La modélisation prédictive n'est pas magique

Paolo Gaudiano est un mathématicien et chercheur en sciences cognitives auquel on demande souvent de démystifier la pratique de la modélisation prédictive pour les entreprises. Ancien professeur à l'Université de Boston, il a quitté le monde universitaire pour devenir scientifique en chef d'Artificial Life, une startup axée sur les algorithmes évolutionnaires, avant de rejoindre Icosystem en tant que président. Fondée en 2001, la société a construit des systèmes de modélisation prédictive pour des clients aussi divers que la compagnie de téléphone française Orange, le géant pharmaceutique Eli Lilly et l'opérateur de casino Harrah's. La société, basée à Cambridge, dans le Massachusetts, a également travaillé pour l'armée américaine, en créant plus récemment un logiciel de simulation pour modéliser les efforts d'infrastructure en Afghanistan.

Homme modèle : Paolo Gaudiano est président et directeur de la technologie chez Icosystem, une société de modélisation prédictive.

TR : Pour certaines personnes, la modélisation prédictive ressemble à de la magie, car elle promet de vous dire ce qui se passera dans le futur.

Gaudiano : Non, ce n'est pas du tout magique. C'est une façon de tirer parti des ordinateurs pour reproduire le monde réel. Mais vous ne voulez pas seulement reproduire ce qui s'est passé, vous voulez voir ce qui se passera si le monde change autour de vous. Et si l'économie s'effondrait ? Et si je changeais ma stratégie de vente ?

Vous pouvez prendre en compte des facteurs qui sont autrement incroyablement difficiles à prendre en compte. Nous ne prédisons donc pas l'avenir, mais nous vous donnons simplement une meilleure compréhension de la façon dont les choses fonctionnent et une probabilité légèrement supérieure que les choses que vous faites se déroulent réellement comme vous l'attendez. C'est un outil d'aide à la décision. Cela rend votre intuition plus quantitative. Cela vous donne un moyen de tester la validité de votre intuition avec des données et de trouver une meilleure réponse. C'est tout.

Votre technologie de pointe chez Icosystem est la modélisation à base d'agents. Qu'est-ce que la modélisation basée sur les agents, d'où vient la technologie et comment la mettez-vous en œuvre ?

La modélisation à base d'agents a commencé il y a longtemps comme un outil dans les sciences sociales, pour comprendre les comportements des populations. Il est devenu majeur au cours des dix dernières années. L'idée de base est que chaque fois que vous avez une organisation ou un écosystème complexe, il est plus facile de comprendre et de simuler le comportement des individus et comment ils interagissent les uns avec les autres et avec leur environnement que de proposer une sorte de loi mathématique qui vous dit comment la population se comporte.

Quels sont les agents dans ces simulations ?

Les agents sont des répliques de tous les éléments du système que nous étudions. Généralement, ce sont des humains, donc si nous résolvons un problème de marketing, ce sont des consommateurs. Mais il peut aussi s'agir de personnel dans une entreprise, de voitures sur une autoroute ou d'ordinateurs sur un réseau.

Vous simulez les choses de bas en haut. Vous capturez littéralement les détails du fonctionnement de ces éléments et de la façon dont ils se connectent les uns aux autres. Cela s'avère être un moyen très puissant de prédire comment le système dans son ensemble se comportera. Je peux exécuter sur un ordinateur portable une simulation de 100 000 consommateurs faisant leurs achats et regardant de la publicité, et cela prendra deux minutes pour l'exécuter. En regardant les résultats, cela vous donne une façon différente de penser à votre problème.

Qu'entendez-vous par une autre façon de penser?

Par exemple, nous réalisons un projet pour la Marine, les aidant à comprendre la reconstruction dans des territoires comme l'Afghanistan et comment vous combinez cela avec les communications stratégiques. Nous avons donc construit un modèle qui examine les citoyens afghans et la façon dont ils sont exposés aux choses qui les entourent, comme les équipes internationales, les talibans.

La Marine nous demande : Comment savez-vous que le modèle est correct ? Mais il s'agit moins d'être correct [sur la façon dont les gens interagissent maintenant] que de comprendre à quoi pourraient conduire les hypothèses [sur les événements futurs]. Je ne sais pas à quelle fréquence les citoyens afghans se parlent de l'eau. Mais je peux exécuter 20 simulations différentes avec 20 hypothèses différentes à ce sujet.

Quel est le résultat que vous essayez d'atteindre ?

Si je suis en charge de certaines troupes en Afghanistan et que j'ai des ressources, de l'argent, que dois-je faire concernant les traitements médicaux, la sécurité, les systèmes d'éducation ? Est-ce que je construis des puits dans ce village, est-ce que je construis un puits ici, ou deux ou trois là-bas ? Ou est-ce que je mets de l'argent dans l'assistance vétérinaire ? Est-ce que je ferais mieux de faire de la publicité à la radio plutôt qu'à la télévision, devrais-je laisser tomber des tracts d'un avion, dois-je aller dans des lieux de culte, afin qu'ils entendent mon message plutôt que celui de mon adversaire ?

Il s'agit moins de prédire [si] dépenser 5 $ change les opinions de 2 %, et vraiment plus : j'ai ces cinq plans d'action différents. Quelles sont les plus susceptibles de réussir, et pourquoi ? Il s'agit de : c'est la gamme, aidez-moi à comprendre ce qui fonctionnera et ce qui ne fonctionnera pas et pourquoi. Vous pouvez littéralement retracer pourquoi.

Qu'en est-il des exemples du monde des affaires ? Par exemple, qu'avez-vous fait avec Orange, l'opérateur téléphonique français ?

Ils s'inquiétaient de la propagation de virus [informatiques] sur les réseaux de téléphonie mobile. Nous avons donc construit une simulation de centaines de milliers d'utilisateurs et de la façon dont les virus peuvent se propager. Nous avons pris les données de vrais virus et taux d'infection. Nous avons modélisé le comportement des utilisateurs. Vous pouvez être dans le métro, et quelqu'un d'autre utilise un téléphone avec un virus à côté de vous, et vous utilisez Bluetooth et il vous demande de connecter votre casque avec son téléphone, et si vous dites oui, vous pouvez attraper le virus de l'autre téléphone. Ou vous pouvez l'attraper en envoyant des données par SMS. Nous avons prédit les taux d'infection et aidé à concevoir des stratégies pour empêcher la propagation lorsqu'un virus est injecté dans le système.

Je comprends qu'il faut plusieurs centaines de milliers de dollars et plus pour lancer un projet de modèle prédictif comme celui-ci. Existe-t-il un moyen de réduire ces coûts?

C'est là que les choses deviennent intéressantes. Il est vrai que lorsque nous réalisons des projets sur mesure, il est pratiquement impossible d'en lancer un pour moins de 300 000 $. C'est pour la version 1 qui fonctionne sur votre bureau, et ce n'est pas complètement fonctionnel. Et cela pourrait devenir un projet pluriannuel de plusieurs millions de dollars.

Mais maintenant, nous sommes en mesure de répéter le travail dans certaines industries. Par exemple, dans le comportement des consommateurs, nous avons développé une simulation basée sur des agents pour mesurer le retour sur investissement de la publicité de marque, et nous pouvons licencier l'outil à un client pour quelques milliers de dollars par mois. C'est une entreprise dérivée que nous sommes en train d'incuber, appelée Concentric ROI. Nous avons donc abaissé le seuil d'entrée, et c'est beaucoup plus attrayant de pouvoir utiliser le modèle pendant quelques mois seulement.

cacher