Planification des expérimentations à l’heure de l’IA

mohamed_hassan / Pixabay

Lorsque l’on doit conduire des expérimentations, et pas seulement en science, on cherche à relier des causes à des effets, à savoir si tel ou tel paramètre influence un résultat. Actuellement occultée par les technologies de deep learning, l’ancienne approche par plan d’expériences demeure particulièrement pertinente lorsque les expériences coûtent cher ou sont dangereuses à conduire. R&D Médiation vous propose un outil gratuit de planification d’expériences.

Pourquoi les plans d’expériences ?

Lorsqu’on veut étudier un phénomène, scientifique, économique, social…, il est souvent tentant de faire une grande quantité d’expériences en faisant varier les paramètres. Or, en plus d’être très coûteuse, cette tentation ne garantit pas que les résultats seront bons. En effet, un domaine de réglage des paramètres peut avoir fait l’objet de plus d’expérience qu’un autre, si bien que l’on peut surévaluer la pertinence d’une configuration.

Dans cet article, nous ne détaillerons pas l’approche par plan d’expériences, car nous avons fortement contribué à la rédaction de l’article de Wikipédia que vous pouvez consulter.

Pourquoi les jeunes chercheurs détestent-ils les plans d’expériences?

Dans les années 80, des armées de mathématiciens se sont fait plaisir à complexifier à l’envi les plans d’expériences, inventant des matrices et des méthodes toujours plus complexes. Un business des « logiciels de plans d’expériences » s’est développé ce qui est paradoxal dans la mesure ou Excel permet de faire les calculs de plan d’expériences, car il contient préprogrammées toutes les fonctions matricielles requises. En jouant la complication, les mathématiciens ont fini par dégoûter tout le monde. La tentation de tourner tous les boutons pour voir ce que cela donne a finalement pris le dessus sur l’approche frugale, puisque l’objectif de tout cela est bien de réduire le nombre d’expérimentations à faire tout en gardant la qualité de l’analyse.

L’outil R&D Médiation

L’outil mis en ligne par R&D Médiation ne comporte que trois plans d’expériences : Hadamard et deux versions de Doehlert. La matrice d’Hadamard est très utile pour débroussailler un domaine, Doehlert nécessite plus d’expérimentations, mais permet une meilleure étude des interactions entre paramètres.

Quelques remarques:

  • L’outil a très peu de garde-fous. Il est donc important de bien s’assurer de la validité d’usage et de calcul.
  • Il n’a pas de sauvegarde sur nos serveurs. Vous devez sauver vos données par copié/collé (un champ est dédié à cet effet dans la page où on entre les données)

Plans d’expériences et deep learning

Le deep learning requiert un nombre important de données, mais est capable de trouver des relations complexes entre celles-ci et des paramètres. Les plans d’expériences poursuivent l’objectif inverse, celui de requérir le moins de données possible, mais ne cherchent que des relations linéaires entre les paramètres et les données. Par contre, vérifier, avant de se lancer dans du codage de réseau de neurones, qu’un simple plan d’expériences n’est pas suffisant est une bonne idée.

Six mois de codage d’une intelligence artificielle peuvent vous éviter une heure de plan d’expériences 😉

 

Pour aller plus loin:

Télécharger cet article au format PDF ou ePub

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.