L’IMPACT DE L’IA SUR L’UTILISATION DES OUTILS D’ANALYTICS ET DE BUSINESS INTELLIGENCE

La croissance de l’usage des terminaux tels que le mobile, la tablette et autres objets connectés (IoT – Internet Of Things), offre aux entreprises un volume de données sans précédent. Cette tendance implique la démocratisation de la collecte et de l’exploitation de ces nouvelles sources de données à des fins de pilotage de la performance et de compréhension des usages, et pousse ainsi les éditeurs à améliorer sans cesse les solutions d’Analytics (collecte / engineering & stockage / analyse & visualisation).

Deux observations importantes émanent de ce constat :

• Aujourd’hui les tableaux de bord ne sont plus suffisants pour digérer l’ensemble des données accumulées en provenance de différentes sources existantes.
• Les outils d’Analytics (webanalytics, UX analytics, etc.) et de Business Intelligence (BI) couplés à l’intelligence artificielle (IA), ont développé des capacités qui aident les à élaborer des analyses sur mesures de façon synthétique, précise et en temps réel.

UN ÉCHANGE HUMAIN PLUS QU’ARTIFICIEL

Prenons l’exemple des chatbots qui représente bien la façon que nous avons aujourd’hui d’interagir avec la machine, similaire à celle où l’on demanderait de l’aide à un ami ou un collègue.
Des questions complètes sont posées à l’IA reproduisant un « langage naturel ». La machine est ensuite capable d’analyser le contexte de la question et apporte une réponse en effectuant le travail d’analyse en autonomie.
En 2017, Microsoft a lancé une nouvelle fonctionnalité de « Questions et Réponses » dans son outil Power BI. Cette fonctionnalité utilise le langage naturel directement à partir des rapports Power BI et permet sur la base des questions posées d’identifier automatiquement des tendances, anomalies et autres éléments pertinents issus de la source traitée.

Documentation Microsoft Power BI ici 

ALLER PLUS LOIN QUE LE SIMPLE DIAGNOSTIC

Revenons en arrière. Depuis le début des années 2000, les solutions d’Analytics et de Business Intelligence ont évolué selon quatre grands domaines représentées par le modèle de Gartner[1].

1. L’analyse descriptive est l’approche la plus basique consistant en un croisement des données brutes collectées afin qu’elles puissent être réinterprétées. L’analyse descriptive permet de comprendre les comportements passés en conjecturant qu’ils se reproduiront dans le futur.
2. L’analyse diagnostique offre la possibilité d’explorer et d’isoler la cause première d’un problème ou d’une performance en croisant les données collectées afin d’identifier des patterns qui expliqueraient pourquoi ces comportements se sont produit.
3. Grâce à l’analyse prédictive, il est possible d’anticiper ce qui se passera dans le futur, avec une certaine probabilité de succès, en fonction de l’historique des données, mais également d’autres variables comme la météo, l’économie ou encore un secteur d’activité précis. Cette performance est possible grâce au Machine Learning, qui donne à l’intelligence artificielle la capacité d’apprendre en fonction de la donnée absorbée.
4. Enfin, l’analyse prescriptive est une étape relativement nouvelle mais prometteuse qui permet de décider vous-même des différentes actions possibles, et de déterminer en conséquence les meilleures solutions viables à la problématique que vous lui évoquez.

POURQUOI L’ANALYSE PRÉDICTIVE EST UN ATOUT COMPÉTITIF ?

L’analyse basée sur l’IA, a pour objectif de conseiller et de permettre l’anticipation de phénomènes et de résultats, mais aussi d’expliquer pourquoi ils se produiront.
Le prescriptif évalue l’impact de différents scénarios sur des indicateurs clés de performance de l’entreprise afin d’améliorer la prise de décision et l’orienter vers la solution optimale.

Le traitement de ce type de données permet d’acquérir des informations stratégiques sur la concurrence. De plus en plus d’entreprises devraient intégrer l’analyse prescriptive dans leur périmètre. L’avantage compétitif est double :

• Eclairer et automatiser la prise de décision
• Libérer un temps précieux aux équipes afin d’aller plus loin dans leur stratégie ou dans leurs analyses

Cependant, malgré les perspectives exceptionnelles offertes, l’analyse prescriptive reste pour le moment principalement inexploitée car sa mise en œuvre peut s’avérer particulièrement complexe.

En effet plusieurs éléments sont à prendre en compte dans le processus de réflexion de mise en place :

• Avoir la possibilité d’injecter de la donnée pour enrichir les algorithmes d’analyse de l’IA
• Maîtriser le cycle de sa donnée
• Élaborer une définition précise et complète du processus métier à modéliser et de l’objectif recherché avec cette méthode
• Être capable de créer une étroite coopération entre les professionnels de l’analytics et des experts techniques des différents métiers
• Prendre en compte le temps nécessaire à la mise en place
• Aucune prédiction n’est fiable à 100%, mais, en tant qu’analyste, les entreprises ont à gagner à se servir d’outils basés sur l’IA, pour aller plus loin dans les analyses avec notamment l’aspect prédictif.

Aujourd’hui seulement 3 % des entreprises[2] utilisent un logiciel d’analyse prescriptive, contre 30 % qui utilisent activement des outils d’analytique prédictif. Cependant, la croissance exponentielle des volumes de données, le bien connu Big Data, et les importantes améliorations des technologies devraient fortement accélérer l’adoption de solutions prescriptives au cours des prochaines années.

A terme, ces nouvelles fonctionnalités vont offrir des décisions « Data Driven » bien plus accessibles et activables pour des utilisateurs n’ayant pas nécessairement des connaissances techniques avancées sur les outils d’Analytics et Business Intelligence.

[1] Entreprise américaine spécialisée dans le conseil et la recherche dans le domaine des techniques avancées
[2] Etude menée également par la société américaine Gartner

Auteur : Kevin Larvor, Consultant Senior, Practice Analytics x Digital Products