalisées pour améliorer les installations, les systèmes de production ou les zones de travail, afin d’atténuer tout risque opérationnel éventuel.

Cette troisième compétence peut être appliquée à tous les types de risques, qu’ils soient liés à la performance, aux événements ou aux changements.