Pourquoi il faut toujours privilégier l’approche prescriptive quel que so... https://www.actuia.com/contribution/nikolajfunartech-com/pourquoi-i...

Pourquoi il faut toujours privilégier l’approche

prescriptive quel que soit le problème à résoudre -
Actu IA

Nikolaj Van OmmeTtulaire d’un MSc en mathématiques pures, d’un MSc en informatique théorique et
d&#

Troisième article de la série (après Intelligence artificielle : Un train peut en

cacher un autre… et Quand faut-il utiliser une approche ML uniquement pour
optimiser ? Réponse : jamais ! Vraiment ? Vraiment !) où je continue de
développer l’approche hybride ML (machine learning) et OR (operations
research). Cette fois-ci, je décortique pourquoi les compagnies ont plus besoin
d’une approche prescriptive que prédictive[1].

Commençons par une simple question. Que choisiriez-vous entre deux systèmes ? Le premier
permet de prédire l’avenir. Le second permet de prendre des décisions éclairées pour atteindre
vos objectifs. A priori, connaître l’avenir est un atout majeur. Mais en réfléchissant bien, le
deuxième système ne permet-il pas d’aller plus loin ? Que préféreriez-vous ? Savoir qu’une
pénurie s’en vient ou bien éviter cette pénurie ? Telle est la différence fondamentale entre les
deux approches…

Prédictif versus prescriptif ?

Gartner a proposé (You’re likely investing a lot in marketing analytics, but are you getting the
right insights?) une découpe entre différentes approches analytique pour résoudre des
problèmes industriels complexes. Il y a essentiellement quatre types d’analyse qui correspondent
à autant de questions et que l’on peut voir comme une progression de notre compréhension et
capacité d’agir dans un processus industriel complexe :

• l’analyse descriptive : « Qu’est-ce qui s’est passé? ».

Rassemblez les données et sachez ce qui s’est passé et ce qui se passe. Il s’agit d’une
analyse passive dans le sens où vous vous contentez de rassembler des données et ne
prenez aucune mesure.

• l’analyse diagnostique : « Pourquoi cela s’est-il produit ? ».

Essayez de comprendre pourquoi ce qui s’est passé s’est produit. Cette étape vous permet
d’obtenir des informations sur vos processus et de les corriger si nécessaire. Cette analyse
est active car vous essayez de comprendre et de modifier vos processus.

• l’analyse prédictive : « Que va-t-il se passer ? ».

Essayez de prédire un avenir incertain en vous basant sur vos connaissances passées et
actuelles. Cette analyse est également passive dans le sens où vous ne faites que prédire
l’avenir, mais n’intervenez pas dans celui-ci.

• l’analyse prescriptive : « Quelle est l’action optimale à mener ? ».

Maintenant que nous pouvons prévoir ce qui va probablement se passer, essayons de
changer l’avenir pour le mieux. Une analyse proactive où vous utilisez des outils
analytiques pour vous aider à prendre les meilleures décisions.

Ces quatre types d’analyse sont essentiellement les approches analytiques à notre disposition
pour résoudre des problèmes industriels complexes. Elles sont indépendantes d’une technologie

1 sur 4 17/01/2023, 11:53

Pourquoi il faut toujours privilégier l’approche prescriptive quel que so... https://www.actuia.com/contribution/nikolajfunartech-com/pourquoi-i...

spécifique mais deux technologies sont particulièrement propices pour les approches prédictive
et prescriptive : l’apprentissage automatique et la recherche opérationnelle respectivement.

L’approche prédictive et l’apprentissage automatique

Il y a plusieurs façons, non exclusives, de faire des prédictions grâce aux outils analytiques. Une
des plus en vogue est l’apprentissage automatique (machine learning). De multiples succès dans
des domaines très divers attestent des succès d’un certain type de prévisions, que ce soit la
reconnaissance d’objets et d’individus sur des images ou vidéos, ou bien la
détection/compréhension de mots dans des phrases et la génération de textes notamment pour
des traductions, l’apprentissage machine a pu franchir certaines barrières qui paraissaient
insurmontables auparavant.

Souvent, le système se base sur des données historiques existantes (données/data) pour pouvoir
faire ses prédictions. Dans le cas de l’apprentissage automatique, il faut en général beaucoup de
données et beaucoup de données de bonne qualité.

