En 2017, les constructeurs automobiles comme Ford ou Tesla en avaient encore la conviction: au début des années 2020, les voitures entièrement autonomes feraient sans l’ombre d’un doute partie du paysage routier. Or, ce n’est pas le cas. Il existe bien sûr de nombreux systèmes d’assistance à la conduite, et des essais avec des véhicules qui roulent tout seuls ont été couronnés de succès. Mais l’être humain doit rester vigilant et garder ses mains sur le volant. Il faudra sans doute attendre encore au moins dix ans avant de voir des voitures circulant effectivement de manière totalement autonome. Dans le trafic routier, plus l’environnement est dynamique, plus les décisions sont complexes. Actuellement, les systèmes d’intelligence artificielle (IA) sont encore dépassés. Les compétences humaines relatives à la prise de décision sont généralement sous-estimées. On le voit par exemple dans certains États américains où il n’existe pas de règles de priorité dans la circulation. Aux intersections, les usagers de la route communiquent par signes, ce dont aucune machine n’est encore capable.

L’apprentissage automatique est une sous-catégorie de l’IA qui ne cesse de se développer, notamment au vu de de l’explosion des volumes de données. Il ne s’agit pas de remplacer les humains: il n’y aura donc pas d’avocat‑e‑s ou de médecins artificiel‑le‑s avant longtemps. Il s’agit plutôt de proposer des outils utiles basés sur l’apprentissage automatique.

Des applications logicielles intelligentes peuvent apporter une aide décisive lors du traitement et de la préparation d’énormes quantités de données, par exemple pour le contrôle et la recherche d’erreurs ou le classement. Grâce à de telles applications, l’être humain peut effectuer des tâches nécessitant un volume important de données plus rapidement et plus efficacement tout en réduisant le taux d’erreur. Selon des chiffres publiés par le Forum économique mondial (WEF), quelque 463 exaoctets de données seront générés quotidiennement d’ici 2025.

Le préfixe «exa» correspond au facteur 10¹⁸. À titre de comparaison, les 463 exaoctets de données générées chaque jour pourraient être stockés sur environ 213 millions de DVD.

Face à l’expansion massive du volume de données, la demande de spécialistes tel‑le‑s que les ingénieur‑e‑s des données, les analystes de données et les scientifiques des données a grimpé en flèche dans tous les secteurs. Selon le «Dice Tech Job Report», l’ingénierie des données est l’un des domaines professionnels du secteur technologique qui connait la croissance la plus rapide, avec une hausse annuelle de la demande de plus de 50 %. Des profils d’emploi attrayants, de bonnes possibilités de rémunération et des opportunités de carrière attendent les intéressé‑e‑s. Forte de ce constat, la Haute école spécialisée bernoise proposera pour la première fois à l’automne 2023 un Bachelor of Science in Data Engineering (cf. encadré).

Le champ professionnel des ingénieur‑e‑s des données est très vaste: conseils aux entreprises sur l’utilisation judicieuse de l’apprentissage automatique, programmation d’algorithmes et d’applications logicielles sur mesure pour l’apprentissage automatique, introduction de solutions existantes sur de nouveaux systèmes.

Un tel progiciel est, par exemple, utilisé par le groupe BMW pour la reconnaissance d’objets. Sa pièce maitresse est le BMW Labeling Tool Lite. Celui-ci permet aux utilisateurs et utilisatrices d’étiqueter en toute simplicité, sur des photos, des objets utilisés dans la production. Pour entrainer une telle application, les employé‑e‑s de la production commencent par prendre des photos et par les étiqueter. Le logiciel s’optimise alors de lui-même et peut, après quelques heures seulement de traitement de l’étiquetage, distinguer ce qui est «correct» de ce qui est «faux».

En d’autres termes, en comparant les images du processus de production livrées en direct avec les données dont elle dispose, l’application peut déterminer rapidement et de manière fiable si les bonnes pièces ont été utilisées. Cette solution permet, par exemple, de vérifier avec une grande fiabilité l’utilisation correcte de jusqu’à dix seuils de porte différents dans la production.

L’entreprise suisse legal‑i.ch propose, quant à elle, des progiciels intelligents pour les cas juridiques relevant du domaine médical, qui englobent de grandes quantités de données: rapports médicaux et de laboratoire, expertises ou documents administratifs. Ces données manquent souvent de structure, les ordinateurs ne peuvent donc pas les utiliser. Or, extraire les informations pertinentes d’une montagne de données par recherche manuelle est une tâche longue, complexe et souvent entachée d’erreurs.

legal‑i.ch offre une solution permettant de dresser rapidement un tableau clair d’un cas médical. Pour ce faire, les données disponibles sont d’abord classées par ordre chronologique, puis les informations décisives pour le cas en question sont extraites des documents à l’aide du Natural Language Processing. Cet «ADN de cas» est ensuite comparé anonymement à une archive de données à l’aide de modèles d’apprentissage automatique, ce qui permet de trouver des cas avec un ADN similaire. Ces cas peuvent ainsi être traités beaucoup plus efficacement. Le temps de traitement réduit des dossiers profite aux avocat‑e‑s, aux autorités, aux assurances et aux parties concernées par le cas juridique.

Une chose est sure: une fois que les applications logicielles intelligentes ont fourni, rapidement et précisément, les bases de décision nécessaires, c’est l’être humain qui tranche.