La valorisation des données est un sujet à la mode : les giga-, tera- et parfois peta-octets de données accumulées par les entreprises sont d'énormes gisements de compétitivité. L'exploitation de ces gisements (le "data-mining") est rendue possible par l'augmentation des puissances de calcul et de stockage, ainsi que par l'émergence de nouvelles méthodes issues de la théorie de l'apprentissage automatique (le "machine-learning"). Google, avec PageRank, et Amazon, avec son moteur de recommandation, ont démontré la puissance économique de cette approche. Cette session présentera quelques-uns des outils de base de machine learning : Comment catégoriser des données (algorithmes de segmentation) ? Comment prédire (estimer la probabilité d'un événement) ? Comment recommander des produits (algorithmes de filtre collaboratif : "si vous avez aimé ceci, vous aimerez cela") ? Elle abordera les enjeux méthodologiques et organisationnels de l'apprentissage automatique.