Lien pour le webinaire.
La présentation PowerPoint sera en anglais, mais le webinaire sera donné en français.

L’apprentissage automatique est de plus en plus utilisé, en conjonction avec la recherche opérationnelle, pour l’aide à la prise de décision.

Cette utilisation peut prendre plusieurs formes, citons entre autres :

• (i) l’apprentissage automatique pour valoriser des grandes quantités de données qui dépassent les limites cognitives des décideurs;
• (ii) l’apprentissage automatique pour apporter une aide précieuse aux algorithmes d’optimisation de la recherche opérationnelle afin de gagner en précision;
• (iii) l’apprentissage automatique pour aider à assurer l’évolutivité des solutions proposées classiquement en s’adaptant aux besoin des organisations.

Ceci dit, la conjonction de l’apprentissage automatique avec la recherche opérationnelle est nécessaire pour faire face à des problèmes complexes. En effet, la recherche opérationnelle est utilisée d’un côté pour améliorer la performance et estimer les algorithmes d’apprentissage automatique. D’un autre côté, la recherche opérationnelle permet d’optimiser les résultats de prédiction (passive) des algorithmes d’apprentissage automatique en dotant les processus de décision d’une capacité d’identifier les variables de décision optimales et actionnables.

Cette présentation va illustrer l’apport de l’apprentissage automatique pour l’aide à la prise de décision dans les chaînes d’approvisionnement. Nous allons en particulier traiter le cas de l’amélioration de la planification des opérations dans les ports dans un environnement incertain. L’objectif est de prédire les heures d’arrivées et les vitesses des navires avec une meilleure précision en utilisant les modèles d'apprentissage automatique.