Trouver le succès par la juste mesure en machines et Hommes

Partager cette publication

Partager sur facebook
Partager sur linkedin
Partager sur twitter
Partager sur email

Le dernier rapport “Future of Jobs” du Forum économique mondial explique comment les avancées technologiques telles que l’intelligence artificielle, le Machine Learning et le Big Data pourraient avoir une incidence sur le marché de l’emploi dans le monde entier au cours des cinq prochaines années. La redistribution prévue du travail entre l’homme et la machine pourrait déplacer 75 millions d’emplois, mais il est probable qu’elle en crée aussi 133 millions de nouveaux, selon le rapport.

Ce changement majeur dans les emplois pourrait inquiéter ceux d’entre vous qui pensent que la technologie est une menace pour votre rôle. Mais la réalité est que des technologies plus intelligentes offrent une occasion extraordinaire de se concentrer sur les moyens de créer le plus de valeur pour nos organisations. La créativité et la réflexion stratégique restent des avantages humains distincts. Associées à la capacité de traitement accrue des machines, elles permettent d’envisager l’avenir avec beaucoup d’optimisme.

Comprendre les forces des personnes par rapport aux machines :

Nous sommes loin d’une réalité où nous pouvons faire confiance aux machines pour prendre des décisions commerciales avec un jugement humain et une compréhension du contexte. Aujourd’hui, nous faisons confiance aux machines pour automatiser des tâches et des analyses dans des domaines fortement paramétrés et à faible risque. Dans certaines situations où une intervention ou une surveillance humaine est nécessaire, notre soutien aux  machines est primordial pour acquérir une compréhension plus approfondie et prendre des décisions plus sûres.

L’homme peut tirer profit de l’intelligence artificielle et du Machine Learning dans ces aspects par exemple  :

Automatisation des tâches opérationnelles – Le Machine Learning et l’intelligence artificielle ont fait d’énormes progrès dans les applications où les algorithmes sont alimentés par les tâches répétitives hautement spécialisées. Pensez aux sites web qui proposent des suggestions de contenus ou de produits connexes, ou même des programmes de détection des fraudes, ou encore de recommandation en disant “vous pourriez être intéressé par…”. Bien que les variables permettant d’identifier les dépenses non autorisées soient plus complexes que dans une recommandation de livre, ces algorithmes ont en commun d’être très bien adaptés à une tâche – avec une précision incroyable basée sur leur puissance de calcul supérieure.

Offrant des points de départ plus intelligents – En suivant largement les comportements des utilisateurs, les systèmes peuvent fournir des valeurs par défaut plus intelligentes et recommander des actions, et les ajuster et les personnaliser au fil du temps en fonction de la réaction des personnes. C’est ce que nous faisons aujourd’hui dans les applications d’analyse où les informations peuvent être obtenues plus rapidement en appliquant des techniques efficaces d’un ensemble de données à d’autres sources de données ayant des caractéristiques similaires.

Rendre l’analyse sophistiquée accessible – Les plateformes d’analyse tirent parti du Machine Learning pour offrir des capacités d’analyse avancées aux utilisateurs sans formation en sciences des données. Par exemple, les machines peuvent choisir parmi les meilleurs algorithmes de prévision et de regroupement en fonction de ce qui offre le plus de certitude. Les modèles sous-jacents peuvent être exposés et expliqués, ce qui permet de maintenir la transparence et d’offrir la possibilité de régler les modèles si nécessaire.

Fournir une image plus complète – Les machines ne dorment pas et elles peuvent effectuer des tâches et des calculs répétitifs de manière extrêmement efficace. Grâce à la capacité d’effectuer une analyse beaucoup plus approfondie, les ordinateurs peuvent effectivement regarder sous chaque pierre. Ce type de vue complète peut nous aider à éviter les biais de confirmation dans notre analyse.

Maintenir le contact humain :

Les ordinateurs d’aujourd’hui ne sont pas aussi performants que les humains en matière de planification à long terme, de pensée abstraite ou créative, ou de prise de décisions nécessitant une expérience ou un contexte spécifique. Par exemple, un processus piloté par une machine peut vous alerter d’un client qui baratte. Mais peut-être était-ce une bonne chose pour ce client de partir parce qu’il n’achetait pas assez de produits rentables. Nous sommes meilleurs que les machines pour faire le saut intellectuel qu’il y a différentes façons d’envisager la perte de clients.

Ou alors, vous avez peut-être un vendeur qui ignore certaines pistes dans sa file d’attente en se basant sur les leçons qu’il a tirées de ses précédentes expériences de vente. Ce type d’instinct n’est pas facile à construire par des machines. La machine signalera probablement une occasion manquée, alors que le représentant a la sagesse de ne pas perdre son temps.

La compréhension des causes et des effets reste également une force de l’homme. Bien que les machines s’améliorent pour trouver des corrélations cachées dans des ensembles de données limités, nous comptons toujours sur les gens pour discerner la causalité de la coïncidence. L’analyse prédictive offre de grandes possibilités d’explorer des scénarios de simulation, mais elle nécessite toujours le jugement de l’homme pour valider les actions prescriptives de la machine.

Regarder les opportunités qui se profilent à l’horizon :

Au cours de notre voyage pour combiner et équilibrer les capacités d’analyse de l’homme et de la machine, les humains auront de nombreux rôles nouveaux et importants à jouer. Il n’est pas surprenant que des millions d’emplois émergents – dont la plupart de ceux prévus dans le rapport du Forum économique mondial – soient axés sur les données. Le champ d’application ne fera que s’élargir à mesure que les cas d’utilisation des données évolueront.

Nous aurons besoin de l’ingéniosité humaine pour poser les bonnes questions et affiner les résultats de l’analyse intelligente. De plus en plus, nous aurons besoin de personnes pour surveiller et maintenir l’éthique dans l’IA et le Machine Learning. D’autres se concentreront sur l’amélioration de la maîtrise des données afin de rendre l’analyse accessible et utile aux utilisateurs de différents niveaux de compétences.

Quelle que soit l’intelligence de notre technologie, nous ne pouvons pas oublier le but ultime de l’analyse : informer la prise de décision. Une fois que nous connaissons les mesures à prendre, nous pouvons déterminer à qui confier les décisions : à l’automatisation, à la surveillance et à l’application de compétences humaines uniques. Les organisations les plus performantes ne seront pas celles qui automatisent le plus de tâches, mais celles qui comprennent comment les machines et les données peuvent le mieux donner des moyens d’action aux personnes qui passent les appels.

Inscrivez vous à notre newsletter

Recevez toutes nos actualités

Plus de publications