Progressez selon vos disponibilités, en toute autonomie. Nos contenus sont accessibles 24h/24, pour vous permettre d’apprendre quand vous le souhaitez.
Loin d’être une science exacte, le machine learning doit prendre en considération les zones d’incertitude. IBM vient d’apporter une réponse sur ce sujet avec Uncertainty Qualification 360 ou UQ360, une bibliothèque Python open source. Elle fournit aux développeurs et aux data scientists des algorithmes pour quantifier l'incertitude des prédictions d'apprentissage machine, les aider à améliorer la transparence des modèles et renforcer la confiance dans l'IA.
Disponible auprès d'IBM Research, UQ360 doit résoudre les problèmes liés au fait que les systèmes d'IA basés sur l'apprentissage profond effectuent des prédictions trop confiantes. Grâce à la boîte à outils Python, les utilisateurs pourront via des algorithmes rationaliser le processus de quantification, d'évaluation, d'amélioration et de communication de l'incertitude des modèles prédictifs. Actuellement, la boîte à outils UQ360 fournit 11 algorithmes pour estimer différents types de doutes, le tout réuni derrière une interface commune. IBM fournit également des conseils sur le choix des algorithmes et des mesures UQ.
La firme américaine rappelle que les prédictions trop confiantes des systèmes d'IA peuvent avoir de graves conséquences. Big Blue cite par exemple le cas d'un chatbot qui n'était pas sûr des horaires de fermeture d'une pharmacie, empêchant un patient de recevoir les médicaments dont il avait besoin. Uncertainty Qualification 360 expose les limites et les niveaux de défaillance possibles des modèles prédictifs, permettant à l'IA d'exprimer son incertitude et augmentant la sécurité du déploiement.
Ce n’est pas la première initiative d'IBM pour renforcer la confiance dans l'IA. La société a déjà livré le kit AI Fairness 360 pour atténuer les biais dans les modèles de machine learning, la bibliothèque Python Adversarial Robustness Toolbox pour la sécurité des algorithmes, et la boîte à outils AI Explainability 360 qui aide les utilisateurs à comprendre comment les modèles ML réalisent leurs prédictions.
Neuf ans après le catastrophique lancement du projet de cloud souverain Andromède, annoncé avant l’élection présidentielle de mai 2012 et porté par l’État, Orange, Thalès et Dassault Systèmes (Capgemini avait préféré se retirer du projet), le paysage français du cloud est en passe d’être to talement dominé par des acteurs étrangers. Les datacenters à 20 mégawatts poussent comme des champignons pour accueillir les infrastructures d’AZURAWSGCP sur les épines dorsales réseau. Pas de fournisseurs allemands, espagnols ou britanniques sur le podium mais des géants américains et chinois. Les prétendants français se sont pragmatiquement ralliés à ces acteurs : Huawei (avec OpenStack ) s’est imposé en catimini chez Orange, Deutsche Telekom et Telefonica; AWS chez Orange ; Google Cloud chez OVH qui va également travailler avec Nutanix ; VMware chez un peu tout le monde ; et, dernier exemple en date, Microsoft Azure chez OBS et Capgemini avec le projet Bleu.
Loin de moi l’idée de pointer un quelconque retard techno logique en France, mais, même après l’échec d’Andromède, il faut noter l’incapacité des fournisseurs français et même européens à s’accorder autour d’un solide projet cloud. Gaia-X est infiltré par les AZURAWSGCP et, même sans Privacy Shield, les entreprises et le secteur public français se tournent de plus en plus vers les trois plus gros acteurs du marché. Aucun fournisseur en Europe n’est capable d’aligner des IaaS, PaaS et SaaS aussi complets et innovants qu’AZURAWSGCP. Et ne venez pas me parler d’un fournisseur des Hauts-de-France qui a été surmédiatisé ces derniers mois. Alors, un cloud souverain bleu azur nous parait abracadabrantesque quand on connait les contraintes du Cloud Act mis en place par l’administration Trump. Mais, comme il s’agit d’une offre que les entreprises attendent, le mirage peut faire illusion.