A/B test
Variante orthographique d'A/B testing désignant la même méthode de comparaison de deux versions p...
Suite d'étapes définies permettant d'obtenir un résultat à partir d'éléments fournis en entrée, base du fonctionnement des logiciels et de l'intelligence artificielle
Le mot "algorithme" est partout, souvent utilisé de façon un peu mystérieuse, comme s'il désignait une chose complexe et inaccessible. Pourtant, la réalité est beaucoup plus simple et plus quotidienne. Un algorithme, c'est tout bêtement une suite d'instructions qui permet d'obtenir un résultat à partir d'éléments donnés. Et nous en utilisons tous, sans le savoir, depuis notre plus tendre enfance [citation:6].
La CNIL, l'autorité française de protection des données, donne une définition claire : un algorithme est la description d'une suite d'étapes permettant d'obtenir un résultat à partir d'éléments fournis en entrée [citation:6].
L'exemple le plus parlant est celui de la recette de cuisine. Une recette, c'est un algorithme : vous avez des ingrédients (les données d'entrée), vous suivez des étapes dans un ordre précis (éplucher, couper, mélanger, cuire), et vous obtenez un plat (le résultat). Que vous réussissiez ou non le plat dépend de la précision de la recette et de votre habileté à suivre les instructions, mais le principe est là.
Dans le monde numérique, les algorithmes sont partout. Ce sont eux qui permettent aux ordinateurs de faire ce qu'ils font : calculer, trier, rechercher, recommander. Un moteur de recherche utilise des algorithmes pour trouver les pages les plus pertinentes. Un site e-commerce utilise des algorithmes pour vous recommander des produits. Une application de navigation utilise des algorithmes pour calculer l'itinéraire le plus rapide [citation:6].
Pour qu'un algorithme puisse être mis en œuvre par un ordinateur, il faut qu'il soit exprimé dans un langage informatique, sous la forme d'un logiciel (souvent appelé aussi "application"). Un logiciel combine en général de nombreux algorithmes : pour la saisie des données, pour le calcul du résultat, pour l'affichage, pour la communication avec d'autres logiciels, etc. [citation:6].
Par exemple, votre application de navigation contient : un algorithme pour capter votre position GPS, un algorithme pour calculer les différentes routes possibles, un algorithme pour estimer les temps de trajet en fonction du trafic, un algorithme pour afficher la carte, un algorithme pour générer les instructions vocales. Tous ces algorithmes travaillent ensemble pour vous fournir le service.
Il existe des algorithmes très simples, comme celui qui calcule la moyenne d'une liste de notes. Et il existe des algorithmes extrêmement complexes, comme ceux qui permettent aux moteurs de recherche de classer des milliards de pages en une fraction de seconde.
La complexité d'un algorithme se mesure notamment par le temps et les ressources nécessaires à son exécution en fonction du volume de données à traiter. C'est ce qu'on appelle la complexité algorithmique. Certains problèmes sont si complexes qu'ils ne peuvent pas être résolus de façon exacte en un temps raisonnable, et on utilise alors des algorithmes d'approximation qui donnent une solution "assez bonne" sans garantir la perfection.
Une catégorie particulière d'algorithmes a pris une importance considérable ces dernières années : les algorithmes "auto-apprenants". Certains algorithmes ont été conçus de sorte que leur comportement évolue dans le temps, en fonction des données qui leur ont été fournies. Ils relèvent du domaine de recherche des systèmes experts et de l'intelligence artificielle [citation:6].
Ces algorithmes d'apprentissage automatique (machine learning) sont utilisés dans un nombre croissant de domaines : prédiction du trafic routier, analyse d'images médicales, reconnaissance faciale, détection de fraudes, recommandations personnalisées. Leur particularité est qu'ils ne sont pas programmés avec des règles explicites pour chaque situation, mais qu'ils "apprennent" ces règles à partir d'exemples [citation:6].
L'omniprésence des algorithmes, et particulièrement des algorithmes d'IA, soulève des questions importantes sur la protection des données personnelles. La CNIL rappelle que si les algorithmes permettent de combiner les informations les plus diverses pour produire une grande variété de résultats, ils doivent le faire dans le respect des droits des personnes [citation:6].
Le RGPD encadre notamment les décisions individuelles automatisées, le profilage, et impose de la transparence sur le fonctionnement des algorithmes quand ils traitent des données personnelles. Les entreprises qui utilisent des algorithmes pour prendre des décisions affectant des personnes (comme l'attribution d'un crédit ou le classement de candidatures) doivent pouvoir expliquer, au moins dans les grandes lignes, comment ils fonctionnent.
Dans notre monde de plus en plus numérique, comprendre ce qu'est un algorithme, même de façon simple, est devenu une forme de culture générale. Sans devenir développeur, savoir qu'un algorithme n'est ni magique ni forcément objectif, qu'il reflète les choix de ses concepteurs et les données sur lesquelles il a été entraîné, permet de mieux comprendre et parfois de questionner les décisions automatisées qui nous affectent.
Comprendre les algorithmes pour mieux les maîtriser dans votre entreprise.
Découvrir les formationsVariante orthographique d'A/B testing désignant la même méthode de comparaison de deux versions p...
Méthode d'expérimentation qui compare deux versions d'un même élément pour déterminer laquelle pe...
Terme désignant les actions de communication publicitaire réalisées dans les médias de masse trad...