jim-sterne-machine-learning-marketing-tips

Jim Sterne, cofondateur et président de la DAA (Digital Analytics Association), nous a fait l’honneur de sa présence lors de la dernière édition de notre Digital Analytics Forum à Paris. Il a présenté à son auditoire un exposé remarquable sur le Machine Learning dans le marketing, thème de son dernier livre 

Pendant sa présentation (cf. vidéo plus bas), Jim Sterne nous a parlé de l’essor de l’Intelligence Artificielle et des avantages du Machine Learning pour les marketeurs. Il a également expliqué pourquoi le cerveau humain sera toujours indispensable en complément des machines. Jim Sterne a tenu à donner quelques conseils aux entreprises qui souhaitent tirer parti du Machine Learning… voici ses recommandations. 

 

Les 3 types de Machine Learning 

Jim Sterne nous a présenté les trois types de Machine Learning et leurs fonctions spécifiques. 

Tout d’abord, l’apprentissage supervisé : l’ordinateur intègre des volumes considérables de données d’apprentissage étiquetées, retourne des résultats statistiques et reçoit en retour des informations et des corrections (d’où l’aspect « supervisé »). Jim Sterne résume ainsi l’apprentissage supervisé : « Je connais la réponse, l’ordinateur non. Je lui donne de gros volumes de données étiquetées et de nombreux exemples. J’explique, il écoute. » Prenons l’exemple de la classification d’images : l’ordinateur a « vu » des milliers d’images, disons de chiens, et a « appris » les traits distinctifs des chiens.  

Ensuite, l’apprentissage non supervisé. Tout comme l’apprentissage supervisé, il suppose de gros volumes de données ; cependant, les réponses, qui aidaient l’ordinateur à distinguer le vrai du faux, ne sont cette fois pas connues. Toutes les données sont envoyées au système, à qui l’on demande : « Montre-moi une tendance, une corrélation ou une anomalie intéressante ». L’ordinateur exauce nos vœux en mettant en évidence des relations notables entre les données, par exemple, « Les gens effectuent davantage d’achats en ligne quand il neige ». Il y a toutefois un écueil à éviter avec l’apprentissage non supervisé : celui de supposer l’existence d’une causalité là où il n’y en a pas. (Y a-t-il une relation de cause à effet entre la crème glacée et les noyades ? Pour le savoir, regardez la vidéo…)  

Dernier type de Machine Learning, l’apprentissage par renforcement. Il n’y a alors pas de réponse absolue, seulement des récompenses. Renforcer certains résultats permet à l’ordinateur d’apprendre à optimiser ses performances. « Si la réponse est meilleure, on donne à l’ordinateur une récompense quantitative. Lorsqu’elle est moins bonne, la récompense devient négative », explique Jim Sterne. Il précise que l’apprentissage par renforcement ne peut produire des résultats optimaux que si l’ordinateur a à sa disposition : 

– des volumes de données considérables ; 

– un but très précis à atteindre ; 

– la capacité d’agir ou de revoir son comportement après intégration de nouvelles données. 

 

Imaginez le potentiel infini de ce cerveau informatique terriblement puissant, capable de prendre en compte un nombre illimité de dimensions, de combinaisons et de possibilités absolument inconcevables pour des humains. Qui ne voudrait pas intégrer le Machine Learning à sa stratégie marketing ? 

 

Les conseils de Jim Sterne 

Si l’alliance entre l’humain et la machine peut donner d’excellents résultats, il y a plusieurs choses à savoir avant d’intégrer le Machine Learning à des projets marketing. Les conseils de Jim Sterne vous aideront à maximiser vos résultats, mais aussi à obtenir l’adhésion et le soutien de votre organisation dans toutes vos initiatives de Machine Learning.  

 

Définissez des objectifs clairs et précis 

Évitez de vous fixer des objectifs trop généralistes comme « Améliorer la notoriété » ou « Optimiser la fidélisation des clients » : soyez extrêmement précis dans la formulation des buts visés pour tirer de vrais résultats du Machine Learning. Voici quelques exemples d’objectifs spécifiques : « Augmenter le nombre de clics sur ma bannière publicitaire » ou « Augmenter le nombre d’ouvertures des e-mails ». Identifiez la finalité et décomposez-la en plusieurs actions concrètes sur lesquelles le Machine Learning pourra vous être utile. 

 

Tempérez les attentes de la direction 

Comme on a pu le voir, même le Machine Learning suit sa courbe d’apprentissage. Il ne faut donc pas que la direction s’attende à des résultats extraordinaires d’entrée de jeu. L’ordinateur, qui n’a à l’origine aucune connaissance, va suivre une progression assez fulgurante, pour atteindre un palier une fois les résultats optimisés.  

