{"id":7905,"date":"2019-05-15T11:06:13","date_gmt":"2019-05-15T09:06:13","guid":{"rendered":"https:\/\/golem.ai\/blog\/tribune-machine-learning-data\/"},"modified":"2022-04-22T12:19:25","modified_gmt":"2022-04-22T10:19:25","slug":"tribune-machine-learning-data","status":"publish","type":"post","link":"https:\/\/miralia.ai\/fr\/blog\/technologie\/tribune-machine-learning-data","title":{"rendered":"Pourquoi le Machine Learning n\u2019aura jamais tort ?"},"content":{"rendered":"

L\u2019explosion de l\u2019usage des r\u00e9seaux de neurones artificiels, technique de machine learning facile d\u2019acc\u00e8s et applicable \u00e0 presque tout probl\u00e8me, a fait \u00e9merger un rapport nouveau aux algorithmes. Quel que soit le probl\u00e8me, l\u2019expert et m\u00eame le logiciel lui-m\u00eame ne sont plus en cause ; c\u2019est la faute \u00e0 la data.<\/strong><\/h3>\n

\"\"<\/strong><\/p>\n

Thomas SOLIGNAC, CEO de Golem.ai<\/em><\/p>\n

L\u2019IA est une grande famille<\/strong><\/span><\/h2>\n

De toutes les techniques de Machine Learning, le r\u00e9seau de neurones artificiels est certainement la plus populaire<\/strong> ces derniers temps, \u00e0 tel point que \u201cMachine Learning\u201d est maintenant utilis\u00e9 comme synonyme de \u201cR\u00e9seaux de Neurones Artificiels\u201d par beaucoup. \u00c0 tort, bien s\u00fbr.<\/p>\n

Alors qu\u2019il \u00e9tait d\u00e9j\u00e0 souvent coutume d\u2019assimiler l\u2019IA au Machine Learning, l\u2019IA se voit maintenant amalgam\u00e9e aux r\u00e9seaux de neurones artificiels<\/strong>. Assur\u00e9ment, ces derni\u00e8res ann\u00e9es ont d\u00e9plum\u00e9 l\u2019IA de sa richesse au profit d\u2019un vocabulaire tr\u00e8s limit\u00e9.<\/p>\n

En r\u00e9alit\u00e9, depuis ses d\u00e9buts, l\u2019IA se d\u00e9veloppe \u00e0 travers 2 approches : l\u2019approche symbolique et l\u2019approche connexionniste<\/strong>. Le Machine Learning s\u2019inscrit dans cette derni\u00e8re approche, et se d\u00e9cline lui-m\u00eame en plusieurs types cat\u00e9gories.<\/p>\n

\"\"<\/p>\n

Trois grands sous-domaines du machine learning,
\net quelques exemples d\u2019algorithmes au sein de chacun.
\nNotons que le r\u00e9seau de neurones artificiels est un parmi d\u2019autres.<\/em><\/p>\n

Cette r\u00e9volution des algorithmes… qui n\u2019en sont pas<\/strong><\/span><\/h2>\n

Ces \u201cR\u00e9seaux de Neurones Artificiels\u201d ou \u201cArtificial Neural Network\u201d (que j\u2019abr\u00e8gerai ANN tout du long) ont un rapport \u00e0 l\u2019intelligence bien particulier. Par d\u00e9faut, ils donnent des r\u00e9sultats al\u00e9atoires, car ils ne sont pas \u201centra\u00een\u00e9s\u201d<\/strong>. L’entra\u00eenement va consister \u00e0 pr\u00e9senter \u00e0 cet ANN des exemples de cas \u00e0 traiter. Sa capacit\u00e9 \u201cd’entra\u00eenement\u201d va d\u00e9pendre de sa structure : le nombre et l\u2019agencement des neurones artificiels. Si cette structure atteint une certaine complexit\u00e9, on parlera alors de \u201cDeep Learning\u201d.<\/strong><\/p>\n

