Des algorithmes pour détecter les tendances de demain

L’IA s'immisce dans les méthodes du marketing pour transformer les techniques d'études. Aura-t-on encore besoin du planneur stratégique pour déterminer les tendances de consommation ?

En septembre 2013, deux chercheurs de l’Université d’Oxford, Carl Benedikt Frey et Michael Osborne, publient leur étude “The Future of Employment: How Susceptible Are Jobs to Computerisation?”. Le résultat est sans appel : avec l’avènement de la technologie, 47% des emplois américains sont menacés d’informatisation dans les deux décennies à venir. De quoi susciter de nombreux débats sur le développement de l’intelligence artificielle et ses risques sur l’emploi. La démarche de Frey et Osborne consistait à attribuer à 700 types de métier une probabilité d’informatisation de 0 à 1 à un horizon d’une ou deux décennies. En parallèle, l’étude s’est appuyée sur des avis d’experts du machine learning, qui ont évalué 70 types d’emplois, avant d’élargir ce processus d’analyse à l’ensemble des 700 catégories… grâce à un modèle de machine learning ! Les résultats furent répartis en trois catégories :

  • 33% des travailleurs en probabilité d’informatisation faible (< 0,3),
  • 19% en probabilité moyenne (entre 0,3 et 0,7),
  • 47% en probabilité haute (> 0,7).

L’Intelligence Artificielle bénéficie aujourd’hui d’un fort écho médiatique mettant en exergue les inquiétudes et interrogations de plusieurs corps de métiers qui se demandent quelle place prendront les algorithmes et le machine learning dans leur profession. La leur peut-être ? Les métiers du juridique ont par exemple vu apparaître les méthodes de la Legaltech et de la justice prédictive pour automatiser la création de documents administratifs ou anticiper le verdict d’une décision de justice. Selon la classification de Frey et Osborne, les métiers de “Market Research Analyst” et “Marketing Specialist” arrivent au 337 rang avec un indice de 0,61 soit une probabilité moyenne de voir leur métier informatisé. En 2017 et encore aujourd’hui, l’IA et ses méthodes ont fait couler beaucoup d’encre, éveillant les fantasmes de nombreux marketeurs. L’IA veut rendre la consommation prédictible et faire de l’étude consommateur une science exacte grâce à l’analyse incessante de données personnelles et commerciales. En utilisant de plus en plus les algorithmes et le “machine learning” pour analyser le comportement des consommateurs, ne rend-on pas peu à peu les métiers du marketing obsolètes ?

L’apport de l’IA dans la réalisation de sondages

Traditionnellement, les marketeurs appuient leur analyse du consommateur sur des données récoltées lors de sondages, panels et autres interviews. Cependant, il existe une marge d’erreur à prendre en compte dans la réalisation des sondages. La fiabilité des résultats d’un sondage dépend de la façon dont l’échantillon sélectionné pour y répondre a été composé. Au-delà de sa composition, la taille d’un échantillon influence la qualité des résultats obtenus. Un petit échantillon augmente la part de hasard dans le tirage. Plus l’échantillon est important, plus l’erreur d’échantillonnage diminue. Le caractère mouvant de l’opinion induit parfois une marge d’erreur dans les résultats prédits par les sondages. Avec le développement d’Internet et son influence toujours plus prononcée sur nos vies, l’opinion publique passe désormais par les médias sociaux. En captant les pensées et sentiments des internautes à un instant T, Twitter, Facebook et autres plateformes de partage deviennent progressivement des outils de mesure d’opinion.

Dans cette optique, l’IA et les algorithmes peuvent constituer un apport bénéfique pour élargir le champ d’étude des sondages : l’IA n’a pas de terrain propre, ni d’interviewer. Elle permet donc de traiter une plus grande masse de données et de ne pas se restreindre aux 1.000 français représentatifs de la population sélectionnés pour réaliser les sondages selon la méthode habituelle. En intégrant l’IA à la réalisation des sondages, les sondeurs peuvent constituer des échantillon de répondants plus conséquents et ainsi réduire leur marge d’erreur. Il ne s’agit aujourd’hui plus de sonder les opinions mais plutôt de les écouter en associant au sondage d’autres approches pour mieux en appréhender les mouvements. En combinant les méthodes classiques de sondage à la remontées de données provenant des réseaux sociaux et des requêtes sur le web, les marketeurs peuvent mieux discerner les attentes des consommateurs. Pour autant, ces méthodes basées sur l’analyse du web ne sont pas à l’abri des erreurs.

