AI & machine learning are creating an unproductive buzz. The ecstasy and fear generated by such concepts is harmful for a large majority of companies to start using these technologies effectively. These technologies should be used, not for the sake of it, but for business profit and operational gains. The talk reviews shortly the current change in paradigm in AI, and quickly focuses on what one must understand about these technology and methods in order to put them to effective use (no technical background necessary, no math included). The central issue of digital transformation for companies is defined as the renewal of business lines and professions - by updating not only their "tools", but also their "processes". The bad news is that business lines and professionals have long forgotten how to renew & redesign their business, having restricted themselves far too long on execution of the same script for decades.

1. Akin Kazakçi akin.kazakci@mines-paristech.fr
Transformation Digitale par l’IA
et laValorisation des Données
Akin Osman Kazakci
Maitre-Assistant
Centre de Gestion Scientifique
Mines ParisTech - PSL Research University

2. akin.kazakci@mines-paristech.fr
Plan
1. Un changement de paradigme dans l’IA
2. Démystifier l’IA pour accélérer son intégration
3. La transformation digitale par l’IA: Le renouvellement
des métiers

3. akin.kazakci@mines-paristech.fr3

4. akin.kazakci@mines-paristech.fr
Kasparov vs. Deep Blue,
1997
Lee Seedol vs. AlphaGo,
2016

5. akin.kazakci@mines-paristech.fr
Tâche complexe
Prédiction et Prise de
décision
Gros moyens de calcul
Top-down,
"codé à la
main”
Bottom-up,
appris à partir
d’examples
+ Données
Tâche complexe
Prédiction et Prise de
décision
Gros moyens de calcul

6. akin.kazakci@mines-paristech.fr6
Deep learning: une grande avancée technique
Deep learning permet l’extraction
automatique des caractéristiques
importantes pour la
reconnaissance
Avant Après
Les caractéristiques
nécessaire à la
reconnaissance sont
fabriquées à la main

7. akin.kazakci@mines-paristech.fr7

8. akin.kazakci@mines-paristech.fr
Démystifier l’IA et les sciences
des données

9. Akin Kazakçi akin.kazakci@mines-paristech.frakin.kazakci@mines-paristech.fr
Vous savez déjà ce que c’est les sciences des données
depuis le lycée
Ex Regression

10. akin.kazakci@mines-paristech.fr
La Machine Learning,
c’est l’extraction automatique
des “programmes” à partir
des examples

11. akin.kazakci@mines-paristech.fr
Programmes
=
Modèle, Critères de décision,
Fonction, Prédicteur,
Estimateur…

12. akin.kazakci@mines-paristech.fr
L’importance de la cible de prédiction
Breast cancer data
(1958-1970),
University of
Chicago's Billings
Hospital
Que peut-on prédire de ces données?
Image Credits:
Rebecca Bilbro

13. akin.kazakci@mines-paristech.fr
L’importance de la cible de prédiction
Si nous apprendrons un modèle de ces données, nous
pouvons l’utiliser pour classifier les patientes futures comme
“va survivre” or “va pas survivre”.
C’est une tâche de classification.

14. akin.kazakci@mines-paristech.fr
Classification selon l’étiquette
Cette droite
est un
modèle
•x1, …, xn sont les variables indépendantes
•y est la variable cible

15. akin.kazakci@mines-paristech.fr
La prédiction,
C’est savoir (à l’avance)

16. akin.kazakci@mines-paristech.fr16
La valeur est dans “y”

17. akin.kazakci@mines-paristech.fr
Améliorer le control du traffic aérien
• Détection du type
d’aéronef à partir des
données de trajectoires
• Travail de l’équipe des Mines
(Sylvère Bonnabel, Sami
Jouaber, Balazs Kégl, Akin
Kazakçi)
• Ultimate goal: provide the air
traffic controller with decision
tools

18. akin.kazakci@mines-paristech.fr
A linear trajectory from
Copenhagen to London

