--- url: 'https://www.redhat.com/topics/automation/how-predictive-analytics-improve-it-performance' title: "L'analyse prédictive, qu'est-ce que c'est ?" date: '2024-11-20T22:53:14+00:00' updated: '2026-08-27T16:29:57+00:00' type: website summary: "L'analyse prédictive est une méthode d'interprétation des données actuelles et anciennes permettant de faire des prévisions sur les événements à venir." tags: - Article - 'Automation and management' - 'Artificial intelligence' - 'Intelligence artificielle' image: 'https://www.redhat.com/profiles/rh/themes/redhatdotcom/img/logo-rh-og-image.png' published: true --- 1. [Sujets](/fr/topics "Sujets") 2. [Intelligence artificielle](/fr/topics/ai "Intelligence artificielle") 3. [L'analyse prédictive, qu'est-ce que c'est ?](# "L'analyse prédictive, qu'est-ce que c'est ?") # L'analyse prédictive, qu'est-ce que c'est ? Mis à jour 22 janvier 2024•*4* minutes (temps de lecture) URL copiéeLa copie a échouéCopier l'URL ## Raccourcis PrésentationTechniques d'analyse prédictiveAméliorer les performances informatiquesNos solutions ## Présentation L'analyse prédictive est une méthode d'interprétation des données actuelles et anciennes permettant de faire des prévisions sur les événements à venir. Cette méthode utilise des techniques telles que l'apprentissage automatique (AA), la modélisation statistique et l'exploration de données pour aider les entreprises à identifier des tendances, des comportements, des résultats futurs et des opportunités commerciales. ## Techniques d'analyse prédictive L'analyse prédictive repose sur des modèles entraînés à prédire la valeur de nouvelles données à partir d'un ensemble de variables. En fonction de ce pour quoi il est entraîné, chaque modèle examine les variables pour trouver des relations et des schémas, jusqu'à parvenir à un score. Ce score peut être utilisé comme outil d'informatique décisionnelle pour [évaluer les risques](/fr/topics/management/what-is-risk-management) ou les avantages potentiels de conditions données. Il aide à déterminer la probabilité qu'un événement se produise. L'analyse prédictive peut s'appliquer à la fois aux données structurées et non structurées. Les données issues de plusieurs sources, comme un entrepôt de données ou un [data lake](/fr/topics/data-storage/what-is-a-data-lake), doivent être préparées avant leur analyse à l'aide du processus d'exploration de données qui permet d'identifier les schémas, tendances et comportements dans de grands ensembles de données. L'étape suivante consiste à créer et tester un modèle d'analyse prédictive grâce à la modélisation prédictive. Une fois qu'un modèle est entraîné et évalué, il peut servir ultérieurement pour répondre à de nouvelles questions sur le même type de données. Il existe de nombreuses techniques de modélisation prédictive, parmi lesquelles on trouve la régression, l'apprentissage automatique, les arbres de décision et les réseaux de neurones. ### Modèles de régression Les modèles de régression s'appuient sur des équations mathématiques pour comprendre la relation entre des variables. Les modèles de régression linéaire produisent en continu des résultats aux possibilités infinies, comme des estimations immobilières basées sur le prix connu du mètre carré. De leur côté, les modèles de régression logistique ne proposent qu'un nombre limité de possibilités : dans l'exemple de l'immobilier, ce type de modèle pourra indiquer si telle maison dans tel quartier se vendra au-dessus ou en dessous d'un certain prix. Les banques et autres institutions financières font partie des premiers utilisateurs des modèles de régression, car ceux-ci peuvent aider à calculer le risque de crédit, à détecter une fraude liée aux moyens de paiement, à prévoir les tendances du marché et à prédire les répercussions des nouvelles réglementations relatives aux [services financiers](/fr/solutions/financial-services). ### Arbres de décision Très utilisés pour effectuer des analyses prédictives, les arbres de décision sont des schémas qui représentent les résultats possibles d'une série de choix. Ils fonctionnent aussi avec les modèles d'apprentissage automatique, qui déterminent une série de conditions de type « si ceci, alors cela » à partir d'une liste de questions séquentielles et hiérarchisées permettant d'aboutir à un résultat basé sur les données fournies. De plus, grâce au format de type arborescence de ce modèle, il est possible de visualiser tous les scénarios possibles d'un choix en représentant la probabilité pour chacun de produire tel ou tel résultat. ### Apprentissage automatique L'apprentissage automatique s'inscrit dans la continuité de l'analyse prédictive. Au lieu de laisser la création des modèles aux équipes de science des données ou d'analyse, les algorithmes d'AA (utilisés dans des logiciels d'intelligence artificielle et d'apprentissage profond, comme Watson d'IBM) apprennent en autonomie. Ils évoluent et s'améliorent en traitant