Le baromètre 2019
MRNews-Callson
< Retour au dossier

DOSSIER : Les sciences peuvent-elles encore (volet 2)

Du bon usage des mathématiques : l'oeil ouvert, l'esprit critique !

Jean-Paul Frappa

Expert indépendant,
ex directeur de l'innovation
de TN Sofres

 


Avez-vous le sentiment que la recherche marketing a beaucoup progressé ces dernières années ?

Il me semble que, sur ces quinze dernières années, le marketing au global a beaucoup perdu de son aura et de sa valeur apparente au profit du financier et du court terme. Pour cette raison-là sans doute, la recherche marketing n’a pas progressé de façon flagrante ou spectaculaire. Et pour les études à proprement parler, les évolutions des budgets et de la manière de les gérer (en particulier la qualité des terrains d’enquête) ne me rendent pas enclin à beaucoup d’optimisme. Il me semble que, de plus en plus, les réalisations les plus intéressantes sont le fait d’une association entre des consultants et des sociétés d’études, avec de l’intelligence associée à des techniques précises.


Vous pensez à des exemples particuliers en évoquant cela ?

Prenons l’exemple des études de satisfaction. Avec des études relativement simples, on identifie sans trop de difficultés les principaux axes d’amélioration prioritaires. Mais on peut aller plus loin, en associant les compétences des études et celles du conseil pour voir comment maximiser la satisfaction des clients dans une enveloppe de coûts donnée pour les entreprises, qui ne disposent jamais de ressources infinies pour renforcer la qualité de leurs services. Dans le métro par exemple, diffuser du parfum n’a pas le même coût que de rénover une station… 

L’association avec des consultants est également très enrichissante lorsqu’on a besoin d’anticiper, d’établir des scénari d’environnements par exemple, ce que ne savent pas très bien faire des gens d’études.

 

Mais est-ce qu’il reste des progrès importants à faire dans le domaine de la recherche maketing ?

Oui. Je pense qu’il y a beaucoup à faire. Et pas nécessairement dans les principales directions qui sont prises aujourd’hui, comme les neurosciences ou la biologie. Si l’on prend l’exemple de la biologie dans le marketing, on peut utiliser ce qu’on appelle des heuristiques d’optimisation, basées par exemple sur le fonctionnement des fourmis. C’est fort sympathique, mais il s’agit juste d’une technique, à comparer avec beaucoup d’autres, et qui présente comme toute technique des avantages et des inconvénients. Cela peut donner des solutions correctes, mais est-ce la meilleure technique à utiliser pour des applications marketing ? Ce n’est pas certain du tout.

On parle beaucoup des réseaux de neurones par exemple. Je ne dénigre absolument pas ces techniques : je fais peut-être partie des premiers à les avoir évoquées à un congrès Esomar consacrée à l’intelligence artificielle. Mais ce sont des techniques très difficiles à utiliser du fait de leur principal inconvénient : ce sont des systèmes à apprentissage. Mais on va apprendre comment ? Où va-t-on chercher la variété de l’apprentissage ? C’est très complexe d’échantillonner des éléments d’apprentissages opérants. Les réseaux bayesiens constituent également une technique intéressante pour des problématiques de satisfaction par exemple, mais elle sera insuffisante pour bien répondre à cette problématique de bonne allocation des ressources que nous évoquions précédemment.

Ce sont des techniques sur lesquels il faut avoir l’œil ouvert, sans se laisser aller à la fascination. Dans certains cas, elles apportent quelque chose. Mais très souvent, elles font plutôt double-emploi avec des techniques existantes. Par exemple, dans certains cas, un réseau de neurones permettra de faire une analyse discriminante. Mais pourquoi alors ne pas faire directement une analyse discriminante ?

 

Où sont donc les grands axes de progression possibles ?

Je crois que le premier grand axe, c’est celui des bases de données, mais selon une acception différente de celles que l’on utilise aujourd’hui. Watson est un exemple intéressant. Il s’agit d’un produit qui a été développé par les laboratoires d’IBM pour faire état de leur savoir faire, comme ils l’ont fait avec Deep Blue par exemple (le programme qui joue aux échecs). Watson ne joue pas aux échecs, mais participe à des concours de connaissance générale sur des chaines TV aux USA, ce type de concours où l’on demande aux participants l’année de naissance du prince Charles et le coup d’après en quelle année Scarlett Oara a écrit Autant en emporte le vent. Avec Watson, les gens d’IBM ont développé des algoritmes extrêmement intelligents de recherche de l’information. La vraie difficulté d’aujourd’hui n’est pas celui de la quantité de l’information, mais celui d’une recherche efficace, et donc de l’organisation de l’information. Le point est là : on sait mettre en œuvre des techniques extrêmement sophistiquées d’organisation du savoir. Ce qui peut être fort utile pour des hommes ou des femmes de marketing, qui ont des informations qui proviennent de partout et qui sont formidablement hétérogènes : des usines de production, de la R&D, de la distribution, des études. Des outils pareils permettent d’alerter, de mettre en évidence le plus tôt possible l’émergence d’un phénomène important. et l’on sait très bien que le temps, c’est de l’argent : gagner du temps sur les autres, dans le décryptage du fonctionnement d’un marché peut être extrêmement précieux.

