Les algorithmes (modèles) et les données sont les fondements de toute solution logicielle qui se base sur l’intelligence artificielle (IA). Ces deux composants jouent un rôle important dans le développement d’un système IA robuste.
La communauté de l’IA a toujours donné la priorité au développement de modèles, mettant ainsi plus d’efforts dans leur optimisation. Cependant, leur application en industrie a montré que ce n’est pas toujours la meilleure approche. En effet, les projets d’IA ne sont pas simplement une application de modèles de l état de art; ils s’appuient aussi sur la qualité des données utilisées et des architectures qui contrôlent la façon dont un modèle particulier est appliqué à un problème d’IA spécifique. Le code d’application implémente uniquement les algorithmes utilisés dans les modèles d’IA. Ainsi, le nouveau mantra de la communauté de l’IA est d’avoir une perspective plutôt axée sur les données.
L’approche centrée sur les données consiste à optimiser systématiquement les ensembles de données pour améliorer la précision des systèmes d’IA. Les experts en apprentissage automatique trouvent cette approche prometteuse, car les données raffinées génèrent de meilleurs résultats que les données non raffinées. L’objectif d’une approche centrée sur les données est de passer de la manipulation des paramètres du modèle à la garantie d’une entrée de données de qualité.
Dans cette présentation offerte par Ihsen Hedli, de l’Institut intelligence et données (IID) de l’Université Laval, nous passerons en revue les approches centrées sur les données et centrées sur les modèles, et verrons laquelle est la meilleure, nous parlerons également de la façon d’adopter une infrastructure centrée sur les données.
À propos d’Ihsen Hedli, professionnel de recherche à l’Institut intelligence et données (IID) de l’Université Laval
Ihsen Hedhli est professionnel de recherche à l’IID.Il a obtenu un doctorat en Automatique (Ph.D), en Traitement du Signal et des Images délivré en cotutelle entre l’université de Nice cote d’azur (INRIA, France) et l’université de Gênes (DITEN, Italie). Au cours de son doctorat, il a travaillé sur des sujets à fort enjeu méthodologique liés à la fusion des images multimodales provenant des récentes missions spatiales pour l’observation de la Terre.
Auparavant, Ihsen Hedhli était aussi chercheur postdoctoral à l’Université Laval (Canada) et à EURECOM (France), où il a développé un intérêt pour les algorithmes d’apprentissage automatique utilisés dans des contextes de données difficiles, y compris les réseaux neuronaux à valeurs complexes, l’apprentissage avec peu de données (few-shot learning), l’apprentissage auto-supervisé ainsi que l’apprentissage en utilisant des données multi-modales.
