Par Félix Chrétien

1.Cible

Que souhaiteriez-vous savoir si vous aviez une baguette magique qui permette de révéler une information sur votre entreprise ou votre environnement ? L’IA performe très bien dans les tâches de prédiction, mais cela nécessite, justement, une variable claire à prédire. Ce peut être la demande pour un produit, la dépense totale d’un consommateur, l’intérêt pour une promotion, la valeur future d’un actif, etc. L’important c’est de pouvoir mettre la main sur des réalisations passées si on veut pouvoir prédire de prochaines occurrences.

Dans le cas de tâches d’automatisation, la prédiction peut être la présence de comportements indésirables sur une plateforme en ligne ou des éléments qui se trouvent dans un texte, par exemple. L’important dans ce dernier cas serait d’avoir des textes passés analysés par des humains. Le modèle apprendrait donc des décisions passées des humains (saisie de données, modération, etc.) afin de prendre des décisions similaires dans le futur, et ce, de façon totalement automatisée.

2. Données explicatives

Qu’est-ce qui pourrait expliquer les variations de la cible ? L’important est que ces explications puissent être rattachées, d’une façon ou d’une autre, à la cible. Par exemple, le revenu prédire la solvabilité d’une personne ou la météo si on souhaite prédire la demande de popsicles. En général, le plus d’informations le mieux, mais un scientifique des données pourra vous aider à sélectionner les meilleures variables possibles.

3. Stratégie d’acquisition de données

Peu importe ce qu’on essaie de prédire ou d’automatiser, on retombera sur la question des données. Il est donc important d’identifier à la base la source des données pour l’entraînement, mais aussi des données explicatives pour les prédictions futures.

On nous pose souvent la question à savoir combien de points de données sont nécessaires pour réaliser un projet en IA. La vraie réponse est malheureusement insatisfaisante : « Ça dépend ». La quantité nécessaire pour l’obtention d’un produit minimum viable dépend tant des spécificités de la tâche envisagée qu’il est impossible de donner un chiffre général. Dans certains cas 1000 points de données suffisent, dans d’autres on n’arrive à rien avant 100 000. Un scientifique des données pourra vous donner une estimation, mais elle sera hautement imprécise sans tests préalables sur au moins un extrait des données.

En général, le plus le mieux pour la précision. Mais il ne faut pas négliger le coût d’obtention des données. Ce coût peut être carrément monétaire lorsque les données sont obtenues d’une autre entreprise, ou en termes de qualité de l’expérience lorsqu’on doit obtenir des informations de l’utilisateur.

4. Cercle vertueux

L’IA peut rendre l’utilisation d’un produit plus agréable. Par exemple, un site de revente en ligne qui vous indique si vous faites une bonne affaire par rapport aux transactions pour des produits similaires peut vous le rendre plus intéressant que sa compétition. Le fait que vous utilisiez plus ce site lui donnera plus de données de transactions, ce qui lui permettra d’améliorer son produit. Cela favorise, à nouveau, la croissance du nombre d’utilisateurs. Et ainsi de suite. Ce genre de cercle vertueux est à la source de nombreux succès d’affaires en IA et explique en grande partie pourquoi cette technologie tend à sur-récompenser les premiers arrivés sur le marché. Essayer d’en identifier à l’avance est une excellente pratique de planification de projet.

5. Action

À quoi bon regarder la météo à tous les matins si on s’habille toujours de la même façon ? C’est le problème de beaucoup, beaucoup, de projets en IA. Lorsque le besoin n’est pas là, vous pouvez être certains que le produit n’aboutira pas. Même si la technologie jouit en ce moment d’une aura favorable, il est important de s’assurer que c’est bien de cela dont vous avez réellement besoin. La question à se poser est la suivante : « advenant que je sache x, est-ce que cela me ferait prendre une action en conséquence ? ».  Si la réponse est négative, le projet ne devrait probablement pas être réalisé.

En bref, oui l’IA est probablement une bonne idée, surtout en ce moment (voir notre billet pourquoi maintenant), mais il faut s’assurer qu’elle est employée au bon endroit et bien planifiée. Si c’est le cas, vous pourriez bien vous placer très avantageusement sur votre marché!

English EN French FR