Quelles sont les compétences utiles pour travailler dans l’intelligence artificielle et le machine learning ? Les conseils d’un PDG travaillant dans ces domaines

À mesure que la technologie et les processus évoluent, ceux qui travaillent dans le domaine informatique doivent mettre à jour leurs compétences et même leur carrière si nécessaire.

Certains rôles classiques d'administrateur de systèmes et réseaux s'estompent pour être remplacés par des activités nécessitant des compétences plus diversifiées. Le machine learning (ML ou apprentissage automatique) et l'intelligence artificielle (IA) sont deux de ces domaines qui font une percée constante dans le monde des technologies de l'information. Les personnes à la recherche d'une future carrière dans le domaine de l’informatique peuvent donc se familiariser à la fois avec le machine learning et l'intelligence artificielle.

- Interview de Dillon Erb, PDG de Paperspace, une plateforme de cloud computing -

Quel type de formation est utile dans le domaine du machine learning et de l'intelligence artificielle ?

Dillon Erb : J'ai entendu une statistique intéressante récemment, environ 70% des praticiens de l'apprentissage profond (deep learning) ou de l'IA sont encore à l'école aujourd'hui. Comme il s'agit d'une technologie émergente, qui attire des gens de toutes sortes de disciplines, nous n'avons pas encore vraiment de grand précédent dans ces domaines.

En vérité, la majorité des bons praticiens dans ces domaines sont soit autodidactes, soit ils viennent d'un tout autre domaine (c'est-à-dire pas seulement l'informatique ou la programmation). Une solide formation en statistiques et en mathématiques traditionnelles est toujours utile - une expérience dans un domaine de recherche est également un atout important.

Il existe également de nombreux cours en ligne, comme FastAI et Udacity, ainsi qu'une myriade de ressources disponibles auprès de tous les grands acteurs technologiques, pour vous aider à vous former pour devenir un développeur d'IA. Il est essentiel de maîtriser le domaine des données et, en particulier, Python, qui en est le principal langage. Et puis, de l'autre côté, il y a l'architecture logicielle plus traditionnelle.

En général, aujourd'hui, nous avons beaucoup de gens qui sont soit vraiment bons du côté logiciel, soit bons du côté mathématique ou statistique. En augmentant ou en équilibrant votre niveau de connaissances et votre expérience à la fois dans le domaine des logiciels et des mathématiques, vous aurez un avantage significatif sur le marché du travail.

En quoi les compétences informatiques traditionnelles sont-elles utiles ?

Dillon Erb : Le défi auquel les technologies de l'information sont confrontées aujourd'hui est que le ML/AI est nouveau. C'est un nouveau type d'outil qu'ils doivent apprendre à connaître et qui n'existait pas auparavant. Toutes les compétences informatiques traditionnelles sont toujours très utiles et, à l'avenir, on se concentrera davantage sur la façon dont les outils d'apprentissage automatique s'intègrent dans tous les systèmes existants déjà déployés dans une organisation.

Quelles sont les compétences actuelles nécessaires pour constituer une équipe de développement ML/AI ?

Dillon Erb : Il y a trois principaux ensembles de compétences à rechercher. La première est généralement ce qui relève de la science des données, ou parfois même de l'outillage BI, c'est-à-dire quelqu'un qui peut rassembler et nettoyer les données existantes, et donner un aperçu de ces sources. Ensuite, vous avez un groupe émergeant de personnes spécialisées dans l'intelligence artificielle qui sont peut-être moins axées sur la collecte de données et plus sur l'acquisition de connaissances sur ces données. Le troisième ensemble de compétences implique une personne du DevOps qui peut rejoindre des équipes qui élaborent des modèles et des moteurs de prédiction.

Une équipe d'IA vraiment géniale combine les compétences d'un statisticien ou d'un spécialiste des données et de certains des outils les plus modernes que nous appelons généralement l'IA ou le deep learning avec les personnes du DevOps qui peuvent prendre ces modèles et les pousser réellement à la production. Aujourd'hui, il existe un écart assez important entre ces deux types de compétences.

A quoi ressemble le marché du travail pour les développeurs de ML/AI ?

Dillon Erb : Si vous maîtrisez les nouveaux outils d'apprentissage des machines et d'IA, vous vous en sortirez très bien. Ce qui a changé au cours des deux dernières années, c'est qu'à l'époque, quiconque pouvait comprendre ces choses, même de loin, avait un emploi. Quelqu'un qui arrive sur le marché du travail et qui connaît un peu les outils, mais qui n'est pas capable de se connecter à tous les systèmes existants, a beaucoup moins de valeur qu'une personne capable « d'opérationnaliser » l'IA au sein d'une organisation qui possède déjà de nombreux systèmes et de nombreux outils de collecte et de déploiement de données.

Quels sont les nouveaux domaines qui sont en train d'être mis en place sur le terrain ?

Dillon Erb : Le domaine le plus passionnant actuellement est l'AutoML (Automated machine learning). Les modèles d'apprentissage machine sont très difficiles à créer. Ils nécessitent des spécialistes. La question est donc de savoir comment créer des outils capables d'automatiser la découverte de réseaux de neurones efficaces (neural network) ou de modèles d'apprentissage machine efficaces.

Un autre nouveau domaine révolutionnaire est l'apprentissage par renforcement (reinforcement learning), qui consiste à créer un système dans lequel les modèles d'apprentissage automatique peuvent s'entraîner eux-mêmes, en un sens. Je citerais également les données synthétiques (synthetic data). L'idée derrière les données synthétiques est que presque tout l'apprentissage machine est limité par la quantité de données disponibles pour l'algorithme d'apprentissage machine. Il existe de nouvelles façons passionnantes de générer de nouvelles données, comme l'utilisation de l'apprentissage machine. Ces nouvelles méthodes entraînent ensuite d'autres modèles d'apprentissage machine, ce qui permet d'amorcer tout ce processus.

Quels sortes d’emplois peuvent être menacés par le ML/AI ?

Dillon Erb : Il ne fait aucun doute que le domaine du ML/AI entraînera une modification des emplois dans certains domaines comme la saisie de documents, ce qu'un modèle d'apprentissage machine peut faire plus efficacement. La collecte de données est une autre possibilité. Je pense que la technologie créera également de nombreux nouveaux emplois, car à mesure que ces systèmes seront mis en place, vous aurez besoin de personnes capables de les surveiller, de les analyser, de les profiler, d'y réfléchir et de les utiliser. En général, il y aura une évolution des emplois, mais je suis optimiste quant à la situation en termes de croissance globale de l'emploi.

Que recommandez-vous pour le personnel actuel dont les emplois sont menacés ?

Dillon Erb : L'un des dangers de l'IA est que, dans sa forme actuelle, elle semble destinée à être contrôlée par quelques spécialistes, ou des personnes qui ont accès à des quantités extrêmement importantes de données. Je crois que d'une manière générale, en tant que société ou culture, nous devons investir dans une meilleure compréhension de ces systèmes afin qu'ils ne soient plus des boîtes noires.

Il ne fait aucun doute pour les personnes qui l’étudient intensément que l'IA/ML est une technologie fondamentalement transformatrice. Cela dit, de nombreuses questions restent en suspens quant à ses limites. Certaines de ces questions sont d'ordre technologique, d'autres sont d'ordre culturel, politique et stratégique. Je pense que l'avenir de la technologie est largement indéfini, aussi j'encourage tout le monde à s’investir pour mieux la comprendre.

Consultez maintenant les annonces 100 % télétravail du site expedijob et trouvez des emplois dans l'intelligence artificielle et le machine learning !