Le 28 avril, Milwaukee a été le centre névralgique des dernières avancées en analyse de données lors du Symposium sur la science des données et les statistiques . Cet événement a réuni les plus éminents chercheurs universitaires du domaine, et JMP était au cœur des discussions. Le deuxième jour, Sarah Sylvestre ( @Sarah-Sylvestre ) et Sarah Gilyard ( @SarahGilyard ) ont eu le privilège de représenter JMP en présentant un poster devant un public intéressé par les dernières tendances de la recherche en science des données et en statistiques .
Le rôle du statisticien à l'ère de l'IA
La conférence SDSS a débuté par une séance plénière captivante animée par Lorin Crawford, chercheur en biologie en partenariat avec Microsoft, sur l'application de l'IA et des modèles linéaires à longue portée (LLM) au séquençage de cellules uniques. Lorin a présenté les méthodes et les résultats obtenus par son laboratoire et a souligné que les performances des modèles LLM ne sont pas nécessairement proportionnelles à la quantité de données. Pour certaines tâches biologiques, les performances des modèles atteignent un plateau à environ 1 % des données d'entraînement. Cela signifie que les modèles LLM ont souvent besoin de données d'entraînement plus diversifiées plutôt que d'un volume plus important.
Lorin estime que c'est là que les statisticiens entrent en jeu. Leur expertise est nécessaire pour combler les lacunes des données d'entraînement en générant des données synthétiques qui préservent les structures de variation et d'incertitude requises pour la tâche. Ils seront également indispensables pour comprendre comment stratifier les données d'entraînement afin d'optimiser l'apprentissage des modèles linéaires. Lorin considère que le nouveau rôle des statisticiens en IA/ML est celui d'« architectes stratégiques des systèmes pilotés par les données ».
Le thème du rôle crucial des statisticiens à l'ère de l'IA a été approfondi lors de la deuxième journée, durant la séance plénière. Quatre intervenants, représentant les milieux universitaires, pharmaceutiques et de la physique théorique, ont été interrogés sur leur vision de l'état actuel de l'IA. Tous ont insisté sur la nécessité de s'adapter à l'IA sous peine d'être distancés ; il est essentiel d'être conscient des dangers. La dépendance excessive est néfaste ; l'équilibre est primordial. À cet égard, les statisticiens sont indispensables pour évaluer l'IA sous de nombreux aspects, notamment en définissant un seuil de tolérance à la reproductibilité ; en formant les experts en IA au traitement approprié des données synthétiques afin qu'elles ne soient pas traitées aveuglément comme des données classiques ; et en identifiant les données les plus pertinentes sur le plan statistique, plutôt que de simplement collecter de grandes quantités de données.
Sarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (left) and Sarah Gilyard presented at the 2026 Symposium on Data Science and StatisticsSarah Sylvestre (à gauche) et Sarah Gilyard ont présenté leurs travaux lors du Symposium 2026 sur la science des données et les statistiques.
JMP au centre de la conversation
Lors de notre session d'affichage, nous avons présenté un aperçu des nouvelles fonctionnalités de JMP, notamment Bayes Opt, FDE, le filtrage dynamique, la mise à jour des tables de données, l'intégration Python et LearnBot/Assistant. Notre présentation de 25 minutes a permis d'engager plusieurs discussions fructueuses avec des utilisateurs potentiels de JMP. La plupart des participants ne connaissaient pas JMP, et certains hésitaient encore à l'utiliser. Une participante, dont les collègues utilisent SPSS tandis qu'elle utilise R, souhaitait un outil facilitant la collaboration. Après la présentation des différentes fonctionnalités de JMP, elle est repartie convaincue que ses collègues tireraient profit de JMP par rapport à SPSS. Lors d'une autre discussion avec une professeure de Dartmouth, nous avons appris que ses étudiants n'appréciaient guère la programmation en Python et préféraient un outil leur permettant de créer des modèles de manière intuitive, tout en conservant la possibilité d'intégrer Python au besoin. Après avoir discuté des options de JMP pour la modélisation et l'intégration Python, elle est désormais convaincue que ses étudiants privilégieront JMP.
Dans l'ensemble, la conférence a été très enrichissante et a permis de nombreux échanges sur la manière dont la communauté statistique peut s'adapter à l'ère de l'IA tout en restant fidèle à son expertise. Bien que les participants et les interventions aient été principalement de nature académique, la conférence a permis de promouvoir activement la marque JMP et a suscité un vif intérêt pour ses nouvelles fonctionnalités.
Bravo Sarahs pour votre excellent travail ! Nous sommes ravis de voir JMP si bien représenté lors d'événements comme celui-ci. Nous souhaitons continuer à faire connaître la fiabilité, la robustesse et l'interactivité des intégrations offertes par JMP, qui combinent les meilleures méthodes statistiques, graphiques et d'IA.
Bravo Sarah et Sarah ! Merci d'avoir présenté à cette conférence et d'avoir si bien représenté JMP !
Sarah est formidable ! J'adore !
