Compte-rendu de conférence – McKinsey & Company Canada

Le lundi 18 septembre marque un jour très important pour la cohorte 2017-2018. En effet, les membres de PolyFinances ont pu assister à leur première conférence qui a eu lieu chez McKinsey & Company Canada. Le sujet de la conférence a été une discussion sur l’intelligence artificielle et son impact sur les entreprises. L’équipe a été accueillie par Alexandre Châteauneuf et Vincent Bérubé.

 

Alexandre Châteauneuf

Alexandre Châteauneuf est un ancien étudiant de Polytechnique. Il a gradué en 2008 en Génie Physique et a rejoint McKinsey par la suite. Il occupe maintenant le poste d’Associate Principal et est spécialisé dans les fonds de pension. Finalement, il est membre du Conseil d’Administration de PolyFinances.

 

Vincent Bérubé

Monsieur Bérubé a fait un baccalauréat en Physique à l’Université Laval avant d’aller faire un doctorat en Physique au MIT. Il a rejoint McKinsey en 2009 et occupe présentement le poste de Partner. Il y est spécialisé en intelligence artificielle et en Advanced Analytics appliqués à l’équité privée.

 

L’Intelligence artificielle

L’intelligence artificielle (A.I.) et de l’Advanced Analytics (A.A.) dans le cadre des entreprises sert avant tout à utiliser des algorithmes qui aident à améliorer la prise de décisions. Plusieurs modèles d’application de ces concepts existent déjà (pensons à l’Internet of Things). De plus, ces nouvelles technologies engendrent aussi des nouveaux modèles d’affaires qui bousculent des entreprises et secteurs solidement implantés depuis plusieurs dizaines d’années. Par exemple, le principe de la compagnie Uber, où n’importe quel citoyen peut vous offrir un transport jusqu’à destination grâce à la puissance de son application, a provoqué une véritable révolution dans l’industrie du taxi.

 

L’intelligence artificielle en tant que telle est en fait un grand concept qui inclut plusieurs disciplines. La plus connue de ces disciplines est l’apprentissage machine ou Machine Learning. Ce principe consiste en l’utilisation d’algorithmes qui analysent des bases de données et essaient de déterminer des tendances entre des données. De ces tendances, il est possible de prédire des résultats face à de nouvelles données. L’apprentissage machine se divise en deux catégories qui sont l’apprentissage supervisé (Supervised Learning) et l’apprentissage non supervisé (Unsupervised Learning). Dans cette dernière catégorie, une technique qui a connu un essor de popularité est le Deep Learning. Le Deep Learning utilise une réplication du fonctionnement des neurones dans le cerveau afin de faire apprendre une machine. On utilise des entrées qui sont reliées à des couches internes (dont le nombre varie de quelques couches à plusieurs dizaines de couches). En sortie, on obtient un résultat qu’on peut par la suite redonner à notre algorithme s’il s’est trompé pour qu’il optimise ses paramètres. La qualité d’un algorithme dépend du point auquel il a été entraîné et si l’entraînement était assez varié pour considérer les variations possibles entre les échantillons.

 

Les dérangements

On peut considérer les dérangements (ou disruptions) dans un concept d’entreprise comme un changement technologique qui apporte une réduction exponentielle des coûts. L’arrivée des chemins de fer a été un changement technologique réduisant exponentiellement les coûts de transport comparativement à celui par chevaux et charrettes. Dans un sens, l’intelligence artificielle est aussi un dérangement, car son utilisation permet de réduire exponentiellement les coûts de prédictions, donc constitue une aide considérable à la décision. Il est même prédit que l’intelligence artificielle pourrait impacter le P.I.B mondial à hauteur allant de 7 100G $US à 13 100G $US.

Le Deep Learning n’est pas un jeune concept et a connu ses périodes d’enthousiasme et ses périodes de désintérêt. Par contre, plusieurs facteurs expliquent la renaissance de l’engouement envers cette discipline :

  • Le Big Data
  • Une meilleure architecture informatique
  • L’amélioration constante des algorithmes
  • La disponibilité du talent
  • L’engouement des investisseurs pour le domaine

 

L’utilisation en finance et dans d’autres secteurs d’entreprises

Quel intérêt peut avoir l’intelligence artificielle en finance? Pour l’instant, cet intérêt est moins marqué que dans d’autres domaines, car les institutions financières sont plus intéressées par l’Advanced Analytics que par l’intelligence artificielle. En effet, ces compagnies possèdent déjà une grande quantité de données et gagneront énormément à gérer plus efficacement leurs bases de données. Cela est possible en utilisant l’Advanced Analytics à travers toutes les étapes du cycle d’investissement. Le bénéfice principal qu’en retireront ces institutions sera une meilleure gestion du risque et une connaissance plus approfondie des facteurs de risque qui influencent leurs investissements.

Déjà, il existe plusieurs exemples de l’utilisation de l’intelligence artificielle à des fins non-conventionnelles qui peuvent révolutionner l’industrie. Un exemple abordé pendant la rencontre est celui de compagnies utilisant des images prises par satellites des conteneurs appartenant à des compagnies présentes dans les ports. En analysant la variation du nombre de conteneurs, il est possible de corréler ce facteur avec les ventes présentes et futures de la compagnie. Il est donc possible de connaître d’avance les variations de profit d’une entreprise, ce qui donne un avantage si on possède des investissements dans cette action. Un autre exemple relié au dernier qui a été abordé est l’utilisation d’images provenant de satellites pour analyser le taux d’occupation des stationnements d’un magasin pour encore une fois corréler cette information avec les ventes estimées de la compagnie.

 

Conclusion

Il a été vu lors de cette conférence à quel point l’intelligence artificielle et l’Advanced Analytics peuvent engendrer un énorme impact sur les entreprises en tant que dérangements vis-à-vis des technologies déjà implantées et pouvant leur faire économiser des centaines de milliards de dollars dans le futur. Par contre, il a aussi été mentionné qu’il serait judicieux dans l’avenir d’encadrer l’utilisation de l’intelligence artificielle de manière à éviter les débordements. Il est vrai que l’avènement de ces technologies suscite des craintes concernant des pertes d’emplois possibles, mais c’est en contrôlant leurs usages que l’humain en obtiendra les plus grands bénéfices.

 

Laisser un commentaire