Aug 12, 2023
Gartner identifie les principales tendances qui façonnent l'avenir de la science des données et de l'apprentissage automatique
Gartner, Inc. a souligné aujourd'hui les principales tendances ayant un impact sur l'avenir de la science des données et de l'apprentissage automatique (DSML), alors que le secteur se développe et évolue rapidement pour répondre à l'importance croissante des données dans
Gartner, Inc. a souligné aujourd'hui les principales tendances ayant un impact sur l'avenir de la science des données et de l'apprentissage automatique (DSML), alors que le secteur se développe et évolue rapidement pour répondre à l'importance croissante des données dans l'intelligence artificielle (IA), en particulier à mesure que l'attention se tourne vers l'IA générative. investissements.
S'exprimant aujourd'hui lors du Gartner Data & Analytics Summit à Sydney, Peter Krensky, directeur analyste chez Gartner, a déclaré : « Alors que l'adoption de l'apprentissage automatique continue de croître rapidement dans tous les secteurs, DSML évolue d'une simple focalisation sur les modèles prédictifs vers une approche plus démocratisée, dynamique et discipline centrée sur les données. Cette tendance est désormais également alimentée par la ferveur autour de l’IA générative. Si des risques potentiels apparaissent, les nombreuses nouvelles capacités et cas d’utilisation pour les data scientists et leurs organisations le sont également.
Selon Gartner, les principales tendances qui façonnent l'avenir du DSML comprennent :
Tendance 1 : écosystèmes de données cloud Les écosystèmes de données passent de logiciels autonomes ou de déploiements mixtes à des solutions cloud natives complètes. D’ici 2024, Gartner prévoit que 50 % des nouveaux déploiements de systèmes dans le cloud seront basés sur un écosystème de données cloud cohérent plutôt que sur des solutions ponctuelles intégrées manuellement.
Gartner recommande aux organisations d'évaluer les écosystèmes de données en fonction de leur capacité à résoudre les problèmes de données distribuées, ainsi qu'à accéder et à intégrer des sources de données en dehors de leur environnement immédiat.
Tendance 2 : IA de pointe La demande pour Edge AI augmente pour permettre le traitement des données au point de création à la périphérie, aidant ainsi les organisations à obtenir des informations en temps réel, à détecter de nouveaux modèles et à répondre aux exigences strictes en matière de confidentialité des données. Edge AI aide également les organisations à améliorer le développement, l’orchestration, l’intégration et le déploiement de l’IA.
Gartner prédit que plus de 55 % de toutes les analyses de données par les réseaux de neurones profonds auront lieu au point de capture dans un système de périphérie d'ici 2025, contre moins de 10 % en 2021. Les organisations doivent identifier les applications, la formation en IA et l'inférence nécessaires pour migrez vers des environnements périphériques à proximité des points de terminaison IoT.
Tendance 3 : une IA responsable L’IA responsable fait de l’IA une force positive plutôt qu’une menace pour la société et pour elle-même. Il couvre de nombreux aspects de la prise de décisions commerciales et éthiques appropriées lors de l’adoption de l’IA, que les organisations abordent souvent de manière indépendante, tels que la valeur commerciale et sociétale, le risque, la confiance, la transparence et la responsabilité. Gartner prédit que la concentration de modèles d’IA pré-entraînés parmi 1 % des fournisseurs d’IA d’ici 2025 fera de l’IA responsable une préoccupation sociétale.
Gartner recommande aux organisations d'adopter une approche proportionnelle au risque pour apporter de la valeur à l'IA et de faire preuve de prudence lors de l'application de solutions et de modèles. Demandez aux fournisseurs de s’assurer qu’ils gèrent bien leurs risques et leurs obligations de conformité, protégeant ainsi les organisations contre les pertes financières potentielles, les poursuites judiciaires et les atteintes à leur réputation.
Tendance 4 : IA centrée sur les données L’IA centrée sur les données représente le passage d’une approche centrée sur les modèles et le code à une approche davantage axée sur les données pour créer de meilleurs systèmes d’IA. Des solutions telles que la gestion des données spécifiques à l'IA, les données synthétiques et les technologies d'étiquetage des données visent à résoudre de nombreux problèmes liés aux données, notamment l'accessibilité, le volume, la confidentialité, la sécurité, la complexité et la portée.
L'utilisation de l'IA générative pour créer des données synthétiques est un domaine en croissance rapide, allégeant le fardeau de l'obtention de données du monde réel afin que les modèles d'apprentissage automatique puissent être formés efficacement. D’ici 2024, Gartner prévoit que 60 % des données destinées à l’IA seront synthétiques pour simuler la réalité, des scénarios futurs et réduire les risques de l’IA, contre 1 % en 2021.
Tendance 5 : investissement accéléré dans l’IA Les investissements dans l’IA continueront de s’accélérer de la part des organisations mettant en œuvre des solutions, ainsi que des secteurs qui cherchent à se développer grâce aux technologies de l’IA et aux entreprises basées sur l’IA. D’ici fin 2026, Gartner prédit que plus de 10 milliards de dollars auront été investis dans des startups d’IA qui s’appuient sur des modèles de base – de grands modèles d’IA formés sur d’énormes quantités de données.