L’approche prescriptive et la recherche opérationnelle

Ici aussi, les outils analytiques sont multiples. La recherche opérationnelle (operations research)
est connue et souvent utilisée pour développer l’approche prescriptive. Les succès sont au
rendez-vous et plusieurs industries ne fonctionneraient plus sans la recherche opérationnelle
tant cette dernière est devenue indispensable par sa capacité d’optimisation de certains
processus. Citons par exemple la planification (ordonnancement) des équipes de vol pour les
compagnies aériennes ou bien l’optimisation des tournées de véhicules pour la livraison.

Souvent, le système va modéliser un certain savoir-faire (connaissance/knowledge) pour faire

ses optimisations. Dans le cas de la recherche opérationnelle, il faut une bonne compréhension
des problématiques industrielles à résoudre.

L’approche prescriptive comme changement de

paradigme
Dans l’approche prédictive, nous construisons des systèmes qui reçoivent des inputs et qui
doivent calculer un output correspondant, la plupart du temps avec une certaine probabilité.
Prenons la détection de chats sur des photos par exemple. Vous soumettez une photo et le
système détectera (prédira) si oui ou non il y a un ou plusieurs chats sur cette photo avec une
certaine probabilité.

Dans l’approche prescriptive, c’est en quelque sorte l’inverse qui est fait. Nous construisons des
systèmes auxquels nous donnons des objectifs à réaliser, c’est-à-dire que l’input est en fait
l’objectif désiré et c’est le système qui va nous donner l’input nécessaire pour y parvenir.
Reprenons l’exemple du chat sur les photos. Notre input – notre objectif – est d’obtenir la
reconnaissance des chats avec disons une précision (accuracy) de 80% et plus[2]. Prenons
encore un autre exemple pour mieux illustrer les deux approches. Imaginons que nous
cherchons à calculer le plus court chemin entre deux villes. Dans l’approche prédictive, nous
donnons des (bouts de) chemins et le système retournera une prédiction de la distance entre les
deux villes. Dans l’approche prescriptive, le système retournera le ou les chemins les plus courts
si on exige d’obtenir ceux-ci.

Comment augmenter ses ventes ?

Pour bien faire comprendre la différence entre les deux approches, prenons un exemple qui je

2 sur 4 17/01/2023, 11:53

Pourquoi il faut toujours privilégier l’approche prescriptive quel que so... https://www.actuia.com/contribution/nikolajfunartech-com/pourquoi-i...

l’espère pourra clarifier la philosophie distincte des deux approches. L’exemple choisi porte sur
l’augmentation des ventes mais les arguments développés ici sont pertinents pour n’importe
quel objectif souhaité.

Commençons par l’approche prédictive pour aborder l’approche prescriptive par après.

L’approche prédictive
L’approche prédictive se concentrera essentiellement sur l’étude des meilleurs vendeurs et ce
qu’ils font. Par exemple, la façon dont ils vendent tel ou tel produit et comment ils le vendent.
Des éléments externes (le temps, la saison, les modes, …) pourront être pris en compte et
raffineront l’analyse. Une fois ces éléments déterminés, on essayera de les transmettre à tous les
vendeurs pour qu’ils soient tous aussi performants.

Cette approche peut paraître séduisante à première vue mais est en fait assez décevante dans la
pratique. Tout d’abord, on ne peut inculquer une façon de faire à tous les vendeurs. Chaque
vendeur à sa propre personnalité, ses repères, sa façon d’opérer, etc. Il y a certainement des
éléments qui peuvent se transférer d’un vendeur à un autre mais on peut difficilement
complètement changer ceux-ci. Ensuite, il se peut très bien que les meilleurs vendeurs soient
meilleurs non parce qu’ils sont bons mais parce qu’ils sont sur les meilleurs coups : les meilleurs
clients, le bon timing, les meilleurs produits, etc. De plus, la plupart du temps, les vendeurs sont
payés à la commission. Plus ils vendent, plus ils touchent des commissions. A priori, les objectifs
des vendeurs et de la compagnie sont alignés mais on peut démontrer qu’il existe des stratégies
collectives où les vendeurs gagnent moins collectivement mais où la compagnie vend plus
globalement. Finalement et c’est sans doute le point le plus important, l’approche prédictive ne
permet que de reproduire des comportements existants et non pas d’innover véritablement avec
la mise en place des stratégies de vente complètement nouvelles.

Dans les faits, l’approche prédictive permettra peut-être des gains de l’ordre de 5%-10%[3].

