Intelligence artificielle Comment rendre l’usage de la data science accessible à tous ?

Pour approfondir le sujet

Sur le même thème :

IA générative : Continental et Google Cloud s’allient pour rendre les véhicules plus intelligents

Continental, qui avait annoncé ce partenariat avec Google Cloud lors de sa conférence de presse à l'IAA MOBILITY 2023, l'a détaillé dans un récent...

Adobe annonce la sortie commerciale de Firefly, sa famille de modèles d’IA générative créative

Fin mars dernier, Adobe présentait lors de son sommet Adobe Firefly, une famille de modèles d’IA générative et lançait la version bêta du premier modèle...

Plan de licenciement chez Onclusive : plus de la moitié des emplois remplacés par l’IA

C'est Libération qui a annoncé le plan de licenciement prévoyant la suppression de 217 postes sur 383 au sein d'Onclusive, une entreprise spécialisée dans...

Stability AI dévoile Stable Audio, son modèle pour la génération de musique et de son

Stability AI, licorne basée à Londres et San Francisco, a connu la notoriété en annonçant en août 2022 la sortie publique du modèle-text-to-image Stable...

Comment rendre l’usage de la data science accessible à tous ?

Afin de mener une stratégie marketing efficace et permettre une expérience client individualisée, les entreprises doivent démocratiser l’usage de la data science 

Le passage à l’analyse prédictive

Les outils de prédiction inquiètent et fascinent tout autant. Mais à la différence des oracles, ces prévisions sont factuelles et mesurables par une probabilité. La magie du marketing prédictif consiste à passer de la prédiction basée sur l’intuition – voire l’irrationnel, à celle basée sur des données et des probabilités de réussite. L’utilisation du marketing prédictif impose une approche radicalement nouvelle : Le ciblage ne se base plus sur ce que l’on pense ou suppose, ni même les études marketing (sondage, panels, …) mais sur les données et ce qu’elles recèlent.

Plus nous disposerons de données, plus tout sera prédictible et plus la qualité des prévisions sera bonne. L’objectif en marketing n’est pas la certitude dans la prévision mais de faire mieux qu’une démarche empirique. Le principe est simple : choisir les clients avec une forte probabilité d’acheter ce manteau me permettra d’avoir un taux d’achat de ce produit bien supérieur à celui obtenu si je l’avais proposé à une cible basée sur mon expérience et bien plus qu’en considérant tous mes clients. Cela permet aussi de baisser les coûts de sollicitation car seule une partie des clients sera exposée, et d’éviter l’énervement des clients sollicités pour des produits qui ne les intéressent pas. L’utilisation généralisée de cette information permettra de travailler la proximité avec chaque client en lui proposant des produits qui lui correspondent.

Le point clé dans cette démarche consiste à accepter de travailler au niveau de l’individu afin de prendre en considération toute sa singularité. L’erreur, trop souvent vue même en travaillant avec des outils prédictifs, consiste à recomposer une notion de segment pour résumer une tendance dont la projection au niveau individuel est souvent fausse. A quoi bon reproduire les habitudes de travail du passé avec de tels outils ? Il faut plonger et accepter que chaque client ait son histoire, ses désirs et ses futurs probables.

Recentrer le rôle des data scientists

La data science est évidemment l’outil idéal de cette démarche. Reste qu’elle est systématiquement présentée comme l’apanage des fameux data scientists, les stars du marketing moderne. Ce temps-là est révolu n’en déplaise aux « experts » et « sachants ». Evidemment, il y aura toujours des cas où un humain fera mieux que de l’intelligence artificielle mais avec une temporalité interdisant toute démultiplication de son usage. Un data scientist quel que soit son talent ne peut s’occuper que de quelques modèles de prévision. Est-ce que sa valeur est là ? Clairement non. L’enjeu n’est plus de disposer de quelques modèles de prévisions mais bien de les démultiplier rapidement avec une approche auto apprenante et industrielle. Le data scientist se recentrera sur la détection de nouvelles opportunités. Cette double approche est vertueuse et apporte beaucoup plus de valeur. A titre d’exemple, dans ma société, nous avons développé un logiciel permettant de faire en 15 minutes ce qu’un data scientist faisait en 4 jours. L’ensemble de nos data scientists s’est repositionné sur plus d’analyses en laissant ainsi la production à l’intelligence artificielle.

En y regardant de plus près, vous vous apercevrez que 80% de la chaine relationnelle peut être confiée à l’IA. Le partage de la data science est la clé d’un marketing client efficace. Bombarder des offres promotionnelles indifférenciées à tous les consommateurs devient une dépense inutile, peu efficace et contre-productive qui suscite, au mieux, l’agacement des consommateurs que nous sommes. Sans analyse prédictive, il serait presque impossible de formuler l’idée même de proximité relationnelle. Cette transformation est difficile, elle nécessite une réelle volonté de changement des directions marketing et un accompagnement fort des équipes. Elles doivent désapprendre leurs métiers et en réapprendre un nouveau dont la collaboration avec les algorithmes est une des clés. Il faut renoncer pour se transformer.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
Netwave Suite - Product par Netwave

Grâce à sa technologie exclusive d’ia inductive, netwave suite est une plateforme de référence en matière de personnalisation temps réel en mode saas....

 

Contributeur expert

Stéphane Amarsy

Plus de 20 ans d’expérience dans plus de 30 pays et dans tous les secteurs d’activité, font

Partager l'article

IA générative : Continental et Google Cloud s’allient pour rendre les véhicules plus intelligents

Continental, qui avait annoncé ce partenariat avec Google Cloud lors de sa conférence de presse à l'IAA MOBILITY 2023, l'a détaillé dans un récent...

Adobe annonce la sortie commerciale de Firefly, sa famille de modèles d’IA générative créative

Fin mars dernier, Adobe présentait lors de son sommet Adobe Firefly, une famille de modèles d’IA générative et lançait la version bêta du premier modèle...

Plan de licenciement chez Onclusive : plus de la moitié des emplois remplacés par l’IA

C'est Libération qui a annoncé le plan de licenciement prévoyant la suppression de 217 postes sur 383 au sein d'Onclusive, une entreprise spécialisée dans...

Stability AI dévoile Stable Audio, son modèle pour la génération de musique et de son

Stability AI, licorne basée à Londres et San Francisco, a connu la notoriété en annonçant en août 2022 la sortie publique du modèle-text-to-image Stable...
Recevoir une notification en cas d'actualité importante    OK Non merci