Un cas d\u2019\u00e9cole ; pour qu\u2019un ANN diff\u00e9rencie la photo d\u2019un chat de la photo d\u2019un chien, on va lui donner des photos de chat et de chien, tout en pr\u00e9cisant \u00e0 chaque fois la bonne r\u00e9ponse. Durant cet entra\u00eenement, les valeurs contenues dans l\u2019ANN vont \u00eatre modifi\u00e9es, ajust\u00e9es, pour que les r\u00e9sultats correspondent \u00e0 notre demande. Suite \u00e0 cela, on va pouvoir pr\u00e9senter la photo d\u2019un animal \u00e0 l\u2019ANN, sans lui donner la r\u00e9ponse, et il nous donnera son avis, bas\u00e9 sur son entra\u00eenement.<\/p>\n

\"\"<\/p>\n

Aujourd\u2019hui assez populaire, cette approche-l\u00e0 est pourtant incongrue par certains aspects<\/strong>. L\u2019ANN a le m\u00eame \u00e9tat de d\u00e9part, qu\u2019on lui fasse diff\u00e9rencier des photos d\u2019animaux ou des marques de voitures. Ce qui explique tout \u00e0 la fois sa praticit\u00e9 d\u2019usage pour les d\u00e9veloppeurs (une solution pour tous les probl\u00e8mes !) et \u00e0 la fois sa lourdeur. C\u2019est-\u00e0-dire qu\u2019\u00e0 l\u2019\u00e9tape 0, il n\u2019y a aucun \u201calgorithme\u201d. C\u2019est l\u2019entra\u00eenement qui va \u201cg\u00e9n\u00e9rer l\u2019algorithme\u201d<\/strong>, et l\u2019ANN n\u2019est rien d\u2019autre que le format de description de cet algorithme.<\/p>\n

\"\"<\/a><\/p>\n

L\u2019absence d\u2019explications<\/strong><\/span><\/h2>\n

D\u2019o\u00f9 le talon d\u2019Achille des ANN ; pourquoi telle d\u00e9cision a-t-elle \u00e9t\u00e9 prise ? Certains tentent une pseudo-explication en tra\u00e7ant l\u2019activit\u00e9 des neurones pour savoir quelle partie de l\u2019image a \u00e9t\u00e9 principalement prise en compte pour la d\u00e9cision. Mais \u00e7a n\u2019en reste pas moins un syst\u00e8me non explicable par nature ; simplement parce que c\u2019est un syst\u00e8me quantitatif et statistique, l\u00e0 o\u00f9 l\u2019explication doit \u00eatre de nature qualitative<\/strong>. Une \u00e9quation math\u00e9matique n\u2019est pas une explication. Quel que soit le sc\u00e9nario, l\u2019explication d\u2019un ANN sera toujours \u201cC\u2019est la bonne r\u00e9ponse en moyenne\u201d<\/strong>. Il n\u2019y a aucune notion explicite de l\u2019anatomie animale par exemple.<\/p>\n

\"\"<\/p>\n

Que faire donc, quand le syst\u00e8me prend une mauvaise d\u00e9cision ? On ajoute de la data !
\nC\u2019est \u00e0 la fois la force et la limite des ANN<\/strong> ; la data est tout ce qui existe. Nul besoin de sp\u00e9cialistes du monde animal, l\u2019ANN ne comporte aucune expertise, et il n\u2019en contiendra jamais<\/strong>. L\u2019ANN est \u00e0 l\u2019oppos\u00e9 de la th\u00e9orie ; il ne fait que mimer approximativement.<\/p>\n

L\u2019explicabilit\u00e9<\/strong> de l\u2019intelligence artificielle est pourtant un enjeu majeur pour le d\u00e9veloppement de l\u2019IA dans les secteurs critiques<\/strong>, notamment pour les voitures autonomes, dont les accidents mortels am\u00e8nent un besoin d\u2019explication. Des acteurs comme la DARPA<\/span><\/a> ou IBM<\/span><\/a> investissent s\u00e9rieusement sur ce sujet.<\/p>\n

