The Machine Learning Lessons I’ve Learned This Month

Les leçons d'apprentissage automatique que j'ai apprises ce mois-ci

Proactivité, blocage et planification

La plupart des gens travailleront au cours des mois, des années, voire des décennies à venir. Bien que de nombreux aspects de l'avenir soient incertains, certaines choses sont très susceptibles de rester présentes dans nos emplois. Les projets, par exemple — de simples efforts organisés pour avancer. Voici ce que j'ai appris à leur sujet ce mois de mars.

Être proactif assure un progrès fluide

Au travail, nous avons tous des projets que nous redoutons. Mais nous avons aussi des projets que nous aimons et sur lesquels nous souhaiterions passer plus de temps. Qu'on aime ou non un projet, ceux-ci ont généralement des horizons temporels assez longs. Ils n'existent pas pour eux-mêmes (bien que parfois, on ait l'impression désagréable que c'est le cas). Au contraire, les projets sont des efforts organisés qui nous rapprochent — ou rapprochent notre entreprise — d'un objectif choisi.

Dans le monde de l'apprentissage automatique, un tel objectif peut prendre plusieurs formes. Cela peut être la livraison d'un modèle à un client, la rédaction d'un article ou la mise en place d'un pipeline MLOps. Dans tous les cas, cela nécessite notre attention sur une période prolongée. Et principalement, ces projets nécessitent le soutien des autres.

Oui, du soutien. Pas dans le sens où les autres doivent activement faire avancer le projet (bien que cela soit très apprécié !), mais plutôt dans le sens où les autres doivent fournir ceci ou cela pour vous aider à progresser. Parfois, cela peut être une petite chose, comme vous approuver pour utiliser une ressource informatique spécifique. Dans d'autres cas, cela peut être plus important, comme approuver un achat pour un logiciel très nécessaire.

Il est assez rare que les projets avancent sans accroc, avec le vent toujours dans le bon sens. Au contraire, vous devez faire ceci, faire cela, puis vérifier encore une autre chose — et chacune de ces étapes peut devenir un obstacle.

Ce que j'ai appris ici, c'est qu'être proactif peut prévenir de nombreux obstacles dès le départ. Cultiver la proactivité est donc une compétence qui s'étend au-delà des projets ML. Je pense qu'elle est fortement liée à l'autonomie : la capacité à diriger ses actions de manière délibérée et à rechercher des solutions par soi-même.

Dans le travail sur les projets ML, la proactivité peut prendre plusieurs formes : demander des approbations à l'avance, créer des plans de secours, avoir des alternatives prêtes ou allouer plus de temps au départ pour créer une marge de manœuvre.

Bloquer du temps pour réaliser les projets

Après avoir affirmé que la proactivité peut prévenir les obstacles, je passe maintenant à la leçon suivante : pour faire avancer les choses, vous devez, encore une fois, être proactif — et bloquer du temps pour le faire.

Cela semble évident, comme la plupart des choses importantes une fois que vous les avez lues. Cependant, le fait que quelque chose soit évident ne signifie pas qu'il peut être fait de manière évidente.

Regardons la journée d'un praticien ML typique. Pour notre propos, peu importe s'il est dans la recherche, l'ingénierie ou l'administration. La seule chose qui change entre ces rôles est les projets sur lesquels quelqu'un travaille.

Mais voici le twist : il est rarement question d'un projet (singulier). Plus souvent, il s'agit de projets.

Notre praticien ML a probablement plus d'un projet. Il y a le projet principal (rédaction d'un pipeline MLOps, rédaction d'un article, mise à niveau du cluster informatique). Et ensuite — comme tout doctorant peut en témoigner — il y a les autres projets ("secondaires") : présentation des résultats, cours, administration quotidienne. Tous ces éléments demandent attention et temps. Et nous revenons au projet principal : le temps passé sur d'autres projets n'est pas disponible pour le projet principal.

Alors, comment peut-on passer plus de temps sur le projet principal (idéalement sans négliger les autres projets) ? La réponse est en réalité assez simple : bloquez du temps dans votre calendrier.

Tout créneau libre dans votre calendrier peut inviter les autres à, eh bien, vous inviter à une réunion. Au lieu de cela, en bloquant simplement des parties de votre calendrier, vous pouvez consacrer suffisamment de temps au projet principal. Ensuite, le temps non bloqué est toujours disponible pour les autres projets.

Essentiellement, cela se résume à la priorisation dans 90 % des cas : priorisez le projet principal. Dans les 10 % restants, les urgences peuvent enfreindre la règle.

Planification, planification et garder le plan

En regardant en arrière sur le mois — et sur les deux leçons précédentes — je pense que tout cela appelle à une leçon générale : la planification. Et : garder le plan tel qu'il est.

Dans notre monde en rapide évolution, il y a toujours quelque chose de nouveau. Vous voulez un exemple ? Le carnet avec lequel j'écris ces lignes date de 2020. Depuis, cinq nouvelles itérations sont apparues.

Ou : vous vous souvenez encore de GPT-3 ? Eh bien, nous en sommes maintenant à GPT-5.4 (et ChatGPT est devenu multimodal).

Ou, si d'autres arguments sont nécessaires : les nouvelles. Jour après jour, il y a quelque chose de nouveau. Tout cela pour dire : si vous planifiez quelque chose, il est facile de mettre le plan de côté et de faire autre chose à la place.

Cela serait acceptable — mais être bon dans quelque chose exige que nous passions encore et encore du temps sur cette chose. Et cela signifie essentiellement proactivité, blocage de temps et… planification. Que ce soit littéralement en écrivant un plan, ou semi-inconsciemment dans votre tête.

Pour les projets ML que nous avons abordés ici, rien ne serait accompli sans planification. Ni l'article. Ni le nouveau matériel. Ni le pipeline.

Si vous planifiez suffisamment bien — mais pas trop précisément — alors vous pouvez accomplir des choses. Mais seulement si vous faites en sorte que le plan reste le plan, sans être perturbé par les dernières nouvelles.