1 - Formuler le problème
(Business understanding en anglais)
-
Comprendre le but du projet, se familiariser avec le système, comment le projet va être utilisé — quel est le contexte, les exigences et les défis du projet.
Il est également souhaitable de comprendre les données dont on a besoin. Par exemple, pour créer une application capable de détecter des cellules cancereuses, comprendre ce qu’est un cancer, quels sont les différents stages, comment on les reconnaît, etc.
-
De nombreux projets de machine learning ne sont jamais déployés.
3 raisons principales sont généralement évoqués:-
pas de besoin
Même une excellente application ne peut pas sauver un projet pour lequel il n’y a aucun besoin. La première question à se poser est si l’utilisateur final veut utiliser l’application et si oui, comment. -
pas de moyens
Le projet nécessite une technologie (serveurs, puissance de calcul) ou des données non disponibles en production. -
mauvaise gestion de projet
Un projet touchant à l’intelligence artificielle est plus difficile à gérer car le développement n’est pas linéaire — difficile de savoir à un moment T combien de temps il faudra pour finir le projet puisqu’on ne sait pas à l’avance quelles approches vont fonctionner ou non.
Pour éviter de perdre des mois à developper un projet qui ne sera jamais utilisé, il faut d’abord s’assurer de bien comprendre le problème et de proposer une solution adaptée.
-