Ces \u201cbo\u00eetes noires\u201d posent \u00e9galement une probl\u00e9matique de performance. S’entra\u00eenant longuement pour des t\u00e2ches ultra-sp\u00e9cifiques, c\u2019est une vague d\u2019algorithmes jetables qui se d\u00e9ploient dans les entreprises<\/strong>, c\u2019est-\u00e0-dire, des solutions sur lesquelles on ne peut pas capitaliser de savoir-faire technologique<\/strong>, et qui sont souvent mises en \u00e9chec d\u00e8s lors que le contexte m\u00e9tier \u00e9volue, de par la quantit\u00e9 de ressources (humaines et temporelles) n\u00e9cessaires eu r\u00e9-entra\u00eenement du syst\u00e8me.<\/p>\n

C\u2019est la faute \u00e0 la data <\/strong><\/span><\/h2>\n

Par opposition aux algorithmes dits \u201csymboliques\u201d (une autre grande famille de l\u2019IA), qui comportent une expertise, une mod\u00e9lisation, ou un raisonnement, les ANN ne peuvent pas \u00eatre remis en cause en eux-m\u00eames, car\u2026 ils ne sont \u201crien\u201d. Tout est dans la data.<\/strong>
\nOn peut modifier le mod\u00e8le lui-m\u00eame (la structure de l\u2019ANN), estimant qu\u2019il n\u2019est pas assez complexe par exemple, mais in fine, on retombera toujours sur la question des donn\u00e9es.
\nAinsi, lorsqu\u2019apr\u00e8s un entra\u00eenement, l\u2019ANN confond un chiot avec un chat \u2026 on va ajouter de la donn\u00e9e, \u00e9ventuellement en focalisant sur le type de donn\u00e9e qu\u2019on estime manquant.<\/p>\n

La photo est le cas typique d\u2019usage des ANN, car il y a encore peu d\u2019alternatives algorithmiques aux approches statistiques. C\u2019est aussi un exemple tr\u00e8s p\u00e9dagogique de l\u2019usage des ANN. Dans d\u2019autres domaines en revanche, les solutions disponibles sont plus riches. Sur les diff\u00e9rents d\u00e9fis d\u2019analyse du langage humain par exemple, toute la linguistique va apporter un angle d\u2019analyse du langage, mod\u00e9lisable dans une IA.<\/p>\n

Alors, comment mettre en comp\u00e9tition un ANN et une IA linguistique ?<\/strong> C\u2019est l\u00e0 que le trou noir argumentatif de l\u2019ANN entre en place. Ce fameux aphorisme, une \u00e9trange pirouette face au v\u00e9rificationnisme scientifique, qui met fin \u00e0 toute conversation lorsque les r\u00e9sultats sont en d\u00e9faut ; \u201cSi \u00e7a ne marche pas, c\u2019est juste qu\u2019il faut plus de data\u201d<\/strong>.<\/p>\n

\"\"<\/p>\n

C\u2019est la faute aux institutions<\/h2>\n

Cette aporie, que l\u2019on r\u00e9sume parfois par \u201cAll models are wrong\u201d<\/span><\/a>, ne laisse aucune place pour un concurrent potentiel ; en effet l\u2019algorithme est parfait \u201cpar destination\u201d, c\u2019est la data qui est en d\u00e9faut<\/strong>. C\u2019est aussi l\u2019acte de renvoyer la balle aux institutions. C\u2019est la faute \u00e0 la GDPR<\/span><\/a>, c\u2019est la faute \u00e0 l\u2019entreprise qui n\u2019a pas assez de data<\/strong>, etc. En somme, le Machine Learning d\u00e9douane l\u2019expert d\u2019un manque d\u2019expertise<\/strong>.<\/p>\n

