L'IA face à l'épreuve du covid-19 - Jedha x Kardinal
0 j'aime267 vues
Le document aborde l'impact du COVID-19 sur l'usage de l'intelligence artificielle (IA) dans l'industrie, en soulignant les défis liés au concept de 'drift' des modèles. Il décrit comment des bouleversements imprévus nécessitent une réévaluation des stratégies de décision et d'automatisation, illustré par des exemples dans la logistique. Enfin, il conclut sur l'importance de maîtriser les données et de maintenir une forte capacité analytique pour assurer la résilience des processus industriels.
L'IA face à l'épreuve du covid-19 - Jedha x Kardinal
- 1. L’IA à l’épreuve du COVID Cédric Hervet, Ph.D. Co-fondateur et Directeur Scientifique @ Kardinal
- 4. Tâches et technos pour l’IA Percevoir Comprendre Décider Big Data IoT Machine Learning Data Analytics / Visualization Knowledge Representation Reinforcement Learning Operations Research
- 5. La valeur de l’IA en Industrie Tâches répétitives, peu de valeur ajoutée Tâches complexes et/ou stratégiques AUTOMATISATION AIDE A LA DECISION ACTION
- 6. Et le COVID ? Tâches répétitives, peu de valeur ajoutée Tâches complexes et/ou stratégiques AUTOMATISATION AIDE A LA DECISION
- 7. Le “Concept Drift” et les moyens de le gérer
- 8. En Machine Learning, le contexte change, et les modèles perdent en performance. Source : Online Ensemble with Abstaining Classifiers for Drifting and Noisy Data Streams, B. Krawczyk & A. Cano in Applied Soft Computing 68:677-692, July 2018
- 9. Mesurer le « drift » 1 2 3 Une fois qu’on a son modèle (liste de features + méthode d’apprentissage) Réaliser un apprentissage avec les conditions à TX Regarder l’évolution de la performance entre TX et aujourd’hui
- 10. Identifier le type de « drift » Source : The ravages of concept drift in stream learning applications and how to deal with it, Jesus Lopez in Kdnuggets.com (December 2019) Exemple d’un drift de type « sudden »
- 11. Stratégie « passive » : mise à jour constante des modèles Possible si les Features sont calculées sur un historique proche
- 12. Stratégie « active » : détection du drift Ne pas hésiter à challenger toutes les hypothèses du modèle !
- 13. Le COVID et les grands bouleversements
- 14. “Est-ce que le COVID, c’est du Concept Drift ?” Spoiler : c’est un peu plus que ça…
- 15. Le Concept « Upheaval » Les crises sanitaires Le terrorisme Les catastrophes naturelles / changement climatique Les crises économiques La guerre La disruption technologique
- 16. Le bouleversement provoque une phase de transition Le concept « drift » tous les jours avant de se stabiliser !
- 17. Cas concret : la messagerie
- 18. Livraison du dernier kilomètre E-commerce Industrie en plein bouleversement Sources : DHL, FedEx
- 19. Du jour au lendemain, réapprendre le métier Part de B2C dans les livraisons pré-COVID Part de B2C dans les livraisons sur Mars-Avril
- 20. “En 2 jours, le volume a été divisé par 5.” CEO d’un grand groupe logistique
- 21. “La semaine suivante, le B2B remontait à la moitié de la normale.” CEO d’un grand groupe logistique
- 22. “La semaine suivante, le B2C était multiplié par 2…” CEO d’un grand groupe logistique
- 23. “…Puis par 3 la semaine suivante.” CEO d’un grand groupe logistique
- 24. “Notre chance, c’était que les gens étaient chez eux et qu’ être en retard était « acceptable ». Le déconfinement, ça va être chaud...” CEO d’un grand groupe logistique
- 25. Colis par semaine pendant le COVID Fêtes de fin d’année : repos ! Début du plongeon « COVID » Montée rapide de l’activité B2C
- 26. Comment gérer ? Que faire avec la Data si on ne peut plus l’utiliser pour prédire ? Back to basics : ANALYTICS 1 2 3 Détourner le système pour simuler, simuler, simuler Sur-exploiter les technos d’IA pour l’Aide à la Décision
- 27. Conclusion : la résilience d’un processus industriel assisté par la Data et l’IA Maîtriser sa data, avoir une forte capacité analytique en interne Mettre du Machine Learning en prod, c’est d’abord penser à travailler SANS le Machine Learning Automatiser la prise de décision complexe, c’est prendre le risque d’une perte de savoir-faire