Pourquoi vous devriez vous intéresser au machine learning


Le principe de l’intelligence artificielle ne date pas d’hier, des années 1950s en fait, mais si Alan Turing se demandait à l’époque « est-ce que les machines peuvent penser ? », la question est pour nous « la collecte, l’analyse et le traitement d’immenses lots de données par les IA peuvent-ils changer la donne commerciale ? ».

On parle aujourd’hui du « machine learning » (en français « apprentissage automatique »), de compréhension en langage naturel, de robotique, etc. L’idée ici est que le machine learning (pensez Siri, Cortana, assistants de demain) peut être exploité pour faciliter le travail, faire des économies et même augmenter les ventes de nombreuses entreprises.

Commençons par l’exemple de Xeneta

Dans un article paru sur Medium en 2016, la société Xeneta nous explique que son directeur des ventes bute sans arrêt sur une tâche extrêmement chronophage : remplir des listings avec toutes les sociétés et identifier les prospects potentiels (ils sont en BtoB). Ils se posent alors la question « si on décrit notre prospect idéal, peut-on entraîner un algorithme à trouver lui-même des clients potentiels ? ».

La première étape était de réunir les données et ils se sont tournés vers des APIs existantes (c’est-à-dire des systèmes permettant d’accéder à des données précises, un autre sujet passionnant), par exemple l’API de la société FullContact qui fournit les descriptifs d’activité de millions de sociétés. Seulement pour y faire appel, il fallait entrer l’URL des sites des sociétés. Ils ont donc utilisé d’autres APIs pour constituer un énorme lot de données que le futur algorithme pourrait traiter.

Un premier code fut créé pour analyser les textes en langage naturel afin de les nettoyer pour ne garder que les données utiles. Puis il fallut transformer toute cette data en chiffres et, enfin, créer l’algorithme qui allait devoir apprendre (par lui-même) à faire la différence entre un bon et un mauvais prospect. Le tout fut envoyé sur la plateforme collaborative GitHub afin que d’autres programmeurs puissent participer et l’améliorer.

processus machine learning

Collecter des données brutes > les nettoyer > construire le modèle > prédire

Des exemples de machine learning dans la vente

Mettre à profit le machine learning est donc extrêmement complexe… mais quel avantage pour la société qui va jusqu’au bout ! Et pourra certainement revendre son algorithme ou en faire profiter son écosystème. Voici quelques exemples de ce qui s’est déjà fait en quelques années :

  • Affinio – qui analyse le profil des internautes (intérêts, passions, social graph…) pour leur proposer le contenu le plus adapté
  • Percolata – qui prédit le trafic en magasin et gère l’emploi du temps des vendeurs en fonction
  • Rich Relevance – qui analyse toutes vos données client afin de vous donner une vue omnicanal du parcours client et vous propose des actions personnalisées à réaliser
  • Barilliance, Lumidatum – qui collecte et analyse les données clients des différents canaux pour leur faire des propositions personnalisées de produits
  • Prelert – qui analyse les comportements sur les marchés financiers et peut détecter un délit d’initié ou un trader dangereux
  • Azure (Microsoft) – qui propose des outils analytiques puissants maintenant intégrés à la suite Cortana Intelligence
  • SmartReply (Google) – qui analyse vos e-mails, apprend, définit quels e-mails nécessitent des réponses courtes et peut même les écrire à votre place
dessin humoristique machine learning

« Cliquez ici pour acheter un ticket de saut en parachute depuis l’ISS » – « Je crois qu’Internet essaie de me tuer » – « Ca s’appelle le machine learning ».

En réalité, vous utilisez peut-être déjà des solutions intégrant une part de machine learning et de data mining mais peut-être que ces quelques exemples vous feront penser à la prochaine solution géniale qui divisera votre temps de travail ou multipliera vos ventes par 2.

Pour conclure, l’intelligence artificielle et en particulier le machine learning feront les révolutions de demain. Voilà pourquoi vous devriez garder un œil dessus, juste au cas où !