L’algorithme étonnant qui lit dans le futur
338K views · Sep 28, 2025 · Science & Technology
Comments · 557
@GeoffNegiar-TFC · 1 year ago (edited) · pinned
Merci @Underscore_ et @Micode pour l'invitation ! Merci également pour les excellentes questions qui m'ont permis de peindre le domaine méconnu mais néanmoins omniprésent de la prédiction quantitative. <br><br>Pour ceux qui lisent les commentaires avant de regarder la vidéo, je voulais revenir éclaircir quelques points soulevés dans les commentaires.<br><br>Tout d'abord, l'anglais est ma langue maternelle et je travaille en anglais depuis 8 ans, donc désolé pour les quelques anglicismes qui sont ressortis. 😅<br><br>L'objectif de nos méthodes est d'aider les organisations (entreprises en tous genres, états, services publics...) à gérer leur risque. Il est bien évidemment impossible de prédire exactement ce qu'il va se passer, mais c'est très faisable, et nécessaire, d'évaluer les différentes possibilités qui s'offrent à nous, et de quantifier leur probabilités d'occurence. <br><br>Pour cela, toutes les prédictions que l'ont produit sont dites probabilistes: on offre un champ des futurs possibles, en quantifiant la chance que chaque scénario arrive. <br>Par exemple, on peut prédire que le nombre de voyageurs souhaitant une place dans un train donné n'excédera 99% de la capacité du train que dans X% des cas. Si X est 70%, alors la décision est très différente (sans doute mettre plus de trains sur cette ligne) que si X est 2% (perte acceptable).<br><br>Plus on prédit à une "granularité" fine - par ex: une ligne de train ET un intervalle horaire de 5min, plus les erreurs sont grandes, puisque les aléas se ressentent davantage. C'est pour cela qu'une erreur de 40% peut être tout à fait raisonnable à ce genre de précision. D'ailleurs autant 40% d'erreur sur un problème classification 2 classes est près de l'aléatoire, autant on c'est malheureusement plus difficile de prédire un nombre de pizza d'un certain style vendues dans un restaurant un jour donné à un facteur 2 près. <br><br>En revanche, à une granularité plus large (mettons le nombre total de passagers mensuels de la SNCF), l'erreur relative sera bien plus faible puisqu'il y a beaucoup moins de sources de variation à cette échelle.<br><br>Enfin: il se trouve de manière très pratique que les méthodes récentes d'IA / de ML sont efficaces pour intégrer toujours plus d'informations dans les modèles, et donc de pouvoir utiliser des sources de données tout à fait hétérogènes, qui contiennent beaucoup d'information. Cela est en train de provoquer un grand chamboulement dans ce domaine millénaire et omniprésent dans toutes les organisations d'une certaine taille, auquel nous avons bien l'intention de participer.<br><br>Merci à tous pour votre intérêt !<br><br>Geoffrey Négiar<br>Co-fondateur de The Forecasting Company
91
@MGOPun · 1 year ago
Avec 40% d'erreur moi aussi je te prédis la météo xD
204
@johan2999 · 7 months ago
Quelle incroyable chaîne. Bravo pour votre travail.<br>Passionnant.
1
@WVMS42 · 11 months ago
Une des meilleures de vos vidéos.<br>Bravo et merci à vous et à votre exceptionnel invité
@alanbouo · 1 year ago
Ce monsieur a rebrandé le machine learning 😂
69
@Spoink8 · 1 year ago
Bienvenu à l'ère des miracles !
2
@jesuiscool7 · 11 months ago
Vraiment Excellent ! Merci pour cette video :)
@The212legende · 1 year ago (edited)
On est bientôt comme dans Fondation avec la prédiction d'évènement de société 😮 La série est incryable 🙂
@olivier42100 · 1 year ago (edited)
c'est un peu Nouriel Roubini qui a prédit 5 crises économiques sur les 2 dernières 😂
9
@alainryckelynck · 1 year ago
Les statistiques, quand tu peux en combiner une bonne masse, ça fonctionne pas mal, c'est en fait l'idée.<br>Quand on a identifié des stabilités dans le passé, le seul truc qui manquait c'était l'identification automatique des bons paramètres..
2
@FredrickL-hc8fm · 1 year ago
Très bonne vidéo guys !
@AnTblibli · 11 months ago
Moi qui bosse dans la supply , insane cette vidéo, merci Underscore_ !
1
Up next
La stratégie inavouable des géants de l'IA
Underscore_ · 490K views
Pour qui vote ChatGPT ? (et il manipule au loup-garou)
Underscore_ · 585K views
LE PROBLÈME AVEC LA VOITURE HYDROGÈNE ( c'est vraiment le futur ? )
Sylvain Lyve · 3.4M views
The surreal spy case that's rocking Silicon Valley
Underscore_ · 786K views
L’IA ne va pas détruire les emplois. Elle va faire pire.
Perky AI · 74K views
Tout le monde se trompe sur l’eau consommée par l’IA
Numerama · 485K views
L'IA vient de tuer les Entreprises Bullsh*t
MoneyRadar · 98K views
Comment un selfie a fait tomber un empire criminel
Micode · 2.6M views
Le seul cours d'économie dont vous aurez besoin
Finary · 1.2M views
Il a laissé l'IA gérer sa vie pendant 6 mois
Underscore_ · 366K views
How to defraud the healthcare system?
Micode · 2.3M views
Il traque les navires pirates qui tentent de disparaître (avec 15 satellites)
Underscore_ · 478K views
Comment Nintendo terrorise les hackers
Underscore_ · 1.3M views
Le français qui crée le processeur de demain
Noe Seed · 240K views
Le Jeu de la Vie 2.0
EGO · 1.8M views
Un pro de l'intrusion nous dévoile son arsenal
Underscore_ · 606K views
What if we implemented Jean-Marc Jancovici's program?
Crésus · 137K views
Odoo: The 12 Million User Giant That Nobody Knows About
Underscore_ · 411K views
TARIFFS: TRUMP DECLARES WAR ON CHINA AND THE WORLD - Ali Laïdi
ÉLUCID · 119K views
L'art de transformer l'air en milliards : L'histoire secrète d'Air Liquide
Finary · 478K views
La Chine vient de construire l'IA impossible
Vision IA · 232K views
Comment rendre n'importe quel appareil intraçable ? (un pro nous montre)
Underscore_ · 394K views
Le hacker qui avait 6h d'avance sur Wall Street
Micode · 3.5M views
Personne ne réalise ce que Yann LeCun vient de créer
Grand Angle Nova · 428K views
Comment blanchir de l'argent ?
Micode · 4.4M views
Les règles de la guerre viennent de changer (à cause d'un fil)
Underscore_ · 517K views