Pour commencer, nous allons forcément parler de l'intelligence artificielle (IA). Cette intelligence permet de créer des machines capables de simuler la nôtre. Aujourd'hui l'IA est de plus en plus utilisée dans notre quotidien comme les assistants intelligents tels que Google Home ou Alexa chez Amazon.
Le Machine Learning ou apprentissage automatique est un sous-domaine de l'intelligence artificielle (IA). Cette technologie permet aux ordinateurs d'apprendre (à calculer ou/et résoudre des problèmes)sans avoir besoin d'une aide extérieure et pour ensuite se développer seul. Il existe différentes méthodes d'apprentissages : l'apprentissage supervisé, non supervisé ou en profondeur appelé "Deep Learning". Nous allons étudier plus précisément l'apprentissage supervisé. Dans ce type d'apprentissage, l'ordinateur contient des données déjà catégorisées qui permettera par la suite de les comparer avec des d'autres données inconnues pour ainsi les comparer aux données acquises et les classer. L'ordinateur se base donc sur des modèles ancrés dans son processeur pour identifier ce qu'il rencontre. Par exemple, si on créé un algorithme alimenté d'image de requins et qu'on lui apprend que c'est un poisson, une fois l'apprentissage terminé quand il apercevra une image d'un requin il dira que c'est un poisson.
Les données massives (Big Data) sont des ensembles de données produites paar l'utilisation des nouvelles technologies. Ces données regroupent aussi bien des données d'entreprise (courriels, documents,...) que des données issues de contenus publiés sur internet (images,vidéos,...), des échanges sur les réseaux sociaux,... Ces données sont trop volumineuses pour qu'un humain ou même des outils informatiques de gestion de base de données puissent les analyser.
Le Big Data convient parfaitement au Machine Learning car cette technologie permet d'extaire toutes les données massives qu'on ne peut pas analyser tout seul. En plus, grâce aux nombreuses données analysées par la machine, elle peut ainsi apprendre plus de choses et obtenir des résultats de qualité supérieure. Sans ces données massives, l'apprentissage automatique ne sert a rien car ces données sont l'instrument de compréhension et d'apprentissage de l'IA à la manière dees humains.