Faut-il rendre le Big Data loyal ? (2/3)

Franck Bardol
Jun 3, 2017 · 2 min read

Transcript de mon intervention au colloque “Intelligence Artificielle. Loyauté et transparence des Algorithmes” à l’Institut Henri Poincaré. Intervenants Cédric Villani, Dominique Cardon, Pierre Saurel, Igor Carron et Franck Bardol

Des calculs qui se nourrissent du comportement de la foule

Ces algorithmes peuvent prendre différentes formes. Une des plus connues étant le moteur de recommandation d’un site internet.

Ces procédés de prescription automatique sont à l’affut d’internautes ayant des actes similaires et comparables (clics, historique d’achat, heures de connection, contenu de discussions sur les réseaux sociaux, profils appréciés).

C’est l’approche dite du crowd-sourcing qui consiste à proposer à chacun les choix de l’autre.

Les internautes dont l’attitude est proche devraient apprécier des produits semblables aux nôtres. La foule résout le problème elle même en fixant la norme des comportements.

L’algorithme n’a plus qu’a cartographier les usages afin d’échanger les préférences.

“Les clients ayant achetés cet article ont également achetés…” est la sentence qui nous informe des démarches les plus proches des nôtres.

De manière paradoxale, c’est en observant les autres que l’algorithme parvient le mieux à nous connaître.

Image for post
Image for post

En échange de ses données le client attend clairvoyance et discernement dans les résultats.

En d’autres termes, il espère que l’algorithme de recommandation produise un résultat fiable et impartial.

De surcroit, l’usager attend que ce résultat l’informe mais ne le deserve pas.

En effet, un moteur de recommandation pertinent doit deviner les souhaits de ses utilisateurs afin de leur proposer le produit cherché.

Parfois, avant même qu’ils en ait conscience. L’utilisation la plus poussée de ces système prédictifs franchit l’étape ultime.

On les autorise a agir en notre nom et passer commande étant donné qu’ils ont pressentis que cet article nous plaira.

C’est l’aboutissement de systèmes combinant hyper-personnalisation et calculs prédictifs.

A l’inverse, un moteur de recommandation ne doit pas suggérer un produit dans le but de gérer au mieux un stock de marchandises.

De même, un moteur de calcul d’itinéraires doit présenter le chemin idéal et non pas un chemin qui passerait en des étapes commerciales négociées au prix fort.

Plus encore que de fiabilité et de performance, c’est donc bien de loyauté dont il s’agit. La loyauté d’un algorithme est sa capacité à “faire ce qu’il dit”.

Les usagers échangent leurs traces numériques éparses contre un conseil … mais pas contre une vente masquée et déguisée.

Lire la suite

Franck Bardol

Helps you to gain strategic insights for your business through your data

Former Programmer in Software industry — Analyst in Hedge-fund industry — ALM consultant in Insurance

Founder & co-organizer biggest european community of Data-Scientists (Paris Machine Learning)

Welcome to a place where words matter. On Medium, smart voices and original ideas take center stage - with no ads in sight. Watch

Follow all the topics you care about, and we’ll deliver the best stories for you to your homepage and inbox. Explore

Get unlimited access to the best stories on Medium — and support writers while you’re at it. Just $5/month. Upgrade

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store