Chef de service au Ministère de l’Equipement et de l’eau, Mouna Jiber explique comment à partir de l’intelligence artificielle, le Machine Learning, pour être plus précis, il est possible d’améliorer les politiques publiques de mobilité urbaine et rurale en Afrique.
Vous venez de présenter un exposé sur le Machine Learning, notamment sur le rôle capital que ce mécanisme 2.0 ou 3.0 peut jouer dans la mobilité. C’est quoi le Machine Learning ?
Le Machine Learning est un sous-domaine de l’intelligence artificielle. Ce sont des techniques qui permettent à la machine, ou à un programme, d’apprendre à partir de l’expérience. Ça veut dire quoi ? J’ai un historique des données, par exemple d’une société de vente. J’ai des informations sur les clients, ce qu’ils achètent. Je fais des analyses avec les algorithmes intelligents, pour prendre des décisions et améliorer le service pour, entre autres, fidéliser les clients, prédire les futurs besoins. etc.
A lire sur bougna.net :
Pour ce qui est du trafic routier, j’ai une base de données qui date d’il y a cinq ans. Ce sont des systèmes qui apprennent en fonction des données. J’alimente mon algorithme en fonction des données historiques, et il apprend par exemple en fonction du trafic horaire hebdomadaire, quels sont les jours de grande affluence, les problèmes du trafic, etc.
L’un des problèmes que rencontrent certains pays d’Afrique, notamment ceux d’Afrique subsaharienne, c’est l’absence des data. Comment ces nouvelles technologies, comment l’intelligence artificielle peut-elle permettre à ces pays d’améliorer leurs programmes ?
Je l’ai dit dans mon exposé, notamment au niveau des recommandations. Il faut faciliter l’accès aux données. Vous le savez, c’est beaucoup plus intelligent d’analyser des données en temps réel que de faire des simulations.
Comment pensez-vous que la Machine Learning puisse aider les pays d’Afrique subsaharienne à l’amélioration de la mobilité urbaine et surtout rurale ?
La Machine Learning, c’est une analyse prédictive. Ça veut dire quoi ? J’inscris des données sur la plateforme, et elle fait des prédictions, par exemple sur la base des données historiques. Pour les routes rurales par exemple, on peut faire des prédictions en fonction de l’état de la route, sur la base des conditions météorologiques. On peut faire des prévisions sur les maintenances à faire.
Interview avec Larisse TOGNA à Rabat
