Couverture du résumé de « Prediction Machines »

Technologie & avenir · 15 min

Prediction Machines

Ajay Agrawal, Joshua Gans and Avi Goldfarb · 2018

À qui s’adresse ce livre ?

Pour les dirigeants, les entrepreneurs et les curieux qui veulent évaluer où l'intelligence artificielle peut aider une entreprise, avec un langage économique.

Gratuit à télécharger · iPhone et Android

Ce résumé existe aussi en version audio dans l’appli.

3 idées clés à retenir

  1. Enregistrer avec discipline ce qui se passe dans l'entreprise est la première étape pour disposer un jour de données capables de nourrir une prédiction utile.

  2. Le degré d'autonomie accordé à une machine doit dépendre du coût d'une erreur de sa part.

  3. Si le goulot d'étranglement d'une décision se trouve dans le jugement, une meilleure prédiction ne suffit pas toujours à le résoudre.

Lorsque quelque chose devient bon marché, on l'utilise jusqu'à des endroits où cela ne valait pas la peine auparavant.
Une idée tirée de « Prediction Machines », dans les mots de 15 Minutes

Aperçu

Les premières sections

L'intelligence artificielle vue par des économistes

Prediction Machines, de Ajay Agrawal, Joshua Gans et Avi Goldfarb, publié en 2018, tente d'expliquer l'intelligence artificielle sans fascination ni panique. Les auteurs sont économistes et proposent une manière simple de penser : la grande nouveauté de l'IA, dans le milieu professionnel, est qu'elle réduit fortement le coût de la prédiction.

Cette vision est moins spectaculaire que celle des robots conscients, mais elle permet de poser des questions pratiques. Si la prédiction devient bon marché, que change-t-il dans les entreprises ? Où l'entreprise va-t-elle se mettre à utiliser davantage la prédiction ? Quels autres éléments gagnent en valeur ? Le livre répond avec la logique de l'offre et de la demande, que tout le monde applique lorsque le prix de quelque chose baisse.

L'objectif du trio est d'aider les dirigeants à décider où investir, quoi automatiser et comment préparer l'organisation. Le ton est celui d'un manuel de stratégie, avec des exemples d'entreprises de technologie, de santé, de commerce de détail et de transport.

Qu'est-ce que prédire, vraiment

Les auteurs expliquent que prédire ne consiste pas seulement à regarder l'avenir. Il s'agit d'utiliser les informations dont on dispose pour combler celles qu'on n'a pas. Un médecin qui pose un diagnostic prédit la cause des symptômes. Un système qui traduit un texte prédit quel mot viendra ensuite dans l'autre langue.

L'apprentissage automatique, la technique derrière les avancées récentes, fonctionne en donnant beaucoup d'exemples à un algorithme et en le laissant trouver des régularités. Une fois entraîné, il reçoit des données nouvelles et fait une estimation. Plus les données sont nombreuses et de bonne qualité, meilleur tend à être le résultat.

De cette définition large découle un effet important : beaucoup de problèmes qui ne semblent pas relever de la prédiction peuvent être reformulés comme tels. Reconnaître une photo, conduire, recommander un film ou détecter une fraude à la carte bancaire deviennent des tâches qui consistent à prédire une réponse à partir de données.

Quand quelque chose devient bon marché

L'idée économique centrale est simple. Lorsque le prix d'une chose baisse, les gens en utilisent davantage, y compris dans des situations où cela ne valait pas la peine auparavant. Les auteurs prennent l'exemple de l'électricité : lorsqu'elle est devenue bon marché, on a commencé à éclairer partout, et pas seulement les endroits où l'on allumait autrefois une bougie.

Un autre exemple est celui du calcul. Les ordinateurs ont commencé comme des machines à calculer. Le coût du calcul s'étant effondré, ils ont été utilisés pour les tableurs, les jeux, la photographie et la musique, toutes des applications devenues des problèmes de calcul. La prédiction suit aujourd'hui le même chemin.

De là vient la prédiction du livre : on verra des prédictions bon marché utilisées pour des tâches nouvelles, parfois inattendues. Ceux qui travaillent dans des domaines dépendants de décisions répétitives, comme la logistique, le crédit et le service client, sont susceptibles de ressentir l'impact plus tôt.

11 sections de plus dans l’appli

Continuez dans l’appli

Lisez le résumé en entier ou écoutez-le et testez-vous à la fin avec le quiz du livre. L’appli est gratuite à télécharger, et une lecture gratuite vous attend chaque jour.

À propos de Ajay Agrawal, Joshua Gans and Avi Goldfarb

Ajay Agrawal, Joshua Gans et Avi Goldfarb sont professeurs à la Rotman School of Management de l'Université de Toronto, au Canada. Agrawal a fondé le Creative Destruction Lab, un programme qui soutient les jeunes entreprises technologiques. Les trois sont économistes et étudient l'impact économique de l'intelligence artificielle. Ils ont aussi écrit ensemble Power and Prediction, paru en 2022.