Cette aporie de la data a bien s\u00fbr pour postulat l\u2019id\u00e9e que la data serait une ressource infinie. Ce n\u2019est certainement pas une lecture \u00e9conomique de la question, ni m\u00eame une lecture r\u00e9aliste. Mais c\u2019est int\u00e9ressant de remarquer que techniquement, si la valeur d\u2019un ANN se fait sur sa capacit\u00e9 \u00e0 savoir g\u00e9n\u00e9raliser, c\u2019est-\u00e0-dire analyser correctement des situations \u00e9loign\u00e9es de son entra\u00eenement, de l\u2019autre c\u00f4t\u00e9, cette tendance d\u2019aller vers un entra\u00eenement qui n\u2019en finit jamais constitue en d\u00e9finitive une lente convergence vers l\u2019accumulation en base de donn\u00e9es…<\/strong> de tous les cas possibles. Ce qui est par ailleurs particuli\u00e8rement ironique dans un moment o\u00f9 il y a une tendance de fond \u00e0 penser que \u201cla vraie IA c\u2019est le Machine Learning\u201d.<\/strong><\/p>\n

Le traitement du langage au coeur du sujet<\/h2>\n

On observe cela typiquement dans le NLU<\/strong> (Natural Language Understanding), quand on entra\u00eene un syst\u00e8me \u00e0 reconna\u00eetre correctement des demandes (\u201cintentions\u201d). Un chatbot de commande de pizza par exemple.<\/p>\n

Si l\u2019on vise \u00e0 un haut taux de fiabilit\u00e9, l’entra\u00eenement va donc n\u00e9cessiter un volume d\u2019exemples de commande de pizza toujours plus grand, et on va avoir de plus en plus l\u2019impression de fournir toutes les formulations possibles !<\/strong><\/p>\n

C\u2019est aussi pour cela que les solutions qui traitent de l\u2019anglais ne sont pas repr\u00e9sentatives de la fiabilit\u00e9 g\u00e9n\u00e9rale du Machine Learning sur les langues, que soit sur la reconnaissance vocale ou sur le NLU. La variabilit\u00e9 de l\u2019anglais est faible<\/strong>. Par opposition, l\u2019espagnol par exemple, comporte beaucoup plus de flexions<\/strong> (modifications possibles d\u2019un m\u00eame mot : conjugaisons, pluriel, etc). Le besoin de donn\u00e9e, en cons\u00e9quence, est plus important<\/strong>. On trouvera donc un rapport fiabilit\u00e9 \/ quantit\u00e9 de donn\u00e9es, moins int\u00e9ressant.<\/strong><\/p>\n

La notion d\u2019intelligence challeng\u00e9e<\/h2>\n

Le besoin d\u2019\u00e9normes volumes de donn\u00e9es est \u00e0 l\u2019oppos\u00e9 de l\u2019intelligence<\/strong> : les bons algorithmes sont plut\u00f4t ceux qui savent s\u00e9lectionner la bonne information pour prendre une d\u00e9cision<\/strong>. Par opposition, dans la lecture pure data de l\u2019intelligence, c\u2019est comme si pour apprendre \u00e0 un enfant \u00e0 lire, et sans qu\u2019il ne sache rien de la lecture, on se contentait de le laisser seul avec des centaines de livres. Et, plus amusant encore, face \u00e0 l\u2019\u00e9chec, on d\u00e9cidait d\u2019en rajouter quelques centaines suppl\u00e9mentaires !<\/p>\n

M\u00eame sur des sujets comme la reconnaissance vocale, qui a le point commun avec le traitement de l\u2019image de ne pas vraiment avoir d\u2019alternatives au Machine Learning pour fonctionner, on oublie que le Machine Learning n\u2019est pas le seul algorithme impliqu\u00e9<\/strong>. Et ainsi on oublie \u00e0 quel point les choix de mod\u00e9lisation et repr\u00e9sentation linguistique sont pr\u00e9pond\u00e9rants pour que la reconnaissance vocale soit op\u00e9rationnelle, et que le Machine Learning en est terriblement d\u00e9pendant. C\u2019est pour cela que beaucoup de fournisseurs de reconnaissance vocale ont assez peu de langues disponibles. Les langues agglutinantes<\/span><\/a> par exemple (Finnois, Turc\u2026), qui sont linguistiquement \u00e9loign\u00e9es de l\u2019anglais, sont peu repr\u00e9sent\u00e9es dans les offres.<\/strong><\/p>\n

