Exposé Deep Learning

DEEP LEARNING
- Yanis Bichbiche -
- Ludovic Antunes -
Intelligence Economique
INTELLIGENCE ECONOMIQUE
Table des matières
I. Concept de l’IE et de Deep Learning............................................................................................................... 3

A. L’intelligence Économique .......................................................................................................................... 3
a) Définition de l’IE........................................................................................................................................ 3
b) B. Importance de l’IE dans le contexte économique actuelle ......................................................... 3
B. Le Deep Learning ......................................................................................................................................... 4
2
a) Chronologie .............................................................................................................................................. 4
b) Bases et Définitions ................................................................................................................................. 4
II. Le Deep Learning au service de l’IE ................................................................................................................ 5

A. Application du deep Learning ..................................................................................................................... 5
a) A. Analyse des données financières .................................................................................................. 5
b) Veille Concurrentielle ............................................................................................................................... 5
c) Gestion des risques ................................................................................................................................ 5
B. Exemples Concrets .................................................................................................................................... 6
a) Google et la prédiction des tendances économiques : ......................................................................... 6
b) IBM et l'analyse de la chaîne d'approvisionnement : ............................................................................. 6
C. Limitations .................................................................................................................................................. 6
23/11/2023 Yanis Bichbiche – Ludovic Antunes CPSI

Intro : Ludo jusqu’au diapo 2
I. Concept de l’IE et de Deep Learning
A. L’intelligence Économique
a) Défini on de l’IE Yanis diapo 3 & 4 3
L'intelligence économique est un processus stratégique qui vise à collecter, analyser, protéger et diffuser
des informations pertinentes liées à l'environnement économique d'une organisation et d'un pays pour
prendre des décisions stratégiques éclairées et renforcer leur compétitivité.
 Veille stratégique : ou concurrentielle, qui consiste à rechercher, recueillir et analyser l'information

afin de poser un diagnostic fiable sur l’environnement concurrentiel de l'entreprise.
 La protection du patrimoine matériel et immatériel de l'entreprise : qui permet de se prémunir de toute
tentative de pillage et d'assurer la protection du savoir-faire et de l'information stratégique que détient
l'entreprise.
 Les opérations d'influence : qui visent à convaincre, séduire ou dissuader les organismes décideurs
évoluant dans l'environnement direct de l'entreprise, avec pour objectifs de servir la mise en place d'un
projet et/ou de défendre les intérêts de l'entreprise.
b) B. Importance de l’IE dans le contexte économique actuelle
Compétitivité accrue : L'intelligence économique permet aux entreprises de rester compétitives en

surveillant les évolutions du marché, en identifiant les opportunités et les menaces, et en adaptant leur
stratégie en conséquence.
 Gestion des risques : Dans un environnement économique en constante évolution, l'intelligence

économique aide les organisations à anticiper et à atténuer les risques potentiels, qu'il s'agisse de
risques financiers, de réputation, ou de sécurité.
 Innovation : L'intelligence économique stimule l’innovation en favorisant la veille technologique, ce
qui permet donc aux entreprises de rester à la pointe de l'innovation. Et de développer de nouveaux
produits et services compétitifs.
 Prise de décision éclairée : En collectant, analysant et organisant des informations pertinentes,
l'intelligence économique aide les décideurs à prendre des décisions plus éclairées et stratégiques,
basées sur des données fiables.
 Protection des actifs intellectuels : Dans un contexte où la propriété intellectuelle est de plus en plus
précieuse, l'intelligence économique contribue à protéger les brevets, les droits d'auteur et d'autres
actifs immatériels.
 Gestion des crises : L'intelligence économique prépare les organisations à gérer efficacement les
crises, qu'elles soient liées à des catastrophes naturelles, des conflits internes ou externes, ou des
crises de réputation, en fournissant des informations cruciales pour une réaction rapide et appropriée

B. Le Deep Learning Ludo dapo 5/6/7
a) Chronologie
Aux origines du deep learning : Le concept d'apprentissage profond prend forme dans les années 2010,
avec la convergence de quatre facteurs :
 Des réseaux de neurones artificiels multicouches (eux-mêmes issus entre autres du concept de
8
perceptron, datant de la fin des années 1950) ; 4

