4.3 Conclusion
Ces entretiens ont confirmé en grande partie ce qui a
été relevé dans la littérature en termes de
solutions techniques, mais ils apportent aussi des éclairages sur les
pratiques à adopter en matière de management de projet.
Les difficultés rencontrées lors de projet
d'intégration de solution ML dans les entreprises s'expliquent par le
manque de compréhension de ce qu'est le ML par les métiers. Les
entreprises ont été habituées à exploiter des
solutions logiciel sur étagère, c'est pourquoi, beaucoup de
projets sont des pilotes. Les derniers progrès d'algorithmes
réutilisables sont trop récents pour imaginer des solutions
pseudo-génériques sur étagère.
En attendant l'arrivée de solutions
pseudo-génériques, l'approche actuelle consiste à
construire un modèle de prédiction via une démarche
empirique, qui est une succession de choix et d'expérimentations,
grâce à des outils toujours plus performants. Une fois construit
et mis en production, il faudra mettre à jour
régulièrement le modèle comme toute application.
Il est intéressant de noter que les outils actuels,
notamment disponibles sur le cloud, permettent d'automatiser en partie le
processus de création du modèle. Ce qui facilitera à
l'avenir la modélisation. En attendant, les bonnes pratiques qui
répondent à la troisième et dernière question de
recherche sont présentées dans le chapitre suivant.
48
| 