 

« Restez vigilants, nous met en garde Jim Sterne. Au début, [l’ordinateur] est complètement ignorant. Il devient ensuite génial, puis simplement moyen. Que faut-il faire à ce stade ? Donnez-lui un nouveau problème ou de nouvelles données. Le système restera ainsi remarquablement puissant. » Veillez à définir les attentes en interne pour préserver l’adhésion à vos projets de Machine Learning dans le cas où les résultats paraîtraient insatisfaisants à un instant t. Réfléchissez à toutes les possibilités d’optimisation de vos projets ; c’est le meilleur moyen d’améliorer en permanence vos systèmes de Machine Learning.  

 

Placez la qualité des données au premier plan 

Si vous souhaitez tirer de vos projets de Machine Learning des résultats de qualité, vous devez utiliser des données tout aussi complètes et fiables.  

« C’est à la rencontre entre les flux de données et le data lake que le miracle se produit, affirme Jim Sterne. Si tout est propre, cohérent et fiable, le Machine Learning n’aura plus qu’à vous aider à trouver des informations intéressantes dans le data lake. » 

Toutefois, « il vous faut pour cela un Data Steward qui surveille les différents flux de données », souligne-t-il, pour vérifier qu’il ne manque rien dans le marquage et la collecte de données. En effet, le Machine Learning a beau faire des prouesses avec des données adéquates, il n’est pas capable d’évaluer ou de contrôler la qualité de ces données. C’est ici que le cerveau humain entre en jeu : sa mission est de vérifier qu’elles sont propres, précises, complètes, pertinentes, cohérentes et non biaisées. (si vous utilisez déjà AT Internet, vous avez déjà une longueur d’avance, grâce au mariage efficace entre des données analytics de qualité et Data Flow pour alimenter votre data lake.) 

 

Commencez par le début  

Vous avez peut-être déjà d’innombrables idées de projets de Machine Learning. Sachez cependant que certaines tâches sont plus adaptées que d’autres. Jim Sterne recommande de favoriser les activités répétitives par nature, peu risquées et impliquant de gros volumes de données (classement, tri, segmentation, clustering, mise en corrélation, détection d’anomalies, etc.), pour lesquelles le Machine Learning n’aura aucun mal à faire le gros du travail.  

Il ne reste plus à l’analyste qu’à évaluer les résultats, identifier ce qui lui semble utile et poursuivre l’exploration. (Prenons l’exemple de la nouvelle fonction de détection des anomalies d’Explorer. Grâce au Machine Learning, elle alerte les analystes en cas de fluctuations suspectes, qu’ils peuvent ainsi examiner plus en détail.) En répartissant convenablement le travail entre l’humain et la machine, vous tirez le meilleur parti de leurs atouts respectifs. 

 

Vous avez l’avantage (d’être humain) 

Le dernier conseil de Jim Sterne est d’exploiter ce qui nous différencie des machines et fait de nous des humains : la raison, l’émotion, l’empathie et l’imagination. 

« C’est vous qui décidez du problème à résoudre, vous qui choisissez les données à prendre en compte et vous encore qui déterminez si le résultat obtenu par l’ordinateur est pertinent », déclare-t-il, ajoutant que le bon sens et l’intuition sont des outils très précieux pour jauger la qualité d’une idée, d’une méthode ou d’un résultat au premier coup d’œil. Or, l’intelligence des ordinateurs, aussi supérieure soit-elle sur d’autres aspects, ne leur permet pas de développer ces aptitudes.  

« Il n’y a rien de plus extraordinaire que ce qui se passe entre nos deux oreilles. Servez-vous-en le plus possible », nous rappelle-t-il.  

« Les ordinateurs sont incroyablement rapides et précis… mais stupides. Les humains, aussi lents et imprécis soient-ils, ont du génie. » – Jim Sterne

Les dernières (r)évolutions du domaine de l’IA soulignent plus que jamais l’importance de cette alliance entre l’intelligence humaine et l’intelligence artificielle, essentielle pour développer sa marque et créer des systèmes qui communiquent les uns avec les autres (par exemple, des assistants vocaux). « Préparez-vous à des bouleversements majeurs dans le monde du marketing, prédit-il. Les choses vont devenir vraiment bizarres ! » 

 

Voici la présentation de Jim Sterne, en vidéo : 

Auteur

Native de la Silicon Valley, Ashley possède 10 ans d’expérience en tant que concepteur-rédacteur marketing, ayant travaillé auparavant dans le marketing B2B digital chez Google. Elle a rejoint l’équipe AT Internet en 2014 où elle contribue à créer et à déployer nos communications internationales dans 6 langues. Le challenge qu’elle préfère : utiliser des mots sans chichis pour transformer l’univers digital, avec toute sa complexité et son évolution perpétuelle, en message clair, captivant et concret.

Comments are closed.