L’approche prescriptive
L’approche prescriptive se concentrera plutôt sur des stratégies collectives de ventes suivant les
connaissances existantes des experts sur le marché (y compris des vendeurs) mais aussi les
historiques des meilleurs vendeurs comme dans l’approche prédictive. En fait, l’approche
prescriptive utilise et englobe en quelque sorte l’approche prédictive. Elle apporte un nouvel
éclairage et ajoute des éléments supplémentaires. Par exemple, on peut y inclure l’épineuse
question de la fragilité de l’approvisionnement de la part d’un ou plusieurs fournisseurs
importants. Que se passerait-il si ceux-ci ne respectent pas un contrat? On peut aussi y inclure
une analyse de risque ou de sensitivité. Quels sont les risques s’il n’y a que trois fournisseurs
mondiaux qui seraient à même de satisfaire la demande? Que se passerait-il si un fournisseur
baisse ou augmente sa production?

L’approche prescriptive permettra de suggérer des prises de décisions et donc des actions à
prendre en tenant compte de différents scénarios possibles. Elle pourra même suggérer des
combinaisons surprenantes qui n’ont jamais été tentées auparavant!

Dans les faits, l’approche prescriptive permettra peut-être d’atteindre des gains de l’ordre de
20%-40%[4].

Prédictif versus prescriptif, prise deux

Si la découpe entre les 4 approches analytiques proposée par Gartner a le mérite de poser un
jargon et des jalons à suivre, elle n’est qu’approximative car toutes ces approches se basent les
unes sur les autres et s’entremêlent. En effet, par exemple, comment faire une évaluation de la

3 sur 4 17/01/2023, 11:53

Pourquoi il faut toujours privilégier l’approche prescriptive quel que so... https://www.actuia.com/contribution/nikolajfunartech-com/pourquoi-i...

situation sans pouvoir prédire ce qui va se passer ? Ou bien optimiser sans pouvoir évaluer la
situation ? En fait, la bonne approche est de construire des systèmes basés sur les 4 approches
analytiques en continu, c’est-à-dire des systèmes qui posent les 4 questions continuellement et
se basent sur les réponses aux questions précédentes pour répondre au questions suivantes tout
en apprenant automatiquement et continuellement comme illustré sur la figure suivante :

Pour ce faire, la combinaison de différentes technologies – en particulier l’apprentissage

automatique et la recherche opérationnelle – est essentielle!

Et qu’en est-il des prédictions? C’est certainement l’analyse prédictive qu’il faudrait utiliser,
non? Même pour faire des prédictions, l’approche prescriptive est meilleure. Elle permet
notamment d’englober des informations externes aux données comme nous l’avons vu.
Informations qui peuvent s’avérer capitales dans la recherche de bonnes prédictions.

Il y a aussi un autre point extrêmement important à ne pas perdre de vue dans ces temps
turbulents : nous vivons dans une société de plus en plus imprévisible. Vous pouvez faire toutes
les prédictions et suggestions de prises de décision que vous voulez, si vous ne tenez pas compte
d’impondérables (par exemple la venue de la pandémie de la COVID), vous serez dans le champ !

Comme nous l’avons vu plus haut, nous avons besoin de prédictions mais aussi et surtout de
suggestions de prise de décisions, ce que permet l’approche prescriptive.

Dans un prochaine article, je décrirai comment combiner d’au moins 4 façons différentes
l’apprentissage automatique et la recherche opérationnelle avec des exemples concrets.

[1] Je dois faire une mise en garde. J’essaye dans cet article de faire comprendre dans les
grandes lignes ce que sont les approches prédictive et prescriptive et en particulier l’utilisation
de l’apprentissage machine pour la première et de la recherche opérationnelle pour la seconde
mais dans la réalité les frontières entre les approches et les domaines sont parfois floues. Donc,
je brosse à gros traits des tendances pour mieux faire comprendre les différences fondamentales
et surtout pour expliquer pourquoi une approche hybride combinant l’apprentissage
automatique avec la recherche opérationnelle est si efficace aussi bien en théorie que dans la
pratique.

[2] Comment y arriver ou même savoir s’il est possible de construire un tel système dans le cas
du présent exemple n’est pas important pour la compréhension de l’approche prescriptive. Il
existe plein de problématiques où l’approche prescriptive est non seulement possible mais donne
des résultats probants.

[3] Par rapport à un processus ne bénéficiant pas de cette approche. C’est une estimation – très
sommaire – de la part de l’auteur.

[4] Par rapport à un processus ne bénéficiant pas de cette approche. C’est une estimation – très
sommaire – de la part de l’auteur mais qui se base aussi sur des projets concrets menés par
Funartech.

4 sur 4 17/01/2023, 11:53