Bilan 2019: retour sur une année Data

L’année est sur le point de se terminer et, avant de prendre de bonnes résolutions pour 2020, c’est le moment de faire le bilan sur les mois qui viennent de s’écouler. Nous avons demandé à nos experts quels événements autour de la Data et du numérique en général ont pour eux été des faits marquants de l’année 2019

Julien

• L’utilisation de plus en plus fréquente de l’intelligence artificielle pour “créer”, et notamment pour générer des faux, que ce soit les fameuses vidéos deepfake, la génération automatique de texte, ou même la voix.

Romain

• Le boom de la vision artificielle: une brique d’IA mature dont les usages se sont multipliés en 2019, avec les débats éthiques et juridiques qui vont souvent de pair lorsque la technologie est appliquée à la reconnaissance faciale.

• Le début de prise de conscience des collectivités territoriales sur l’importance de reprendre la main sur les données, notamment celles concernant la mobilité et les transports, en exigeant leur mise à disposition de la part des grandes plateformes (Uber, Airbnb, Waze..).

Ludovic

• L’utilisation de plus en plus « affichée » du motion en dataviz, et ceci quelle que soit la techno utilisée (cf les bartchart races). Le motion est vraiment une nouvelle composante UX avec laquelle jouer en dataviz (et dans le digital en règle générale).

Yann

• La « folie Bert » : Depuis la découverte d’une nouvelle architecture de réseaux de neurones particulièrement efficace pour le NLP en 2018, la communauté Data Science s’est emballée pour développer, étendre et éprouver cette nouvelle technologie : des variantes généralistes du modèle de base (distilBert, roBerta..), des variantes sur des domaines spécialisés (bioBert, sciBert…) ou encore des variantes dans des langues spécifiques (CamenBert…). Un grand coup de coeur pour HuggingFace (https://huggingface.co/) et leur super librairie « Transformers ».

• La folie des solutions pour Data Scientists : Après des années à être peu convaincu par les solutions sur le marché, l’outillage (en général : éditeurs, librairie open-source, cloud) proposé sur le marché pour les data scientists commence à vraiment mûrir et l’environnement de travail du data scientist à s’éclairer. Quelques news qui m’ont marqué : Domino Data Lab qui passe sa plateforme en full natif Kubernetes; GCP et AWS qui lancent un service de forecasting de time series (GCP Inference et AWS Forecast); la version 2.0 de tensorflow et son lot de nouveauté : particulièrement hype pour TensorFlow Extended; …

• L’explicabilité des modèles (white boxing) qui a connu un regain d’intérêt dans le monde de la recherche et de l’entreprise

———

Cet article vous intéresse? discutez-en avec la communauté Data Valoway sur Linkedin ou sur Slack