Le prédictif bouleverse l’entreprise

Les pouvoirs du Prédictif en entreprise

N’avez-vous jamais rêvé d’avoir des pouvoirs magiques pour pouvoir prédire le futur ? Ou une super boule de cristal pour voir l’avenir ? Ne rêvez plus ! C’est possible !

Depuis quelques années, l’analyse prédictive a fait d’importants progrès, permettant aux entreprises d’anticiper des pannes, de prévoir le comportement d’un client ou sa consommation énergétique, d’optimiser la circulation urbaine et parfois même d’endiguer des épidémies en prenant des mesures préventives.

De fait, les outils ont tellement évolué que l’analyse prédictive s’applique désormais à tous les domaines et à tous les secteurs d’activité. Source d’opportunités, elle provoque la naissance de nouveaux modèles économiques.

Analyse prédictive : les basiques

Il existe une multitude de définitions de ce qu’est et n’est pas l’analyse prédictive. Autrefois, le prédictif était associé au datamining, une technologie d’analyse pratiquée par des éditeurs tels que SAS, grand spécialiste de la question. À l’époque, il fallait quelques statisticiens bien cossus et un porte-monnaie bien rempli pour aller explorer le futur : outils chers, peu de modèles mathématiques sur le marché pour les exploiter et, souvent, volumétrie de données insuffisante pour établir des modèles.

À cette époque, la frontière entre datamining et analyse décisionnelle était en théorie clairement établie : d’un côté, on savait très exactement ce que l’on cherchait (évolution des ventes, du chiffre d’affaires, etc.), de l’autre, on partait à l’aventure en essayant de trouver des corrélations entre des données. En pratique, la frontière n’est évidemment pas aussi marquée.

Quoi qu’il en soit, l’analyse prédictive fait sauter les barrières : datamining, BI traditionnelle, deep learning… tout est bon à prendre pour extraire des informations des données afin d’anticiper des situations.

Aujourd’hui, le prédictif, c’est l’art de trouver des corrélations entre des évènements afin d’anticiper leur(s) (effet(s)…ou leur(s) cause(s) en exploitant un ensemble de technologies, couplées parfois à l’IoT, et pratiquées par des experts qui ne se contentent plus d’être de simples grands mathématiciens. Ils ont aussi un savoir métier et maitrisent le business de leur entreprise. On les appelle les datascientists.

Big data : les technologies qui libèrent le prédictif

Cette évolution a été rendue possible par l’avènement du Big Data.

D’une part, les entreprises engrangent de plus en plus de données provenant à la fois des systèmes d’information interne, de l’open data et, plus généralement, d’Internet (réseaux sociaux, mails, etc.). Récemment, elles ont même commencé à déployer des capteurs dans les magasins, sur les produits, parfois même sur les équipements urbains pour enrichir leurs collections de données et élargir leur potentiel d’analyse à de nouveaux domaines. Elles atteignent ainsi le volume critique pour pratiquer du datamining et conservent les données dans leur format original au sein de datalakes afin d’en préserver toute la richesse.

D’autre part, à l’analyse décisionnelle basée sur des bases relationnelles aux données structurées, s’est substitué l’univers d’Hadoop et des bases NoSQL aux données aussi bien structurées que non structurées sur lequel se greffe des moteurs de Machine Learning qui apprennent des données historiques pour prédire l’avenir.

Parallèlement, les bibliothèques de modèles mathématiques se sont enrichies et de plus en plus de prestataires de cloud proposent des solutions clef en main sous forme de services « Big data » ou « Machine Learning » qui rendent les technologies beaucoup plus accessibles. La combinaison de tous ces facteurs a libéré les entreprises, désormais parties à l’assaut du prédictif pour trouver les modèles économiques du monde de demain.

Exploitation : tous les domaines sont impactés

De fait, certaines ont déjà pris les devants.

Dans le monde bancaire, l’analyse prédictive est pratiquée depuis quelques années pour notamment débusquer les arnaques à la carte bancaire.

Dans le secteur industriel, les machines-outils sont équipées de capteurs, transmettant des données utilisées pour faire de la maintenance prédictive. Idem dans les secteurs ferroviaires, aéronautiques ou encore automobiles, Air France, la SNCF, Airbus ou encore Roll Royce utilisant l’analyse prédictive à des fins de prévention. Depuis 2013, le système TTSA (Track Train System Availability) d’Eurotunnel, par exemple, s’appuie sur des données collectées par des capteurs sur les rails, les roues, les moteurs, etc. afin d’estimer leurs niveaux d’usure et l’impact d’un trajet sur l’équipement, en vue d’anticiper les pannes.

Les smartcities sont également très friandes d’analyse prédictive, équipant par exemple les poubelles de capteurs pour optimiser les tournées des éboueurs. À l’occasion des jeux olympiques, Londres s’est dotée d’un centre de gestion du trafic (Traffic Update Desk). Qualifié de laboratoire du Big Data des mobilités, il croise les données issues des réseaux sociaux, des caméras de surveillance et des 3 000 points du système automatique de surveillance du trafic du réseau routier à des données météo, de la police et à des opérateurs pour anticiper les bouchons en agissant à distance sur les feux de signalisation.

Dans le domaine énergétique, les smartgrids s’apprêtent également à optimiser la production d’énergie en fonction de la demande en se basant sur des analyses prédictives de consommation. Veolia ou GRDF utilisent déjà les données collectées par les compteurs intelligents pour élaborer de nouveaux services en vue de permettre aux collectivités d’anticiper les besoins et aux consommateurs de mieux gérer leur facture énergétique.

Autre domaine très avancé, le secteur médical exécute de la détection de complications en temps réel à partir des données des moniteurs médicaux et alerte le personnel médical avant que le patient ne présente les signes de la maladie. Divers acteurs se penchent également sur des systèmes de surveillance et d’anticipation de pandémies.

De fait, l’analyse prédictive est partout.

Et elle peut s’appliquer à tous les domaines de l’entreprise. Une entreprise Telecom a exploité l’Azure Machine Learning sur ses historiques de données RH  pour prédire avec un taux de fiabilité de plus de 96% les collaborateurs susceptibles de quitter l’entreprise dans les deux prochaines années. Autre exemple, la police américaine a récemment mis au point un système capable de prédire où un crime a le plus de chances d’avoir lieu sur la base de données concernant les crimes de ces dix dernières années. Un groupe de japonais a même établi un modèle mathématique (The Hit Phenomenon) capable de prédire le succès d’un film au box-office, une théorie qui – selon ces chercheurs – pourrait être appliquée à d’autres domaines comme la musique en ligne, ou encore pour le marché des boissons gazeuses. Bref, le prédictif s’insinue petit à petit dans tous les métiers et toutes les analyses.

Et ça, c’est un fait, ce n’est plus une prédiction.