 Des algorithmes d'analyse discriminante (L’analyse factorielle discriminante (AFD) ou simplement
9
analyse discriminante est une technique statistique qui vise à décrire, expliquer et prédire
l’appartenance à des groupes prédéfinis (classes, modalités de la variable à prédire…) d’un ensemble
d’observations (individus, exemples…) à partir d’une série de variables prédictives (descripteurs,
variables exogènes…). et apprenants (dont l'émergence remonte aux années 1980) ;
 Des machines dont la puissance de traitement permet de traiter des données massives ;
 Des bases de données suffisamment grandes, capables d'entraîner des systèmes de grandes tailles.
En octobre 2015, le programme AlphaGo, à qui l'on a « appris » à jouer au jeu de go grâce à la méthode
de l'apprentissage profond, bat le champion européen Fan Hui par 5 parties à 0. En mars 2016, le même
12
programme bat le champion du monde Lee Sedol par 4 parties à 1 . 13
b) Bases et Défini ons
Depuis les débuts de l’IA, il y a cette ambition de reproduire le cerveau humain, ou plus précisément
de s’en inspirer. Pour ce faire, les chercheurs se sont d’abord intéressés de près au fonctionnement des
cerveaux biologiques. Ils ont étudié notamment le fonctionnement des neurones. Ces neurones, qui
composent notre cerveau, communiquent entre eux grâce à des synapses.
On a donc créé des algorithmes qui reprennent cette architecture neuronale. Bien sûr, les neurones
sont ici une inspiration, qu'on a ensuite adaptée à l'intelligence artificielle. (attention : Le réseau de neurones
artificiels n'est pas une reproduction du cerveau humain, son architecture en est seulement inspiré.

II. Le Deep Learning au service de l’IE Yanis présenta on diapo 8
A. Applica on du deep Learning
a) A. Analyse des données financières Ludo diapo 9

5
 Prédiction de tendances financières
 Détection des fraudes financières
 Gestion des portefeuilles d’investissements
b) Veille Concurren elle Yanis diapo 10
 Analyse des médias sociaux

 Surveillance des activités concurrentes
 Prédiction des mouvements du marché
c) Ges on des risques Ludo diapo 11
 Identification des risques éco

 Analyse des factures de marché
 Prévention des crises financières

B. Exemples Concrets Yanis diapo 12
a) Google et la prédic on des tendances économiques :
Google utilise le deep learning pour prévoir les tendances économiques en se basant sur l'analyse
des requêtes de recherche effectuées sur son moteur. En surveillant de près les recherches liées aux
produits, services et secteurs, Google peut déceler des signaux précoces des changements dans le
comportement des consommateurs et de l'économie en général. Ces données sont ensuite partagées sous 6
la forme de rapports, ce qui permet aux entreprises et aux économistes de prendre des décisions plus
éclairées. Par exemple, lors de la récession économique de 2008, les données de recherche de Google ont
permis de prédire des tendances telles que la baisse de la demande de biens durables.
b) IBM et l'analyse de la chaîne d'approvisionnement :
BM a développé un système d'analyse de la chaîne d'approvisionnement basé sur le deep learning.

L'entreprise utilise des modèles d'apprentissage profond pour surveiller en temps réel l'ensemble de sa
chaîne d'approvisionnement mondiale. Grâce à l'analyse de données telles que les flux de transport, les
niveaux de stock, les tendances météorologiques, les données de commande, etc., IBM peut détecter des
anomalies, prédire des pénuries ou des surplus de produits, et optimiser la gestion de sa chaîne
d'approvisionnement. Cela permet à l'entreprise d'économiser des coûts, de réduire les délais de livraison, et
d'améliorer la satisfaction de ses clients.
C. Limita ons Ludo diapo 13

 L’acquisition de beaucoup de données et de haute qualité peut être difficile et coûteuse. Car il est
nécessaire d’avoir énormément d'informations et de ce fait, on a besoin de ressources
informatiques importantes (grosses machines).
 Besoin de données de haute qualité et en grande quantité : Le deep learning nécessite une
grande quantité de données de haute qualité pour former des modèles efficaces. Dans le domaine
de l'intelligence économique, il peut être difficile d'obtenir des ensembles de données suffisamment
vastes et représentatifs, en particulier pour des informations confidentielles, des données financières
sensibles ou des données sur les concurrents. La qualité des données est cruciale, car des données
biaisées ou erronées peuvent entraîner des prédictions inexactes.
 Opacité des modèles : Les modèles de deep learning, en particulier les réseaux de neurones
profonds, sont souvent considérés comme des "boîtes noires". Ils sont complexes et difficiles à
interpréter, ce qui peut rendre la compréhension des raisons derrière une décision ou une prédiction
spécifique difficile. Cette opacité peut poser des problèmes en matière de transparence, de
conformité réglementaire et de confiance, ce qui est essentiel en intelligence économique.

