Google a récemment annoncé des nouveautés du côté de son application Google Flights.

Parmi les nouveautés, Google ajoute des détails sur les tarifs « Basic Economy » de 3 compagnies aériennes américaines Delta, American et United et en particulier ce qu’incluent ou non ses tarifs très attractifs mais souvent restrictifs. Google en profite également pour proposer à l’achat directement ses fameuses options.

Mais là où Google frappe un grand coup, c’est du côté du statut du vol.

En effet, Google propose désormais d’accéder à des informations concernant le statut de son vol avant même que la compagnie l’ai communiqué. En utilisant ses algorithmes de machine learning (apprentissage automatique) et les données historiques, Google est à même de prédire si votre vol sera en retard. Il décide de l’afficher quand la prédiction est sûre à 80 %. Il en profite également pour détailler les raisons des retards (conditions météorologiques, absence de pilote…) lorsque ceux-ci sont avérés. Ces prédictions peuvent se révéler particulièrement utiles pour l’internaute à la recherche d’un trajet incluant des connexions entre deux vols ou pour les proches venus récupérer le passager à l’aéroport.

2 mois après l’ajout de « tips » offrant des indications sur les meilleures périodes pour réserver un vol donné, Google utilise donc de nouveau le machine learning afin d’enrichir son contenu.

Que ce soit au niveau des « tips » ou des « prédictions de retard » on retrouve dans ses deux exemples deux notions clés : la Big Data et le Machine Learning.

Big Data et Machine Learning un duo gagnant !

Rappelons d’abord ce qui se cache derrière l’expression Machine Learning : il s’agit d’une application de l’intelligence artificielle qui fournit aux systèmes la capacité d’apprendre automatiquement et de s’améliorer grâce à l’expérience sans être explicitement programmé.

Quand au Big Data c’est tout simplement un ensemble extrêmement large de données qui ne peuvent être analysées par l’homme ou par des outils classiques de gestion de base de données.

Le Machine Learning permet d’exploiter ses larges ensembles de data et leur donner sens. On peut d’ailleurs noter une interdépendance de ses deux notions, car sans data impossible d’améliorer le Machine Learning et sans intelligence artificielle ses larges ensembles de données ne pourraient être pleinement exploités.

Google exploite donc ses historiques de données afin de faire des analyses prédictives et répondre toujours plus précisément à ce que recherche l’internaute. Si l’on voit aujourd’hui l’application sur Google Flights nul doute que le moteur exploite d’autres pistes d’utilisation de l’analyse prédictive.

C’est d’ailleurs le cas dans le domaine médical, où une récente étude menée en collaboration avec Google, utilise l’intelligence artificielle afin de mieux prédire le parcours médical d’un patient une fois rentré à l’hôpital et prédire en amont lorsque le pronostic vital est engagé. Si l’étude n’a pas été validée de manière indépendante, Google affirme que les prédictions sont largement améliorées par rapport à la méthode traditionnelle.

Si l’on se penche sur l’application du côté du Search on peut imaginer un futur où Google prédira avant même que nous le sachions nos besoins (commander à manger, préparer ses vacances…) et proposera des résultats encore plus personnalisés.