19. akin.kazakci@mines-paristech.fr
A police helicopter
above Amsterdam

20. akin.kazakci@mines-paristech.fr
• C’est un problématique de détection
et de “pistage”
• Il existe des théories et modèles de
calcul
• Est-ce que les méthodes prédictives
de l’IA peuvent améliorer la
détection?
Detection par "calcul”

21. akin.kazakci@mines-paristech.fr
40% d’amélioration,
80 élèves,
485 modèles,
En 6 heures.
Detection par modèles de
machine learning

22. akin.kazakci@mines-paristech.fr
La transformation digitale par l’IA: le
renouvellement des métiers

23. akin.kazakci@mines-paristech.frakin.kazakci@mines-paristech.fr
Les projets de data science: Un taux de mortalité très élevé
Plus de 20+ projets ‘data’ + thèses en cours,Yohann Sitruk et Nicolas
Judalet
Projet “éternellement” en
cours de démarrage
• qualité des données,
• absence des données,
• no ROI
“POCs”
• Suite? - mort ‘moins’ subite
• Qualité du modèle résultant
pas satisfaisant
1 projet
Modèle passé en
production
• - après deux ans!
• ROI pas justifié, sauf
apprentissage organisationnel

24. akin.kazakci@mines-paristech.fr
Recherche Opérationnel
Optimisation
Sys. Prod.
Aide à la décision
Innovation
Théorie de la Conception
Pilotage de la valeur
Intégration IA
Big Data
Modèles Prédictifs
Business Process
Innovation
Ce n’est pas la 1ere vague de “rationalisation”

25. akin.kazakci@mines-paristech.fr
data-centric
industry
traditional
industry
<4%
GDP
>96%
GDP
Deux mondes à part

26. akin.kazakci@mines-paristech.fr
data-centric
industry
<4%
GDP
traditional
industry
>96%
GDP
PRODUIT
Les datas sont au coeur
des produits et du
modèle d’affaire
PROCESS
Les datas sont le by-
product d’un processus
métiers
Deux mondes à part

27. akin.kazakci@mines-paristech.fr
La transformation digitale est
essentiellement une question
de “process” et “métiers”

28. akin.kazakci@mines-paristech.fr
Il s’agit de renouveler ses outils
et sa manière de travailler

29. akin.kazakci@mines-paristech.fr
La transformation des métiers -
il n’y a que les métiers qui
peuvent le faire.

30. akin.kazakci@mines-paristech.fr
La mauvaise nouvelle,
C’est que l’intelligence ‘process’
des métiers a disparu

31. akin.kazakci@mines-paristech.fr
Rétablir une intelligence
process dans chaque métier
Vision d’innovation centré produit Vision d’innovation centré process
Un basculement dans le focus de l’innovation

32. akin.kazakci@mines-paristech.fr
Les droits d’images appartiennent à leurs propriétaires respectifs.
Hans Wegner chaise longue
Brigette and Mark Romanek's Family Estate
Data ScientistData Value Architect
Un nouveau rôle organisationnel: l’architecte de la valeur

33. akin.kazakci@mines-paristech.fr
Construction
de la valeur
Validation
technique
Accès à la
valeur
1 2 3
- Gain potentiel “connu” - Faisabilité “connu” - Déploiement & Usage
Etapes pour la mis-en-production d’un modèle prédictif

34. akin.kazakci@mines-paristech.fr
Et vous,
C’est quoi votre “y”?

35. akin.kazakci@mines-paristech.fr
Merci
Akin Osman Kazakci
akin.kazakci@mines-paristech.fr
Maitre-Assistant
Centre de Gestion Scientifique
Mines ParisTech
1. Changement de paradigme
2. Démystifier l’IA et les sciences
des données
3. Transformation digitale:
Renouvellement des métiers

36. akin.kazakci@mines-paristech.fr
Corollaire:
La transformation des métiers -
il n’y a que les métiers qui
peuvent le faire.