Avant l’intelligence artificielle, les données peuvent prédire des situations

Avant l’intelligence artificielle, les données peuvent prédire des situations

J’entends parler depuis plusieurs mois d’intelligence artificielle dans tous les sens. Mon imaginaire à l’appui, des images des films Blade Runner, I-Robot ou IA me montent à la tête et je me dis qu’en 2019, quand j’irai à la Poste chercher mes colis, je tomberai sur une entité bionique créée par l’homme et qui suit les lois d’Asimov mais qui, quand même par politesse, me souhaiterait la bienvenue.

Pour en arriver là, le chemin est encore long et même avec la loi de Moore, ça ne sera pas demain que mon robot me donnera mon colis. En attendant on éduque des bots, on essaye de mettre en place des systèmes semi-autonomes, des assistants personnels qui savent parler ou chercher des réponses sur internet, et bien d’autres encore. Bref, avant l’intelligence, on en est même pas encore au stade de la conscience artificielle….

De mon coté, n’étant pas passionné par cet aspect de l’intelligence artificielle, j’ai travaillé depuis quelques temps sur une business intelligence au coeur des systèmes touristiques. Le monde touristique répond à 80 % aux mêmes questions tous les jours…. Pour les offices de tourisme, quel temps fait-il aujourd’hui (en regardant le ciel, on arrive à le savoir….), ou sont les toilettes les plus proches ? Pour les socio-professionnels, y a t’il du monde sur le territoire ? dois-je prévoir de sortir les parasols et des couverts en plus ? dois-je ouvrir des pistes en plus ou en moins ? Pour les services publics, quel sera le remplissage de mes parkings aujourd’hui ? Quelle sera densité des routes d’accès à ma destination ?

Autant de questions auxquelles les données d’un territoire peuvent répondre facilement une fois historisées et archivées au sein d’un datalake.

Imaginons un écran connecté au coeur d’une zone de densité de population forte. Afficher sur demande les toilettes les plus proches est simplement une requête entre la base des toilettes publiques sur leurs coordonnées GPS et le point où se situe l’écran. La météo idem, pourquoi afficher à 7 jours une météo quand 95% de la demande concerne la météo de la journée ?

Encore plus loin, le fameux “Que faire aujourd’hui, il pleut ?” se résume a un croisement de données météorologiques de l’instant et de la base d’activités touristiques taguée avec un critère “pluie” sur ses activités. ne reste plus qu’à l’afficher.

Mais qu’y a t’il de prédictif dans tout cela ? Rien du tout.

Les systèmes prédictifs s’appuie sur l’histoire de l’écosystème dans lequel ils évoluent. Plus l’historique est grand, plus on aura la chance de retrouver des points de convergence dans les situations recherchées. Je vous donne un exemple concret… Dans le cadre d’une station de ski (bien sur que je connais le sujet assez profondément), les contrôles d’accès aux remontées mécaniques donnent un nombre de passages journaliers très précis, à l’appareil près. Croisons cette donnée avec les relevés météorologiques sur la même période et rajoutons un critère supplémentaire qui est le rythme de vacances scolaires en Europe. En analysant la journée en cours avec les critères précédemment cités, la Business Intelligence devrait être à même de prédire l’audience attendue sur les pistes et….leur personnel à prévoir en caisse pour les accueillir.

Si on a la chance d’avoir un calcul d’audience sur l’ensemble du territoire, cette requête peut être similaire à l’échelle de la destination mis à part le critère d’événement injectant un surplus de population ponctuel impossible à prédire dans cet écosystème.

En résumé le système prédictif de base se résume en une recette simple :

AUDIENCE DE DESTINATION + CONTROLE D’ACCES + METEO + CALENDRIER DE VACANCES EUROPEENNES

Avec l’ensemble de ces données historisées, l’écosystème peut évoluer tout seul. A l’envie de chacun d’y rajouter des conseils personnalisés à la suite de l’analyse journalière comme évoqué précédemment.

Avec la multiplication des contrôles d’accès chez les prestataires d’activités, on peut les insérer dans l’écosystème pour en plus définir un parcours client type suivant les critères saisonniers, météorologiques, à préciser en fonction du calendrier et des évènements adjuvants.

En résumé, avant de se dire que l’avenir est dans l’intelligence artificielle, nous devrions avancer palier par palier. Tout le monde n’est pas Tony Stark et Jarvis n’existe que dans les films pour l’instant. Utilisons nos datas pour optimiser nos métiers et pour permettre d’estimer plus précisément ce que nos clients veulent faire. Reste à nous de nous adapter pour y subvenir.

Laisser un commentaire

Fermer le menu