Hier soir, une conférence est organisée par le club TGS FRANCE HDF (merci à eux), au programme de la table ronde : l'IA et ses mises en application en mode "on parle simple, on parle usages".
Au micro 4 experts : Adrien Fabry aiko Arnaud ROFIDAL symbolist Chris Delepierre Trézorium Sylvain Loubradou LOU.BAR SARL
Au milieu de cet échange, une question posée à la salle "Qui peut m'expliquer ce qu'est un modèle ?", je m'étonne... un seul doigt levé ! ça ne doit pas être évident pour tout le monde... 🤔 alors ce matin (de bon matin...) je vous donne quelques éclairages.
Un modèle en intelligence artificielle (IA) est un programme, une logique pour résoudre un problème précis en utilisant les données comme source principale d'analyse. Le modèle repose sur des algorithmes qui permettent à une machine d’apprendre à partir d’exemples, d’identifier des motifs dans les données et d’effectuer des prédictions ou des créations nouvelles.
J'observe sur un échantillon de données de test pour définir un moèle qui me permet ensuite d'effectuer des prédictions sur un autre échantillon.
Un modèle peut par exemple aider une banque à prédire si un client remboursera un prêt, ou permettre à un distributeur d'identifier les signaux de perte de vitesse d'un client abandonniste.
Les modèles d’IA sont généralement définis sur base d'un volume important de quantités de données, et ils s’améliorent grâce à l’apprentissage automatique (machine learning).
Un modèle prédictif a pour objectif principal de prédire un résultat à partir des données disponibles. Dans un modèle prédictif, je sais ce que je cherche et je ne crée pas de nouvelles données; j'utilise les données apprises pour donner une estimation ou une classification.
Comment ça fonctionne ?
Imaginons que vous êtes une entreprise de e-commerce et que vous voulez savoir si un client va acheter un produit. Un modèle prédictif peut être entraîné avec des données historiques comme :
- Le comportement d’achat du client (fréquence d’achat, montant des commandes).
- Les préférences affichées (clics, navigation sur le site).
- Les informations démographiques (âge, lieu, etc.).
Grâce à ces données, le modèle pourra prédire si un client a une forte probabilité de passer commande ou non.
Exemples d’usages
- Finance : Évaluer si un client est à risque pour un prêt ou une assurance.
- Santé : Prédire la probabilité qu’un patient développe une maladie à partir de ses antécédents médicaux.
- Marketing : Identifier les clients qui pourraient répondre à une campagne publicitaire.
Les modèles prédictifs sont des outils d’aide à la décision. Ils sont particulièrement efficaces pour résoudre des problèmes où l’objectif est de répondre à des questions comme : Que va-t-il se passer ? ou Quel est le meilleur choix à faire ?
Un modèle génératif, est lui conçu pour créer ou produire de nouvelles données qui ressemblent à celles qu’il a apprises. Contrairement aux modèles prédictifs, les modèles génératifs ne se limitent pas à des réponses, des données ou scénarios existants.
Comment ça fonctionne ?
Pour mieux comprendre, prenons l’exemple de la création d'une fiche produit e-commerce.
Dans un modèle prédictif, le modèle prend en compte des données historiques telles que : les descriptions de produits précédents, les mots-clés ou phrases qui génèrent le plus de clics et de ventes, le comportement des consommateurs (ce qu’ils lisent, cliquent ou achètent),...
Le modèle prédictif prédit ensuite : quels mots-clés ou expressions inclure pour maximiser les ventes, le style ou le ton (formel, informel) le plus efficace selon le produit et le public cible, quels éléments visuels ou descriptifs pourraient améliorer les conversions (par exemple, mentionner des caractéristiques spécifiques comme "résistant à l’eau" pour des chaussures),...
Pour une paire de chaussures de randonnée, le modèle prédictif pourrait suggérer des optimisations de la structure de fiche comme : inclure les mots-clés "randonnée en montagne", "antidérapant", "confort", prédire qu’un ton descriptif et technique, comme "Ces chaussures offrent une semelle robuste idéale pour les terrains accidentés" attire davantage les acheteurs que des descriptions générales.
Le modèle prédictif ne rédige pas directement la fiche mais fournit des recommandations pour optimiser la conversion.
Le modèle génératif, quant à lui, crée automatiquement une fiche produit complète en s’appuyant sur les données du produit.
Le modèle est entraîné avec des milliers de fiches produits, apprenant les structures, les styles et les mots-clés fréquemment utilisés. Lorsqu’on lui fournit des informations de base comme :
- Les caractéristiques techniques (poids, matériaux, fonctionnalités).
- Une ou plusieurs photos du produit.
Il génère directement une description complète, fluide et adaptée.
Exemple
Pour la même paire de chaussures de randonnée, un modèle génératif pourrait produire la description suivante : "Préparez-vous pour toutes vos aventures avec ces chaussures de randonnée robustes. Dotées d’une semelle antidérapante et d’un matériau imperméable, elles garantissent un confort optimal et une sécurité nécessaire, même sur les terrains les plus exigeants. Idéales pour les randonnées en montagne, elles associent performance et style."
Le modèle peut également adapter le ton à différents publics : par exemple, un style plus ludique pour des adolescents ou plus technique pour des randonneurs expérimentés.
Exemples d’usages
- Création de contenu : Générer des textes, des images, de la musique ou même des vidéos.
- Design et prototypage : Aider des concepteurs à produire des idées pour des produits ou des designs rapidement.
- Amélioration d’images : Recréer ou d’améliorer des parties d’images manquantes.
Les modèles génératifs répondent à des besoins plus créatifs. Ils posent des questions telles que : Comment puis-je transformer cette idée en réalité ? ou Quelles créations uniques puis-je produire à partir de données existantes ?
Votre choix entre un modèle prédictif et un modèle génératif dépendra du problème que vous voulez résoudre :
- Vous cherchez à anticiper un comportement ou un résultat précis ? Un modèle prédictif est idéal. Par exemple, pour prédire la satisfaction client ou estimer une demande future.
- Vous voulez créer du contenu ou proposer des expériences nouvelles ? Un modèle génératif sera sans doute plus adapté.
Dans certains cas, ces deux types de modèles peuvent se compléter. Les deux types de modèles peuvent en effet être utilisés ensemble pour obtenir, reprenons notre exemple, des fiches produits très performantes :
- Le modèle prédictif identifie les mots-clés et le style les plus efficaces pour une catégorie de produits.
- Le modèle génératif crée une description en utilisant ces suggestions pour garantir qu’elle est à la fois convaincante et optimisée.
Cela permet à une entreprise e-commerce de créer des fiches produits à grande échelle tout en s’assurant qu’elles sont pertinentes et adaptées au public cible.
Mon nom est Yann Puslecki, je suis indépendant. J’accompagne en mission ou en transition des équipes et des projets pour booster durablement la performance du digital commerce et des parcours omnicanaux. En savoir +