\n

Le Machine Learning comble un trou dans la raquette de l\u2019IA. Mais la mont\u00e9e subite de la mode des r\u00e9seaux de neurones artificiels a aussi chang\u00e9 compl\u00e8tement le rapport \u00e0 l\u2019IA : il est maintenant normal de se plaindre infiniment du manque de donn\u00e9es, et \u00e9trange de se pencher sur la mod\u00e9lisation des probl\u00e8mes et leur th\u00e9orisation.
\nC\u2019est une d\u00e9viance qui n\u2019est probablement pas sans rapport avec les int\u00e9r\u00eats des acteurs \u00e9conomiques \u00e0 accumuler le maximum de donn\u00e9es, ou avec le cloisonnement des disciplines. Cette d\u00e9viance a pour effet secondaire d\u2019occuper les data-scientists, une ressource pr\u00e9cieuse et rare, \u00e0 brasser longuement de la donn\u00e9e pour alimenter les mod\u00e8les, ce qui n\u2019est bien s\u00fbr par leur valeur ajout\u00e9e.
\nCette approche par la data a beaucoup de faiblesses<\/span><\/a> qui ne sont pas suffisamment exprim\u00e9es, faute de connaissance des alternatives, et de l\u2019IA plus g\u00e9n\u00e9ralement. En particulier, le manque de r\u00e9utilisabilit\u00e9 des algorithmes g\u00e9n\u00e9r\u00e9s, ou encore la p\u00e9nibilit\u00e9 d\u2019\u00e9volution des solutions, en opposition avec l\u2019agilit\u00e9 n\u00e9cessaire \u00e0 l\u2019innovation.
\nLa lumi\u00e8re est du c\u00f4t\u00e9 de ceux qui iront en profondeur dans le discernement et l\u2019analyse des options \u00e0 disposition, ne tombant ni dans l\u2019\u00e9troitesse d\u2019esprit des modes, ni dans un m\u00e9lange glouton et d\u00e9sordonn\u00e9 des approches possibles. <\/em><\/p>\n

Thomas Solignac, CEO de Golem.ai<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