 Sensibilité aux données d'entraînement : Les modèles de deep learning sont sensibles aux
données d'entraînement sur lesquelles ils sont basés. Si ces données sont biaisées, non
représentatives ou obsolètes, les modèles peuvent reproduire ces biais et fournir des résultats
incorrects. Il est essentiel de surveiller et de mettre à jour régulièrement les ensembles de données
d'entraînement pour maintenir la pertinence des modèles.
 Besoin de ressources informatiques importantes : Les modèles de deep learning, en particulier

les réseaux de neurones profonds, exigent des ressources informatiques considérables en termes
de puissance de calcul et de stockage. Cela peut rendre leur mise en œuvre coûteuse pour de
7
nombreuses entreprises, en particulier les petites et moyennes entreprises. De plus, cela peut
entraîner des retards dans le déploiement des modèles et nécessiter un investissement en
infrastructure informatique.
Conclusion : Yanis diapo 14

C’est un outil incroyablement performant. Qui permet d’analyser des tonnes de données en un temps
réduit et de manière efficace et efficiente. Ce qui permet d’économiser du temps et des erreurs
humaines. Cependant elle connaît quelques limites, que ce soit sur le plan physique (matériels très onéreux),
et que si elle n’est pas bien entraînée, utilisée, elle peut être une source d’erreur.
Donc on peut l’utiliser mais avec des mesures de contrôle constant et un regard de l’homme sur les
résultats qu’elle propose.

Exposé Deep Learning

Transféré par

Droits d'auteur :

Formats disponibles

Exposé Deep Learning

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Exposé Deep Learning

Transféré par

Droits d'auteur :

Formats disponibles

DEEP LEARNING

Table des matières

I. Concept de l’IE et de Deep Learning............................................................................................................... 3

II. Le Deep Learning au service de l’IE ................................................................................................................ 5

23/11/2023 Yanis Bichbiche – Ludovic Antunes CPSI

Intro : Ludo jusqu’au diapo 2

I. Concept de l’IE et de Deep Learning

a) Déﬁni on de l’IE Yanis diapo 3 & 4 3

 Veille stratégique : ou concurrentielle, qui consiste à rechercher, recueillir et analyser l'information

b) B. Importance de l’IE dans le contexte économique actuelle

Compétitivité accrue : L'intelligence économique permet aux entreprises de rester compétitives en

 Gestion des risques : Dans un environnement économique en constante évolution, l'intelligence

23/11/2023 Yanis Bichbiche – Ludovic Antunes CPSI

B. Le Deep Learning Ludo dapo 5/6/7

perceptron, datant de la ﬁn des années 1950) ; 4

programme bat le champion du monde Lee Sedol par 4 parties à 1 . 13

b) Bases et Déﬁni ons

23/11/2023 Yanis Bichbiche – Ludovic Antunes CPSI

II. Le Deep Learning au service de l’IE Yanis présenta on diapo 8

A. Applica on du deep Learning

a) A. Analyse des données ﬁnancières Ludo diapo 9

b) Veille Concurren elle Yanis diapo 10

 Analyse des médias sociaux

c) Ges on des risques Ludo diapo 11

 Identiﬁcation des risques éco

23/11/2023 Yanis Bichbiche – Ludovic Antunes CPSI

B. Exemples Concrets Yanis diapo 12

a) Google et la prédic on des tendances économiques :

b) IBM et l'analyse de la chaîne d'approvisionnement :

BM a développé un système d'analyse de la chaîne d'approvisionnement basé sur le deep learning.

C. Limita ons Ludo diapo 13

23/11/2023 Yanis Bichbiche – Ludovic Antunes CPSI

 Besoin de ressources informatiques importantes : Les modèles de deep learning, en particulier

Conclusion : Yanis diapo 14

23/11/2023 Yanis Bichbiche – Ludovic Antunes CPSI

Vous aimerez peut-être aussi