Intelligence artificielle Stratégies marketing : une collecte de données ciblées pour des projets plus...

Pour approfondir le sujet

Sur le même thème :

Deux ans après l’arrivée de ChatGPT, comment la GenAI transforme la recherche en ligne et le marketing

Alors que ChatGPT vient de fêter son second anniversaire et compte aujourd'hui plus de 300 millions d'utilisateurs hebdomadaires, le rapport "Online Search After ChatGPT:...

Llama 3.3 70B : Meta dévoile son dernier ajout à la famille Llama 3, un modèle particulièrement efficace

Alors que Meta prépare le lancement des premiers modèles Llama 4 pour le début de l'année prochaine, l'entreprise a dévoilé en fin de semaine...

AgentLab, un framework open source pour le développement et l’évaluation des agents Web

Lancé par ServiceNow, AgentLab est un framework open source visant à faciliter le développement et l'évaluation d'agents Web. Son objectif principal est de soutenir...

Pleias : des modèles de langages ouverts pour une IA éthique et transparente

Pleias, une start-up française, annonce le lancement de sa première famille de grands modèles de langage (LLM), définissant de nouvelles références en matière...

Stratégies marketing : une collecte de données ciblées pour des projets plus viables

Le dilemme des données… Collectées, analysées ou encore exploitées, les données sont clés pour la prise de décision en entreprise. Elles offrent aux organisations de formidables opportunités d’innover, de développer leurs ventes mais aussi d’assurer une meilleure expérience client dans toutes leurs interactions, y compris marketing. Pour autant, il devient nécessaire, au regard du respect du consommateur, mais aussi de notre planète, de n’extraire que les plus importantes et les plus pertinentes pour alimenter les algorithmes !

Une gestion de données en flux constant

Aujourd’hui, les données client émanent principalement du digital mais elles peuvent également être issues d’objets connectés, de processus de maintenance, d’utilisation de produits, de véhicules, de bâtiments, voire de données récoltées suite à des événements naturels ou biologiques. Néanmoins, seule une infime partie de cette masse de données est exploitée, principalement du fait de leur collecte, trop limitée, mais aussi du coût du stockage et de l’exploitation, qui jusqu’à présent était très cher.

Par ailleurs, la question de la gestion technique des volumes générés impose une approche totalement différente, à savoir qu’il est impossible d’appréhender toutes ces informations.

Le domaine du possible est infini. D’autres limites plus traditionnelles existent. Elles peuvent être juridiques (informations encadrées par exemple par le RGPD comme la religion, l’orientation sexuelle…), déontologiques (légitimité à demander certaines informations ou à en déduire à partir de certaines informations : naissance, séparation, union, difficultés financières, maladies…) ou tout simplement résider dans la capacité à capter et stocker les données.

La collecte de données doit être frugale et structurée

Pour la première fois, nous observons une « ruée » vers un bien immatériel : la donnée. Mais à nouveau, chacun se rue vers cette denrée sans tirer les leçons du passé ! La profusion de projets conduit systématiquement les détenteurs à une utilisation à outrance. Ainsi, si bon nombre sont mis en route, beaucoup se clôturent par un échec car pris uniquement sous le prisme technique sans considération des finalités.

La collecte de données impose une méthodologie et le suivi d’un plan structuré prenant en compte les besoins des expérimentations opérationnelles et les impacts suivants : augmentation des coûts, pas ou peu de conduite du changement, mise en avant d’une « élite » de sachants souvent incapables de partager et d’expliquer leurs travaux, mise en marché complexe finissant souvent par un échec et de la défiance, impact environnemental lié au stockage et surtout aux calculs, non-respect du consommateur, etc.

Une collecte ciblée et frugale permet une meilleure analyse de la donnée et un rendu de projet totalement viable.

Considérer les coûts liés à l’impact sociétal futur

La donnée n’est pas une mode ! Son traitement répond à un besoin précis celui de travailler plus en profondeur pour créer de la valeur et répondre à de nouvelles cibles et objectifs tout en répondant à l’aspect technologique.

La donnée dans toute sa richesse est surtout un immense fabricant de CO2. Toute entreprise devra considérer son approche en matière d’usage de données selon une lecture intégrant l’ensemble des coûts, y compris ceux liés à l’impact sociétal futur comme l’environnement. En fonction de l’approche retenue, il sera alors possible d’objectiver les intentions à l’échelle d’un individu et plus largement à l’ensemble de la société.

Les volumes de données peuvent conduire à la recherche d’un graal de l’exactitude, mais comme toute nouvelle technologie il est impératif de se pencher sur les impacts que peuvent avoir des usages abusifs. Ici, l’environnement se trouve directement impacté c’est pourquoi il faut accepter une certaine frugalité en matière de données qui aura comme conséquence une légère perte de qualité de prédictions et d’analyses mais qui portera aussi une réelle responsabilité sociétale et environnementale. Ce constat est bien entendu très fort d’un point de vue commercial. Il est important d’expliquer et partager encore et encore afin que nous prenions pleinement conscience des enjeux qui s’offrent à nous. C’est une chance unique pour les générations futures à condition de s’en occuper aujourd’hui.

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

Deux ans après l’arrivée de ChatGPT, comment la GenAI transforme la recherche en ligne et le marketing

Alors que ChatGPT vient de fêter son second anniversaire et compte aujourd'hui plus de 300 millions d'utilisateurs hebdomadaires, le rapport "Online Search After ChatGPT:...

Llama 3.3 70B : Meta dévoile son dernier ajout à la famille Llama 3, un modèle particulièrement efficace

Alors que Meta prépare le lancement des premiers modèles Llama 4 pour le début de l'année prochaine, l'entreprise a dévoilé en fin de semaine...

AgentLab, un framework open source pour le développement et l’évaluation des agents Web

Lancé par ServiceNow, AgentLab est un framework open source visant à faciliter le développement et l'évaluation d'agents Web. Son objectif principal est de soutenir...

Pleias : des modèles de langages ouverts pour une IA éthique et transparente

Pleias, une start-up française, annonce le lancement de sa première famille de grands modèles de langage (LLM), définissant de nouvelles références en matière...