Thomas Solignac, CEO de Golem.ai, propose une r\u00e9flexion autour des technologies de machine learning : entre buzzword et r\u00e9alit\u00e9 d\u00e9couvrez pourquoi le machine learning n\u2019aura jamais tort.<\/p>\n","protected":false},"author":1,"featured_media":7907,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[68,74],"tags":[],"class_list":["post-7905","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","category-technologie"],"acf":[],"yoast_head":"\n\u201cC\u2019est la faute \u00e0 la data !\u201d Tribune de Thomas Solignac sur : \u201cPourquoi le Machine Learning n\u2019aura jamais tort ?\u201d<\/title>\n<meta name=\"description\" content=\"Le machine learning est une des branches les plus populaires de l\u2019IA, pour certain elle en est m\u00eame indissociable : retour sur ces technologies avec Thomas Solignac, CEO de Golem.ai\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/miralia.ai\/fr\/blog\/technologie\/tribune-machine-learning-data\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u201cC\u2019est la faute \u00e0 la data !\u201d Tribune de Thomas Solignac sur : \u201cPourquoi le Machine Learning n\u2019aura jamais tort ?\u201d\" \/>\n<meta property=\"og:description\" content=\"Le machine learning est une des branches les plus populaires de l\u2019IA, pour certain elle en est m\u00eame indissociable : retour sur ces technologies avec Thomas Solignac, CEO de Golem.ai\" \/>\n<meta property=\"og:url\" content=\"https:\/\/miralia.ai\/fr\/blog\/technologie\/tribune-machine-learning-data\/\" \/>\n<meta property=\"og:site_name\" content=\"Miralia.ai\" \/>\n<meta property=\"article:published_time\" content=\"2019-05-15T09:06:13+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-04-22T10:19:25+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2021\/09\/16143608\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1\" \/>\n\t<meta property=\"og:image:height\" content=\"1\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Miralia\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@miralia_ai\" \/>\n<meta name=\"twitter:site\" content=\"@miralia_ai\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data\"},\"author\":{\"name\":\"Miralia\",\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#\\\/schema\\\/person\\\/fea78d2bd9fe528e64a212f60e7bc474\"},\"headline\":\"Pourquoi le Machine Learning n\u2019aura jamais tort ?\",\"datePublished\":\"2019-05-15T09:06:13+00:00\",\"dateModified\":\"2022-04-22T10:19:25+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data\"},\"wordCount\":2009,\"publisher\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2021\\\/09\\\/16143608\\\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png\",\"articleSection\":[\"Blog\",\"Technologie\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data\",\"url\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data\",\"name\":\"\u201cC\u2019est la faute \u00e0 la data !\u201d Tribune de Thomas Solignac sur : \u201cPourquoi le Machine Learning n\u2019aura jamais tort ?\u201d\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2021\\\/09\\\/16143608\\\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png\",\"datePublished\":\"2019-05-15T09:06:13+00:00\",\"dateModified\":\"2022-04-22T10:19:25+00:00\",\"description\":\"Le machine learning est une des branches les plus populaires de l\u2019IA, pour certain elle en est m\u00eame indissociable : retour sur ces technologies avec Thomas Solignac, CEO de Golem.ai\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/miralia.ai\\\/blog\\\/technologie\\\/tribune-machine-learning-data#primaryimage\",\"url\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2021\\\/09\\\/16143608\\\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png\",\"contentUrl\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2021\\\/09\\\/16143608\\\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png\"},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#website\",\"url\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/\",\"name\":\"Miralia.ai\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#organization\",\"name\":\"Miralia\",\"url\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2026\\\/01\\\/07142128\\\/Logo-Miralia.png\",\"contentUrl\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2026\\\/01\\\/07142128\\\/Logo-Miralia.png\",\"width\":1061,\"height\":211,\"caption\":\"Miralia\"},\"image\":{\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/miralia_ai\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/miralia\\\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/#\\\/schema\\\/person\\\/fea78d2bd9fe528e64a212f60e7bc474\",\"name\":\"Miralia\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2025\\\/11\\\/03120340\\\/M-noir.png\",\"url\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2025\\\/11\\\/03120340\\\/M-noir.png\",\"contentUrl\":\"https:\\\/\\\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\\\/wp-content\\\/uploads\\\/2025\\\/11\\\/03120340\\\/M-noir.png\",\"caption\":\"Miralia\"},\"sameAs\":[\"http:\\\/\\\/c68f3497-cc94-4d4c-ae55-e83783631a1f.pub.instances.scw.cloud\"],\"url\":\"https:\\\/\\\/miralia.ai\\\/fr\\\/auteur\\\/vitrine\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u201cC\u2019est la faute \u00e0 la data !\u201d Tribune de Thomas Solignac sur : \u201cPourquoi le Machine Learning n\u2019aura jamais tort ?