• Big Data : Votre système décisionnel pourrait-il penser ? Big Data : Votre système décisionnel pourrait-il penser ?
    Digital
    Digital
    2518 Vues
    13/05/2015
    AKER

    Selon une étude de PwC (1), à ce jour, seul un tiers des dirigeants d’entreprise prennent des décisions stratégiques en se fondant sur une analyse des données en première ou seconde intention. A l’époque des objets connectés, du Cloud omniprésent et du Big Data, ce constat de la persistance de l’intuition humaine – malgré sa rationalité limitée – ne semble pas logique (2).

     

    L’homme est-il moins intelligent que la machine ?

     

    En admettant que les résultats de cette étude soient corrects et représentatifs, l’article donne en creux des explications à ce paradoxe interpellant. La défiance des dirigeants pour leurs systèmes d’aide à la décision proviendrait de trois causes concomitantes :

     

    1. La fiabilité des données

     

    Les utilisateurs des systèmes opérationnels biaiseraient les données par action ou par omission. En conséquence, les outils de décisions, se nourrissant de ces systèmes, stockent des informations faussées. Les reporting établis sur cette base, seraient donc mécaniquement biaisés.

     

    1. Le manque de pertinence des données

     

    Pour contrebalancer la tendance précédente, les organisations humaines collecteraient toutes les données possibles et inimaginables. L’objectif serait alors de recouper les sources. Cette sur-réaction reviendrait à noyer les informations significatives dans la masse des terra-octets collectés, dégradant ainsi la pertinence des indicateurs. 

     

    1. L’incompréhension des résultats

     

    Au final, les décideurs n’auraient pas le système d’intelligence nécessaire dans les SI décisionnels pour vraiment comprendre leurs propres tableaux de bord ! Cette incompréhension porterait tant sur le sens des métriques que sur les valeurs nominales ou conjoncturelles des indicateurs …

     

    Face à ce « manquement des systèmes », les acteurs n’auraient qu’une seule alternative : s’en remettre à une interprétation humaine en se fondant sur l’intuition. Cette intuition peut être individuelle, par application de l’expérience du décideur. Elle peut aussi être collective, le manager se reposant sur l’avis de ses collaborateurs. Ce repli vers notre bonne vieille intuition permettrait de déterminer classiquement un plan d’action sous des contraintes incertaines voire inconnues.

     

    Avec un peu d’imagination, nous pourrions ensuite demander à une fantasmagorique intelligence artificielle son avis sur cette théorie. L’I.A. ne manquerait pas de nous faire remarquer que, dans les 3 cas, le problème provient toujours le facteur humain. Autrement dit, nous exploitons les systèmes tels 3 petits singes ne disant, ne voyant ou n’entendant rien aux outils de Business Intelligence … On pourrait alors interpréter ces 3 causes comme 3 niveaux d’immaturité des entreprises sur les sujets décisionnels.

     

     

     

    Les outils deviennent-ils plus intelligents que l’homme ?

     

     

    Dans ce cas, je répondrais à cet hypothétique interlocuteur numérique : « Soit, mais c’est sans compter sur votre ancêtre – la Data Science et ses premières applications rassemblées sous le terme de Big Data ! »  (3)

     

    En effet, on définit le Big Data comme l’exploitation de masses de données brutes ou raffinées provenant de sources diverses (applicatifs, entrepôts de données, web, déclaratifs, …) avec des outils d’analyse sémantique et statistique à grande échelle. Sur cette base, le Big Data parait être une solution. Encore faut-il l’utiliser !

     

     A ce jour, les fondements théoriques et les solutions techniques sont maîtrisées. Cependant, l’usage de cette technologie reste limité (4).

     

    D’une part, la frilosité reste de mise. En 2014 sur un panel de 300 entreprises (considérées comme représentatives), 75% d’entre elles ont un projet mais seulement 15% ont un déploiement. D’autre part, on n’utilise encore la Data Science que pour la prévision des comportements de consommation (amélioration de l’expérience client et monétisation des données) ou pour la réduction des risques opérationnels (amélioration de l’efficacité des processus).

     

    Il semble donc bien que – faute d’imagination et/ou de courage financier – l’entreprise autocensure le Big Data aux mises en œuvre produisant des retours sur investissement à court terme.

     

    Pourtant des offreurs sentent le vent tourner. Ils font évoluer leurs solutions vers une plus grande ergonomie. Cela passe par l’acquisition de données en langage naturel ou la restitution native des résultats par schématisation (5). En parallèle, les outils décisionnels « traditionnels » se dirigent aussi vers une plus grande disponibilité. Cela passe par l’ouverture de services analytiques en Cloud et la mise à disposition sur terminaux mobiles (6). Tout concoure donc à ce que l’utilisation des systèmes d’aide à la décision devienne plus intuitive …

     

    En outre, il existe déjà des exemples de pratiques. Des programmes diagnostiquent des cancers mieux que des médecins. Les navigateurs utilisent les algorithmes météorologiques pour prédire les vents et les courants et ainsi prédéterminer la course la plus rapide et la plus sûre pour leur voilier. Au-delà des métaphores, des dirigeants commencent à user du Big Data pour « mieux » écouter leur entreprise. A ce titre, on prendra comme illustration un grand groupe appliquant la Data Science sur les verbatim de sondages internes pour en tirer une meilleure compréhension du climat social (7).

