# Utilisation d'expérimentations

Chargez des données historiques dans une expérimentation d'apprentissage automatique automatisée et entraînez un modèle pour analyser et prédire les problèmes métier.

Vous pouvez créer et modifier des expérimentations dans des espaces personnels ou partagés.

## Workflow

Avant de créer une expérimentation d'apprentissage automatique automatisé dans Qlik Cloud Analytics, vous devez bien définir la question d'apprentissage automatique et disposer d'un jeu de données d'apprentissage approprié dans Catalogue. Pour plus d'informations, consultez [Définition de questions d'apprentissage automatique](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework.htm) et [Préparation de votre jeu de données à l'apprentissage](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-preparation.htm).

Les étapes suivantes décrivent le flux de travail d'une expérimentation.

1. Créez votre expérimentation

   Créez une nouvelle expérimentation dans Qlik Cloud. Ajoutez-la à un espace partagé, si vous souhaitez l'utiliser en collaboration avec d'autres utilisateurs.

   [Création d'expérimentations](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-experiments.htm)

2. Configurez votre expérimentation

   Sélectionnez une cible pour laquelle effectuer des prédictions et des caractéristiques pour appuyer la prédiction.

   [Configuration d'expérimentations](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)

3. Démarrez l’apprentissage

   Démarrez l'apprentissage de votre première version d'expérimentation.

   [Formation d'expérimentations](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-experiments.htm)

4. Examen des modèles recommandés

   Examinez le déroulement de l'apprentissage du modèle et évaluez les modèles qui vous ont été recommandés. Utilisez les outils intégrés pour analyser les résumés d'apprentissage et les analyses intégrées, qui offrent des informations au niveau de l'expérimentation, de la version et du modèle.

   [Examen des modèles](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/reviewing-experiments.htm)

   Si un affinement supplémentaire est nécessaire, vous pouvez configurer des versions ultérieures de l'expérimentation. Ajustez les paramètres tels que les caractéristiques et les algorithmes et formez de nouveau de nouvelles versions de l'expérimentation jusqu'à obtenir un modèle satisfaisant.

   [Affinement des modèles](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)

5. Déployez le modèle

   Une fois que vous avez un bon modèle, il est temps de le déployer et de commencer à effectuer des prédictions.

   [Utilisation de déploiements ML](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

## Conditions requises et autorisations

Pour des informations sur les rôles d'espace requis pour pouvoir utiliser des expérimentations ML dans des espaces partagés, consultez :

* [Autorisations dans les espaces partagés pour les utilisateurs Professional et d'abonnements basés sur la capacité](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [Autorisations d'espace partagé pour les administrateurs](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

Si vous êtes administrateur, consultez [Qui peut utiliser Qlik Predict](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm) pour obtenir une vue d'ensemble complète des autorisations utilisateur requises pour pouvoir utiliser des expérimentations ML.

## Affichage de la traçabilité et de l'analyse de l'impact

Grâce aux outils Traçabilité et Analyse de l'impact de Qlik Cloud, vous pouvez effectuer une analyse pour savoir :

* Quelles sont les origines d'une expérimentation ML et des données utilisées pour effectuer l'apprentissage de chaque modèle.

  [Analyse de la traçabilité pour le contenu d'apprentissage automatique](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/lineage.htm#MLLineage)

* De quelle manière l'expérimentation ML et ses sorties sont utilisées dans le contenu en aval dans Qlik Cloud.

  [Analyse de l'impact pour le contenu d'apprentissage automatique](https://help.qlik.com/fr-FR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/impact-analysis2.htm#MLImpact)