des données, sans qu'il soit nécessaire de les reprogrammer régulièrement. #### Améliorer la gestion des applications d'IA/AA Notre série de webinars présente le point de vue de spécialistes concernant la simplification du déploiement et de la gestion du cycle de vie des applications d'intelligence artificielle/apprentissage automatique (IA/AA) afin de créer et partager plus rapidement des modèles d'AA et des applications d'IA. ### Réseaux de neurones Un réseau de neurones est une technique d'analyse avancée qui permet de déterminer la précision des informations issues des modèles de régression et des arbres de décision. Il identifie les ressemblances non linéaires entre des données hétérogènes et s'avère particulièrement utile dans les situations où la portée des possibilités compte plus que le chemin pour y parvenir. ## Ressources Red Hat [En savoir plus](/fr/resources "En savoir plus") ## Améliorer les performances informatiques grâce à l'analyse prédictive L'analyse prédictive peut améliorer les performances informatiques en identifiant certains risques ou en signalant des problèmes potentiels dans l'[infrastructure informatique](/fr/topics/cloud-computing/what-is-it-infrastructure). Les équipes d'exploitation n'ont plus à attendre de recevoir un rapport d'erreur pour agir : elles peuvent utiliser l'analyse prédictive pour déceler de manière proactive les problèmes et les résoudre avant qu'ils affectent l'environnement, ce qui représente également un gain de temps et d'argent pour l'entreprise. L'analyse prédictive offre aussi la possibilité de se concentrer sur les priorités, en écartant les informations inutiles. Elle permet d'évaluer les risques, d'éviter les problèmes de sécurité et les temps d'arrêt non planifiés en recherchant tout événement inhabituel sur un réseau, ainsi que d'identifier les vulnérabilités potentielles en examinant toutes les actions effectuées en temps réel. En outre, des outils d'[automatisation](/fr/topics/automation) sont à disposition pour corriger les problèmes détectés ou mettre en œuvre des modifications sur la base des prédictions obtenues. [En savoir plus sur l'automatisation informatique](/fr/topics/automation/what-is-it-automation "article | L'automatisation informatique, qu'est-ce que c'est ?") ## Nos solutions Nous mettons à la disposition des entreprises les outils d'analyse prédictive et d'automatisation dont elles ont besoin pour obtenir des informations sur leur infrastructure informatique et automatiser la correction des problèmes. Nous proposons également les solutions, [services](/fr/services) et [formations](/fr/services/training-and-certification) nécessaires pour soutenir les projets d'innovation et de modernisation. Toutes nos souscriptions incluent [Red Hat® Lightspeed](/fr/lightspeed) (anciennement Red Hat Insights), notre outil d'analyse prédictive en tant que service. [En association avec Red Hat Ansible® Automation Platform](/fr/technologies/management/ansible/automation-dashboard-analytics), il déclenche automatiquement des corrections par l'intermédiaire d'[Event-Driven Ansible](/fr/technologies/management/ansible/event-driven-ansible). Cet outil permet de trouver (et corriger) les bogues de [Red Hat Enterprise Linux®](/fr/technologies/linux-platforms/enterprise-linux) depuis un navigateur. Red Hat Enterprise Linux offre une base sécurisée pour l'ensemble de notre gamme de produits ainsi que [de nombreux outils pour renforcer la posture de sécurité des entreprises](/fr/technologies/linux-platforms/enterprise-linux/security-old). Cette solution permet également de contrôler l'état de l'ensemble du cloud hybride sur [console.redhat.com](https://console.redhat.com). Il inclut également des fonctions de télémétrie à utiliser pour repérer les problèmes critiques susceptibles de mettre en échec les clusters [Red Hat OpenShift®](/fr/technologies/cloud-computing/openshift). [Découvrir l'analyse prédictive avec Red Hat](/fr/lightspeed "produit | Red Hat Insights") ### Le blog officiel de Red Hat Découvrez les dernières informations concernant notre écosystème de clients, partenaires et communautés. [En savoir plus](/fr/blog "Le blog officiel de Red Hat") ### Tous les essais de produits Red Hat Profitez de nos essais gratuits de produits pour renforcer votre expérience pratique, préparer une certification ou évaluer l'adéquation d'un produit avec les besoins de votre entreprise. [En savoir plus](/fr/products/trials "Tous les essais de produits Red Hat") ## En savoir plus ### Le MLOps, qu'est-ce que c'est ? Acronyme de Machine Learning Operations, le MLOps désigne un ensemble de pratiques de gestion des workflows qui vise à rationaliser le déploiement et la maintenance des modèles d'apprentissage automatique (AA). [Lire l'article](/fr/topics/ai/what-is-mlops "article | What is MLOps? [DO NOT OVERWRITE FR META]") ### L'IA souveraine, qu'est-ce que c'est ? L'IA souveraine est un concept qui repose sur la possession des