     

    Avec un peu de prospective, on peut tirer une conclusion. La conjonction des évolutions de technologies et des pratiques annonce de nouvelles mises en applications du Big Data.  Ces concrétisations visent à tirer des corrélations mathématiques implicites à partir de données déstructurées et dispersées sous formes de tendances avec marges d’erreurs … A y regarder de près, ces nouveaux outils ressemblent donc furieusement à l’intuition humaine dont nous parlions précédemment !

     

     

     

    Un peu de science-fiction d’entreprise …

     

     

    Incapable d’exploiter toute la puissance de nos outils décisionnels, nous serions en train de créer des outils « imitant » la pensée humaine. En poussant (un tout petit peu) l’anticipation, on verra peut-être bientôt du Big Data embarqué dans tous nos objets et nos outils de travail.

     

    Dans ces conditions, les résultats d’analyse deviendront utilisables par tous, partout, à tout moment et en temps réel (voire même en réalité augmentée). Ces systèmes « intelligents » serviront alors quotidiennement à confirmer ou infirmer des décisions stratégiques et leurs déclinaisons opérationnelles.

     

    Notre détracteur artificiel objectera que – même dans cette situation sur-assistée – le facteur humain resterait encore et toujours une limite à la qualité, la pertinence et la compréhension des analyses. Nous irions alors vers une sorte de syndrome de « la réponse 42 » (8) … nos limites humaines nous empêchant de poser les bonnes questions !

     

    Des interlocuteurs plus « sociaux », objecteraient surtout que ces dispositifs poussés à la limite aliéneraient l’entreprise. En effet, les managers et les dirigeants deviendraient des opérateurs de saisies. Ils se trouveraient réduits à collecter et contrôler les données nourrissant leur mega-computeur pour obtenir les décisions optimales.

     

    Je crois cependant que nous ne sommes pas prêts de voir cette dérive fictionnelle se produire. Toute machine ou programme  – aussi élaborés soient-ils – ne sont faits que pour « penser » un problème d’une « certaine manière ». Ils trouvent leur limite naturelle dans l’action.

     

    En effet, il est possible d’élargir la Data Science à la détermination d’une politique sociale ou la solution d’une problématique humaine. Le Big Data permettra sans doute de trouver plus rapidement une réponse plus optimale. Cependant, il faudra toujours des hommes pour assumer les choix et mettre en œuvre les plans d’action en découlant – ne serait-ce que pour conserver préserver une considération « éthique ».

     

    Et si pourtant un jour, nous arrivions à créer des « machines de décision humaine », il sera toujours possible de réutiliser les Tests (9) de Turing (10). Cela permettra aux dirigeants et managers de détecter les entités numériques qui se cacheraient parmi eux !

     

     

     

     

    (1) http://www.lemagit.fr/actualites/2240230806/Analytique-et-prise-de-decision-seulement-pour-32-des-dirigeants-dentreprises-PwC

    (2) In Memoriam Leonard Nimoy - 27 février 2015. http://fr.wikipedia.org/wiki/Leonard_Nimoy

    (3) « Comment débuter dans la Data Science ?  (big data) », Thomas Roche, https://althea-groupe.jiveon.com/docs/DOC-1129

    (4) http://www.lemagit.fr/actualites/2240230869/Big-Data-hausse-des-projets-mais-peu-de-deploiements-en-production

    (5) http://www.lemagit.fr/actualites/2240230678/Analytique-IBM-presente-un-service-cloud-base-sur-Watson

    (6) http://www.lemagit.fr/actualites/2240230485/BI-Qlik-veut-aller-toujours-plus-pres-des-utilisateurs-metiers

    (7) « DRH : faites parler vos données », David Bellaiche, http://www.althea-groupe.com/corner/drh-faites-parler-vos-donnees

    (8) Le Guide du voyageur galactique (H2G2), Douglas Adams

    https://www.youtube.com/watch?v=jwEPCn6lRo4

    http://fr.wikipedia.org/wiki/La_grande_question_sur_la_vie,_l'univers_et_le_reste

    (9) http://www.psychoweb.fr/articles/intelligence-artificielle/157-turing-les-machines-peuvent-elles-pe.html

    http://fr.wikipedia.org/wiki/Test_de_Turing

    (10) http://fr.wikipedia.org/wiki/Alan_Turing

Management Big Data Business Intelligence Décisionnel BI Organisation