\u201d","description":"Le machine learning est une des branches les plus populaires de l\u2019IA, pour certain elle en est m\u00eame indissociable : retour sur ces technologies avec Thomas Solignac, CEO de Golem.ai","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/miralia.ai\/fr\/blog\/technologie\/tribune-machine-learning-data\/","og_locale":"fr_FR","og_type":"article","og_title":"\u201cC\u2019est la faute \u00e0 la data !\u201d Tribune de Thomas Solignac sur : \u201cPourquoi le Machine Learning n\u2019aura jamais tort ?\u201d","og_description":"Le machine learning est une des branches les plus populaires de l\u2019IA, pour certain elle en est m\u00eame indissociable : retour sur ces technologies avec Thomas Solignac, CEO de Golem.ai","og_url":"https:\/\/miralia.ai\/fr\/blog\/technologie\/tribune-machine-learning-data\/","og_site_name":"Miralia.ai","article_published_time":"2019-05-15T09:06:13+00:00","article_modified_time":"2022-04-22T10:19:25+00:00","og_image":[{"url":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2021\/09\/16143608\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png","width":1,"height":1,"type":"image\/png"}],"author":"Miralia","twitter_card":"summary_large_image","twitter_creator":"@miralia_ai","twitter_site":"@miralia_ai","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data#article","isPartOf":{"@id":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data"},"author":{"name":"Miralia","@id":"https:\/\/miralia.ai\/fr\/#\/schema\/person\/fea78d2bd9fe528e64a212f60e7bc474"},"headline":"Pourquoi le Machine Learning n\u2019aura jamais tort ?","datePublished":"2019-05-15T09:06:13+00:00","dateModified":"2022-04-22T10:19:25+00:00","mainEntityOfPage":{"@id":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data"},"wordCount":2009,"publisher":{"@id":"https:\/\/miralia.ai\/fr\/#organization"},"image":{"@id":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data#primaryimage"},"thumbnailUrl":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2021\/09\/16143608\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png","articleSection":["Blog","Technologie"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data","url":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data","name":"\u201cC\u2019est la faute \u00e0 la data !\u201d Tribune de Thomas Solignac sur : \u201cPourquoi le Machine Learning n\u2019aura jamais tort ?\u201d","isPartOf":{"@id":"https:\/\/miralia.ai\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data#primaryimage"},"image":{"@id":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data#primaryimage"},"thumbnailUrl":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2021\/09\/16143608\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png","datePublished":"2019-05-15T09:06:13+00:00","dateModified":"2022-04-22T10:19:25+00:00","description":"Le machine learning est une des branches les plus populaires de l\u2019IA, pour certain elle en est m\u00eame indissociable : retour sur ces technologies avec Thomas Solignac, CEO de Golem.ai","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/miralia.ai\/blog\/technologie\/tribune-machine-learning-data#primaryimage","url":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2021\/09\/16143608\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png","contentUrl":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2021\/09\/16143608\/a09ae02304dbd7d7d3bb188de20095e1f87485da-1.png"},{"@type":"WebSite","@id":"https:\/\/miralia.ai\/fr\/#website","url":"https:\/\/miralia.ai\/fr\/","name":"Miralia.ai","description":"","publisher":{"@id":"https:\/\/miralia.ai\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/miralia.ai\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/miralia.ai\/fr\/#organization","name":"Miralia","url":"https:\/\/miralia.ai\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/miralia.ai\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2026\/01\/07142128\/Logo-Miralia.png","contentUrl":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2026\/01\/07142128\/Logo-Miralia.png","width":1061,"height":211,"caption":"Miralia"},"image":{"@id":"https:\/\/miralia.ai\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/miralia_ai","https:\/\/www.linkedin.com\/company\/miralia\/"]},{"@type":"Person","@id":"https:\/\/miralia.ai\/fr\/#\/schema\/person\/fea78d2bd9fe528e64a212f60e7bc474","name":"Miralia","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2025\/11\/03120340\/M-noir.png","url":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2025\/11\/03120340\/M-noir.png","contentUrl":"https:\/\/golem-ai-website-wordpress-prod.s3.fr-par.scw.cloud\/wp-content\/uploads\/2025\/11\/03120340\/M-noir.png","caption":"Miralia"},"sameAs":["http:\/\/c68f3497-cc94-4d4c-ae55-e83783631a1f.pub.instances.scw.cloud"],"url":"https:\/\/miralia.ai\/fr\/auteur\/vitrine"}]}},"_links":{"self":[{"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/posts\/7905","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/comments?post=7905"}],"version-history":[{"count":4,"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/posts\/7905\/revisions"}],"predecessor-version":[{"id":13462,"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/posts\/7905\/revisions\/13462"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/media\/7907"}],"wp:attachment":[{"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/media?parent=7905"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/categories?post=7905"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/miralia.ai\/fr\/wp-json\/wp\/v2\/tags?post=7905"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}