Les data nourrissent le planneur sans s’y substituer

Enlever totalement l’humain du marketing serait une erreur : sans intuition humaine les résultats des sondages et la prédiction de tendances deviendraient automatisés et n’auraient plus de valeur. On observe un phénomène similaire dans ce que décrit Eli Pariser dans son livre « The Filter Bubble: What The Internet Is Hiding From You ». La théorie de cet écrivain repose sur l’idée que les algorithmes de personnalisation que l’on trouve sur les réseaux sociaux tels que Facebook ou Twitter risquent d’enfermer les internautes dans des “bulles de pensées” dont ils ne pourront pas sortir. Les algorithmes de personnalisation de contenu utilisés par les GAFA proposent systématiquement à un internaute des contenus et des produits qui correspondent à ses envies, ses goûts et ses attentes et l’enferme ainsi petit à petit dans une “bulle” d’idées qu’il a déjà vu et auxquelles il a déjà adhéré. Il devient alors impossible de lui faire voir du contenu nouveau et différent de sa propre vision du monde. Ainsi, si l’on laissait les algorithmes déterminer les futures tendances marketing sans les confronter à d’autres points de vue ou à l’intuition humaine, elles deviendraient forcément tendance et engendreraient sans cesse des tendances similaires.

Les marques ne peuvent se passer de l’analyse d’un planneur pour interpréter les résultats des sondages et établir leur stratégie marketing. Il y a une limite dans le travail d’analyse des machines. Cela dépend avant tout de la qualité des données que l’on transmet à l’outil et de l’interprétation qu’il en est faite. Pour que les marketeurs utilisent les algorithmes et les technologies de l’IA de la meilleure des manières, il faut privilégier la qualité des données à la quantité. Privilégier les Smart Data plus que les Big Data, et ne pas négliger l’interprétation des résultats qui sera faite par les équipes. Car il ne suffit pas de recruter un data scientist pour que les données analysées par la machine prennent sens. Les marques ont besoin d’un data scientist accompagné d’experts du métier. Si le data scientist ne reçoit pas les bonnes données ou la bonne explication sur le traitement « métier » de ces données, il ne pourra pas faire de miracles. C’est pourquoi planneurs stratégiques et algorithmes doivent travailler main dans la main pour proposer des résultats de qualité. L’IA n’est au final ni plus ni moins qu’une ressource informatique que l’on associe à un métier existant pour pouvoir travailler plus rapidement, mais qui n’a pas vocation à remplacer le travail du publicitaire. Loin de disparaître, les métiers du marketing entrent plutôt dans une nouvelle ère : celle de l’automatisation des tâches manuelles pour laisser plus de temps à d’autres tâches qui demandent plus de réflexion. Si la « robolution » semble annoncer l’avènement de l’intelligence artificielle, de nombreux professionnels rappellent qu’il existe un écart majeur entre la performance et la création :  l’humain crée, la machine reproduit. L’intelligence artificielle connaît donc une barrière majeure : celle de l’intelligence émotionnelle, dont le rôle sera de plus en plus stratégique dans la relation commerciale.

Auteure : Clara Baratciart

***

Un article de notre dossier Planning stratégique 2018

Sources

  • https://fredcavazza.net/2018/02/05/de-limportance-des-experts-metiers-pour-entrainer-les-intelligences-artificielles/
  • https://fredcavazza.net/2017/05/15/de-limportance-des-donnees-et-des-humains-pour-le-machine-learning/
  • http://futurstalents.com/talents-futur/intelligence-artificielle-brillante-stupide/
  • https://thenextweb.com/artificial-intelligence/2018/01/30/report-business-leaders-disagree-on-future-of-human-machine-partnerships/
  • https://comarketing-news.fr/79-des-marketeurs-prevoient-dutiliser-lia-cette-annee/
  • http://www.petitweb.fr/actualites/gilles-moyse-recital-lia-est-une-bulle-et-elle-va-eclater/https://www.emilemagazine.fr/article/2017/2/16/tribune-les-sondages-sont-ils-dpasss-
  • http://www.relationclientmag.fr/Thematique/techno-solutions-it-1016/breves/marketinga20an-est-elle-avenir-marketing-310675.htm#MJYwg4Zi2xTuE4JK.97
  • https://comarketing-news.fr/tendances-2017-comment-lia-va-impacter-le-marketing/
  • http://mashable.france24.com/divertissement/20180303-ia-spotify-musique-lab-technology-paris
  • http://www.mindnews.fr/articles/xavier-cardon-sutter-mills-de-la-data-au-vrai-consommateur-le-retour-des-etudes.9804.html
  • https://www.sciencesetavenir.fr/politique/les-algorithmes-detronent-les-instituts-de-sondage_111701
  • http://www.strategies.fr/actualites//1059738W/le-marketing-au-pays-des-algorithmes.html
  • https://www.franceculture.fr/politique/sondages-faut-il-changer-de-methode
  • https://www.latribune.fr/opinions/tribunes/l-intelligence-artificielle-fera-disparaitre-le-marketing-751994.html
  • https://tastymarcom.com/lintelligence-artificielle-aide-les-marketeurs-mais-ne-les-remplace-pas/

(c) Ill. DepositPhotos

avatar
ISCPA Paris. Profil de l'ISCPA et articles publiés.


Commentez !

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *