Le marketing est-il soluble dans l’intelligence artificielle ?

Le big data semble annoncer l’émergence du « post-marketing ». Celui-ci aurait pour but de réduire « l’écart séparant l’offre de sa réception » et donc, de marginaliser progressivement ces intermédiaires que sont les professionnels du marketing.

Partager sur:
Sauvegarder cet article
Aimer cet article 0
Big data by Merrill College of Journalism(CC BY-NC 2.0)

Promouvoir la liberté n’est pas gratuit

Mais cela peut aider à réduire vos impôts de 66%

Faites un don dès maintenant

Faire un don

Le marketing est-il soluble dans l’intelligence artificielle ?

Publié le 21 septembre 2017
- A +

Par Eric Martel.
Un article de The Conversation

L’arrivée du big data, couplé à l’intelligence artificielle, ne signe-t-elle pas l’arrivée d’un nouvel âge d’or pour le marketing ? Il y aurait là le signe précurseur de l’arrivée d’un marketing prédictif qui, comme dans Minority Report, serait en mesure d’anticiper les désirs d’achat des consommateurs.

Lorsqu’en 2011, Amazon a déposé un brevet concernant un algorithme prédictif, apte à anticiper les décisions d’achat des consommateurs, de nombreux professionnels du marketing se sont enthousiasmés. Mais cette réussite n’était plus celle de la fonction marketing, mais d’ingénieurs en intelligence artificielle, agissant selon des cadres théoriques nouveaux.

Avec l’émergence du big data, les professionnels du marketing doivent recruter de nouveaux profils et sont conscients que cela aura des incidences sur leur propre positionnement au sein de l’entreprise. Mais ils sont loin d’apprécier les conséquences de l’arrivée de cette technologie.

L’intelligence artificielle « faible » et « forte »

Pour comprendre le big data, il faut s’imaginer en train de « chercher une épingle dans une meule de foin multidimensionnelle sans savoir à quoi ressemble l’épingle, ni si la meule de foin en contient une ». Le big data cherche à découvrir des modèles à caractère prédictif au sein de données brutes à faible densité d’information. Dans cet océan de données, seuls des algorithmes s’auto-paramétrant en fonction d’objectifs préalablement fixés peuvent retrouver ces précieuses informations. C’est là que l’intelligence artificielle entre en jeu.

L’intelligence artificielle est le résultat (même si elle souhaite s’en démarquer) d’une nouvelle science : la cybernétique. Cette dernière se veut transdisciplinaire, basée sur un modèle relationnel en rupture avec la science moderne.

L’intelligence artificielle se donne pour modèle le cerveau humain, et, pour objectif final, de créer des machines intelligentes douées de conscience. Si elle a dû renoncer à d’aussi hautes ambitions depuis, les recherches autour de « l’intelligence artificielle forte » continuent à lui donner une identité spécifique.

Ce projet lui permet de puiser dans un grand nombre de disciplines, qui vont de la philosophie à la biologie. Lorsque nous utilisons, dans notre vie quotidienne, Google Maps, Amazon ou Facebook, cet objectif final nous est généralement invisible et cela pour une raison simple : nous avons en fait affaire à « l’intelligence artificielle faible », qui vise à mettre en place des mécanismes et stratégies automatisées, basées sur des principes de logique et de calcul idéalisés.

Certains auteurs ne veulent considérer que cet aspect « pragmatique » de l’intelligence artificielle, mais ne nous trompons pas, « l’intelligence artificielle forte » et « l’intelligence artificielle faible » ne sont que les deux faces d’une même monnaie. C’est d’ailleurs ce qu’a bien compris Elon Musk, lorsqu’il s’est opposé à Mark Zuckerberg à ce sujet.

L’intelligence artificielle et son fonctionnement

Pour l’intelligence artificielle, le cerveau est avant tout une unité de traitement de l’information : il la reçoit, la traite, et adapte son comportement en fonction de celle-ci et en émet en retour. Ce processus fonctionne en continu dans le cadre d’une boucle de rétroaction.

Un système vivant est également mû par une intentionnalité, un objectif, celui de rester en vie. Plus que par la façon dont ils fonctionnent, qui reste souvent mystérieuse pour leurs propres concepteurs, les algorithmes relevant de l’intelligence artificielle se définissent d’abord par l’objectif qui leur est assigné.

En fonction des postulats précédents, l’intelligence artificielle raisonne en termes de causalité circulaire : le principe même de boucles de rétroaction rend difficile la distinction entre l’effet et la cause d’un phénomène.

Le modèle traditionnel (basé sur l’observation, l’analyse, la compréhension, la décision et l’action) a donc été abandonné afin de se rapprocher du vivant, qui effectue ces différentes tâches de façon simultanée. Ainsi, plutôt qu’établir des hypothèses, les algorithmes basés sur l’intelligence artificielle vont essentiellement rechercher des corrélations dans les masses de données, sur lesquelles ils vont agir afin de les tester.

Quand le marketing est couplé à l’intelligence artificielle

Discipline reposant sur la science moderne, le marketing s’intéresse à des consommateurs dont il cherche à comprendre et déchiffrer le comportement. A contrario, l’intelligence artificielle, elle, y voit des unités de traitement de l’information agissant en temps réel ; le fait qu’elles soient humaines ou automatiques n’a aucune importance.

Dans le cas du marketing couplé à l’intelligence artificielle, il n’est pas important de comprendre le comportement du consommateur, mais plutôt de donner les moyens au système intelligent d’identifier lui-même la boucle de rétroaction permettant d’atteindre l’objectif voulu : vendre. Pour cela, le système essaie d’identifier des corrélations, puis les teste.

C’est ce que font les algorithmes de Facebook, qui expérimentent en permanence de nouvelles sélections dans le fil d’informations, et en analysent les résultats en temps réel. De la même façon, l’intelligence artificielle d’Uber teste en temps réel (au dixième de seconde près) de nouvelles combinaisons de prix, et s’ajuste en fonction du retour reçu.

Watson, un programme informatique d’intelligence artificielle conçu par IBM.
Clockready/Wikimedia, CC BY-SA

C’est là un aspect essentiel de ces systèmes : leur temps n’est plus celui de l’homme, mais celui de la machine qui traite les informations en millisecondes. Ces algorithmes démontrent leur puissance chez Uber, Facebook, ou Google, où ils rendent inutiles de nombreuses études sur leurs clients.

Cette efficacité a d’ailleurs poussé le journaliste Chris Anderson à se demander si les méthodes scientifiques traditionnelles n’étaient pas, de fait, devenues obsolètes. Dans un modèle où l’actionnabilité importe plus que l’explication causale, les spécialistes du marketing se retrouvent bien esseulés.

Ces derniers n’auraient plus pour but que d’aider à concevoir et piloter les campagnes de communication, en fonction d’informations reçues, ce qui est déjà en grande partie le cas chez Uber, Google et Facebook.

Vers une suprématie des ingénieurs ?

Cette menace est d’autant plus vraie que les compétences requises pour la maîtrise de l’intelligence artificielle restent étrangères et peu accessibles aux professionnels du marketing. Le contraire est loin d’être vrai : le projet de créer des machines douées de conscience a amené les spécialistes de l’intelligence artificielle à adopter une approche résolument transdisciplinaire.

Appréhender et digérer cette discipline rationnelle qu’est le marketing leur sera plus aisé que se familiariser avec des concepts philosophiques tels que la compréhension, la conscience ou la pensée.

Cela sera d’autant plus vrai que l’essor des objets connectés va permettre d’amener l’intelligence artificielle à des domaines de la vie quotidienne qui lui étaient jusqu’à présent fermés, comme les machines à laver.

Déjà, dans certaines grandes entreprises industrielles, des ingénieurs spécialisés dans la réalisation de systèmes intelligents basés sur l’Internet des objets ont reçu une formation marketing simplifiée… afin de concevoir eux même des propositions de valeur.

The ConversationLe big data semble bien annoncer l’émergence de ce qu’Éric Sadin appelle le « post-marketing ». Celui-ci aurait pour but de réduire « l’écart séparant l’offre de sa réception » et donc, de marginaliser progressivement ces intermédiaires que sont les professionnels du marketing.

Eric Martel, Docteur en Sciences de Gestion, Université Paris Sud – Université Paris-Saclay

La version originale de cet article a été publiée sur The Conversation.

Voir le commentaire (1)

Laisser un commentaire

Créer un compte Tous les commentaires (1)
  • Il me semble de plus en plus que tout cela repose sur un malentendu, qui fait confondre l’intelligence, au sens français de l’exercice de raisonnements intellectuels qui font la grandeur du génie humain, et l’intelligence, au sens anglo-saxon de la collecte et de l’assimilation d’informations à des fins utilitaristes. L’intelligence artificielle penche franchement du côté de la seconde définition, elle vante la facilité de comportements stéréotypés qui flattent à la fois notre paresse, notre conformisme, et notre désir de socialisation. Il y a un demi-siècle, nous voyions les ordinateurs comme des machines à multiplier le génie humain, via l’intelligence assistée par ordinateur (à l’époque, nous étions quelques uns à estimer que l’intelligence artificielle était surtout bonne comme prothèse pour ceux qui n’en avaient pas de naturelle). Traiter des problèmes ultra-complexes, de par leur nombre de variables et de règles d’interaction, n’est en fait qu’un encouragement à complexifier la vie. Mais quelle intelligence artificielle nous aurait proposé E=mc^2 ?

  • Les commentaires sont fermés.

Promouvoir la liberté n’est pas gratuit

Mais cela peut aider à réduire vos impôts de 66%

Faites un don dès maintenant

Faire un don

Nous sommes à l’aube d’une nouvelle rupture technologique qui pourrait, à terme, bouleverser le marché de l’emploi. Le développement des solutions d’intelligence artificielle sur des pans entiers du marché de l’emploi aura des externalités positives indéniables, encore trop mal perçues des travailleurs.

Des transformations structurelles sans destruction massive

Selon le rapport de référence « Automatisation, numérisation et emploi » du Conseil d’orientation pour l’emploi (janvier 2017), moins de 10 % des emplois existants seront menacé... Poursuivre la lecture

Big Data
1
Sauvegarder cet article

Par Sylvain Fontan.

Le phénomène intitulé Big Data (données massives) fait référence au flux de données sur internet de la part des particuliers, des entreprises et des États du fait de la démocratisation des connexions haut débit. L'ampleur de ce phénomène est telle qu'il peut être considéré comme valeur économique en soi. En effet, la capacité à exploiter ces données peut permettre de valoriser l'activité économique.

Le Big Data comme valeur économique

L'importance accrue du Big Data est telle que le Forum économique mondial ... Poursuivre la lecture

Par Doug French. Un article du Mises Institute

Relatant une boutade de l'économiste soviétique Nikolai Fedorenko, Yuri Maltsev a illustré le problème du socialisme dans sa préface à l'ouvrage de Ludwig von Mises intitulé Economic Calculation in the Socialist Commonwealth. Fedorenko a déclaré à l'époque, selon les mots de Maltsev, "[Un] plan économique entièrement équilibré, vérifié et détaillé pour l'année suivante serait prêt, avec l'aide des ordinateurs, dans 30 000 ans."

L'intelligence artificielle comme outil socialiste ?

Vi... Poursuivre la lecture

Voir plus d'articles