Notre glossaire, méticuleusement élaboré, est votre boussole dans l’univers complexe et dynamique du marketing, de la communication et du digital. Ici, chaque terme est une clé que nous vous aidons à décrypter pour vous ouvrir a des concepts innovants et des stratégies éprouvées. Plongez dans nos thématiques pour éclairer votre chemin vers l’excellence et la créativité.
L’apprentissage supervisé est une méthode d’apprentissage automatique dans laquelle un modèle apprend à partir de données étiquetées, c’est-à-dire d’exemples dont la sortie attendue est connue, afin de prédire cette sortie pour de nouveaux cas.
Chaque exemple associe des variables d’entrée, appelées caractéristiques, à une étiquette : la réponse que le modèle doit apprendre à produire. Pendant l’entraînement, l’algorithme compare ses prédictions aux étiquettes et ajuste ses paramètres pour réduire l’écart. Le modèle établit ainsi une fonction de correspondance entre les entrées et les sorties. Il doit ensuite la généraliser à des données qu’il n’a jamais vues. Pour le vérifier, le jeu de données est généralement découpé en trois parties : entraînement, validation et test.
Deux familles de tâches dominent. La classification attribue une catégorie : un message est indésirable ou non, un client risque de partir ou non. La régression prédit une valeur numérique, comme un montant de commande ou un volume de ventes ; la régression linéaire en est la forme la plus simple. La qualité du résultat dépend de la représentativité des exemples, de la justesse des étiquettes et de l’adéquation du modèle à la tâche.
L’apprentissage supervisé se distingue de l’apprentissage non supervisé, qui travaille sur des données sans étiquette pour y repérer des regroupements ou des structures. Il se distingue aussi de l’apprentissage par renforcement, où le résultat attendu n’est pas indiqué au système, qui apprend à partir d’un signal de récompense. En marketing, il sert notamment au scoring prédictif, à la prévision des ventes, à la détection de fraude et au classement automatique de messages ou d’images.
Le modèle n’apprend que ce que l’étiquette lui montre. Définir l’étiquette revient donc à définir le problème métier. Un « client perdu » est-il un client sans commande depuis six mois, ou un client qui a résilié son contrat ? Les deux définitions produisent deux modèles différents, qui ne ciblent pas les mêmes personnes. Nous recommandons de faire valider cette définition par les équipes qui utiliseront la prédiction, avant toute collecte.
Second constat, souvent sous-estimé : l’étiquette doit exister dans l’historique. Beaucoup de projets butent sur ce point. L’entreprise veut prédire un événement qu’elle n’a jamais enregistré de façon fiable. Il faut alors produire les étiquettes par annotation humaine, ce qui a un coût et demande un contrôle de qualité.
Le taux de bonnes réponses, ou exactitude, trompe dès qu’une classe est rare. Le cours de Google, dans son module sur la classification, montre qu’un modèle qui prédit toujours la classe négative peut atteindre 99 % d’exactitude sur des données très déséquilibrées, tout en étant inutile.
Deux mesures complètent l’exactitude. La précision est la part des cas signalés qui sont réellement positifs. Le rappel est la part des cas positifs que le modèle repère. Elles évoluent souvent en sens inverse quand on déplace le seuil de décision. Le choix dépend du coût de chaque erreur : une offre de rétention coûteuse appelle de la précision ; une détection de fraude, où un cas manqué coûte cher, appelle du rappel. Nous recommandons d’ajouter une mesure métier, par exemple l’écart de résultat entre le groupe ciblé et le groupe témoin.
Advalians repère avec vos équipes les cas d’usage de l’IA à forte valeur, puis organise un déploiement progressif avec montée en compétences.
La différence tient à l’étiquette. En apprentissage supervisé, chaque exemple d’entraînement porte la réponse attendue, et le modèle apprend à la reproduire sur de nouveaux cas. En apprentissage non supervisé, les données n’ont pas d’étiquette : l’algorithme cherche lui-même des regroupements ou des structures, que l’analyste doit ensuite interpréter.
Critère pratique : si vous savez nommer le résultat à prédire et que votre historique l’enregistre, le supervisé s’applique. Si vous cherchez des groupes que vous ne connaissez pas encore, le non supervisé convient mieux. Les deux se combinent souvent dans un même projet.
Il n’existe pas de seuil universel. Le besoin dépend de la rareté de la classe à prédire, du nombre de variables et de la complexité du modèle. Comptez d’abord les cas positifs, pas le volume total : une base de cent mille clients qui ne contient que quelques dizaines de départs documentés reste pauvre pour prédire l’attrition.
Méthode opérationnelle : entraînez le modèle sur des échantillons de taille croissante et suivez la performance en validation. Si elle progresse encore quand vous ajoutez des données, enrichissez l’historique avant de complexifier le modèle.
Suivez la précision et le rappel plutôt que la seule exactitude, qui trompe dès qu’une classe est rare. La précision indique la fiabilité des cas signalés. Le rappel indique la part des cas réels effectivement repérés. Fixez le seuil de décision selon le coût de chaque type d’erreur, puis examinez la matrice qui croise prédictions et réalité.
Ajoutez une mesure métier. Pour un modèle de taux d’attrition, comparez le taux de départ d’un groupe ciblé par une action de rétention à celui d’un groupe témoin. Contrôlez ensuite ces indicateurs chaque mois après la mise en production.
Le plus souvent, les données de test ne ressemblaient pas aux données réelles. Trois causes reviennent. Une fuite d’information : une variable du jeu d’entraînement n’est pas disponible au moment de la prédiction. Un changement de comportement : les clients d’aujourd’hui ne réagissent plus comme ceux de l’historique. Un découpage mal conçu : des doublons ou des clients communs se retrouvent dans l’entraînement et dans le test.
Pour l’éviter, vérifiez pour chaque variable la date à laquelle elle est connue. Testez aussi le modèle sur la période la plus récente, mise de côté avant l’entraînement.
Pas toujours. Le modèle supervisé se justifie quand la décision se répète en volume, que l’historique étiqueté est fiable et que les règles deviennent trop nombreuses pour être tenues à la main. Renoncez-y si quelques règles simples donnent déjà un bon résultat, si les cas sont trop rares pour apprendre, ou si chaque décision doit être justifiée et que vous ne pouvez pas en assurer l’explicabilité.
Étape utile : mesurez d’abord la performance des règles existantes. Elle devient le seuil que le modèle doit dépasser pour justifier son coût.
Par Thomas Bizot – Président du cabinet Advalians