technologies d'IA, la conservation des données au niveau local et l'adéquation des systèmes avec les valeurs uniques de l'entreprise et les exigences réglementaires. [Lire l'article](/fr/topics/ai/sovereign-ai "What is sovereign AI?") ### MLflow, qu'est-ce que c'est ? L'outil MLflow aide les équipes de développement à organiser les projets d'apprentissage automatique et d'intelligence artificielle, de l'expérimentation initiale au déploiement. [Lire l'article](/fr/topics/ai/what-is-mlflow "What is MLflow?") ### Intelligence artificielle : ressources recommandées ### Ressources associées - Blog post [Introducing asago: Open source AI safety and governance orchestration](/fr/blog/introducing-asago-open-source-ai-safety-and-governance-orchestration) - Blog post [Why your AI agent framework isn't enough: 7 platform capabilities missing from production](/fr/blog/why-your-ai-agent-framework-isnt-enough-7-platform-capabilities-missing-production) - Blog post [The last mile problem in agentic AI: Why tool calling reliability is harder than it looks](/fr/blog/last-mile-problem-agentic-ai-why-tool-calling-reliability-harder-it-looks) - Blog post [Automate AI red teaming: Large language model risk identification and mitigation](/fr/blog/automate-ai-red-teaming-large-language-model-risk-identification-and-mitigation) ### Articles associés - [What is MLOps?](/fr/topics/ai/what-is-mlops) - [What is sovereign AI?](/fr/topics/ai/sovereign-ai) - [What is MLflow?](/fr/topics/ai/what-is-mlflow) - [What is Model Context Protocol (MCP)?](/fr/topics/ai/what-is-model-context-protocol-mcp) - [Agentic AI vs. generative AI](/fr/topics/ai/agentic-ai-vs-generative-ai) - [What is agentic AI?](/fr/topics/ai/what-is-agentic-ai) - [MCP vs. APIs: What's the difference?](/fr/topics/ai/mcp-vs-apis) - [What is an AI platform?](/fr/topics/ai/what-is-an-ai-platform) - [What is generative AI?](/fr/topics/ai/what-is-generative-ai) - [RAG vs. fine-tuning](/fr/topics/ai/rag-vs-fine-tuning) - [What is PyTorch?](/fr/topics/ai/what-is-pytorch) - [AIOps explained](/fr/topics/ai/what-is-aiops) - [What are large language models?](/fr/topics/ai/what-are-large-language-models) - [What is retrieval-augmented generation?](/fr/topics/ai/what-is-retrieval-augmented-generation) - [What is machine learning?](/fr/topics/ai/what-is-machine-learning) - [What are foundation models for AI?](/fr/topics/ai/what-are-foundation-models) - [What are Granite models?](/fr/topics/ai/what-are-granite-models) - [What is distributed inference?](/fr/topics/ai/what-is-distributed-inference) - [What is Docling?](/fr/topics/ai/docling) - [What is Mixture of Experts (MoE)?](/fr/topics/ai/mixture-of-experts) - [What is AgentOps?](/fr/topics/ai/agentops) - [What is deep learning?](/fr/topics/ai/what-is-deep-learning) - [What are intelligent applications?](/fr/topics/ai/what-are-intelligent-applications) - [Understanding AI in telecommunications with Red Hat](/fr/topics/ai/understanding-ai-in-telecommunications) - [Why choose Red Hat Ansible Automation Platform as your AI foundation?](/fr/topics/automation/automation-and-ai) - [What is AI inference?](/fr/topics/ai/what-is-ai-inference) - [What is llm-d?](/fr/topics/ai/what-is-llm-d) - [AI infrastructure explained](/fr/topics/ai/ai-infrastructure-explained) - [What is LLMops](/fr/topics/ai/llmops) - [What is vLLM?](/fr/topics/ai/what-is-vllm) - [vLLM vs. Ollama: When to use each framework](/fr/topics/ai/vllm-vs-ollama) - [What is explainable AI?](/fr/topics/ai/what-explainable-ai) - [How vLLM accelerates AI inference: 3 enterprise use cases](/fr/topics/ai/how-vllm-accelerates-ai-inference-3-enterprise-use-cases) - [SLMs vs LLMs: What are small language models?](/fr/topics/ai/llm-vs-slm) - [What is AI security?](/fr/topics/ai/what-is-ai-security) - [What is Model-as-a-Service?](/fr/topics/ai/what-is-models-as-a-service) - [What is AI in the public sector?](/fr/topics/ai/what-is-ai-in-the-public-sector) - [What is enterprise AI?](/fr/topics/ai/what-is-enterprise-ai) - [Accelerate MLOps with Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/aiml) - [Understanding agentic AI use cases](/fr/topics/ai/ai-ml-use-cases) - [What is InstructLab?](/fr/topics/ai/what-is-instructlab) - [What is parameter-efficient fine-tuning (PEFT)?](/fr/topics/ai/what-is-peft) - [LoRA vs. QLoRA](/fr/topics/ai/lora-vs-qlora) - [Predictive AI vs generative AI](/fr/topics/ai/predictive-ai-vs-generative-ai) - [How Kubernetes can help AI/ML](/fr/topics/cloud-computing/how-kubernetes-can-help-ai) - [What is Kubeflow?](/fr/topics/cloud-computing/what-is-kubeflow) - [Edge solutions for real-time decision making](/fr/topics/edge-computing/edge-solutions-real-time-decision-making) - [What is edge AI?](/fr/topics/edge-computing/what-is-edge-ai) - [What is AI in healthcare?](/fr/topics/ai/what-is-ai-in-healthcare) - [AI in banking](/fr/topics/ai/ai-in-banking) [En savoir plus sur ce sujet](/fr/topics/ai "En savoir plus sur ce sujet")