Le cas de Watson me semble très intéressant en ce sens qu’il préfigure sans doute quelque chose qui sera très important dans le futur. Et ce d’autant plus que l’on aura de plus en plus facilement accès, avec internet, à des sources de données quasiment inépuisables, la difficulté étant bien l’organisation de cette information. Le fait est que Watson semble imbattable dans ces concours de connaissance générale : à peine a-t-on formulé la question qu’il propose la bonne réponse !!


Est-ce qu’il n’y a pas d’énormes progrès à faire sur le traitement des textes, en particulier avec Internet qui génère de prodigieux volumes d’informations, mais que l’on ne sait pas vraiment bien exploiter ?

La très grande difficulté dans cet exercice, c’est de faire cet énorme travail de nettoyage, que la machine ne sait pas faire, pour ôter le bruit et s’en tenir aux informations qui font sens pour la recherche. Ce que la machine ne fait pas bien non plus, c‘est d’identifier les « intensifs ». Si vous dites « pas vraiment bon », la machine va retenir « bon ». Il y a donc un très gros travail à faire pour constituer des dictionnaires réellement utilisables.

 

L’exploitation des bases de données est donc un premier très grand axe. Quels seraient les autres ?

Un autre domaine, peu travaillé jusqu’ici, me semble très intéressant : celui de l’intelligence artificielle, ce qui relève par exemple des systèmes experts, et plus largement de la captation et de l’intelligence des process.

Le principe est de traduire sous forme de lois logiques le fonctionnement de l’esprit de quelqu’un, quand il doit par exemple prendre une décision, faire un choix. Ces systèmes experts sont utilisés avec une efficacité redoutable et démontrée pour des applications médicales par exemple. Mais à ma connaissance, on ne l’utilise pas ou seulement très peu au marketing.

Avec ces techniques, je pense vraiment qu’il y a matière à faire des progrès considérables sur l’analyse des panels, qui est un domaine où la France est très en retard par rapport aux pays anglo-saxons. Quand vous faites vos courses dans un supermarché, vous effectuez beaucoup de choix de façon automatique, selon des habitudes, et puis pour une certaine portion de ces achats, vous êtes amenés à hésiter, à réfléchir. Si l’on dispose d’un panel au sein duquel on a identifié les modes de fonctionnement des individus, on peut faire des prédictions très intéressantes. Prenons le cas d’un marché comme celui du shampoing, où les individus consomment en général autour de deux ou trois références. Une statistique bernoullienne permet de faire un très grand nombre de déductions intelligentes. Par exemple, on sait qu’il y a une relation linéaire entre la fidélité et la part de marché. Quand on connaît l’intercept, cela permet de connaître immédiatement quel est le niveau de fidélité à obtenir pour survivre sur le marché. On peut également formuler plein d’autres déductions intéressantes de ce genre. Cette notion du niveau de fidélité sur un marché donné est vraiment quelque chose de tout à fait fondamental, et de très mal intégré sur les modèles présents sur le marché. Par ailleurs, le développement des magasins virtuels permet de faire des choses tout à fait extraordinaires, on est quasiment au niveau d’études par protocoles.

 

Il y a d’autres domaines encore intéressants ?

Oui. Je pense en particulier à des techniques assez sophistiquées d’analyse, qui reposent sur la programmation par but, le « goal programming » en anglais. Elle est issue de la programmation linéaire ou de la programmation quadratique. Dans une programmation linéaire, on définit une direction idéale, par exemple celle qui augmente la marge de l’entreprise, et puis il y a un certain nombre de « contraintes » : il faut verser des salaires, tenir compte du fait que les gens ne peuvent pas travailler 40 heures par jour, investir dans des machines, … Si vous souhaitez en même temps optimiser vos gains, exploiter au mieux votre personnel, et rentabiliser au mieux les machines, cela va être difficile : on ne sait pas tout faire en même temps. Mais on va pouvoir essayer, éventuellement en pondérant chacun des succès, de maximiser le niveau d’atteinte de ces trois buts. Cela revient à de la programmation linéaire, mais on a transformé le problème : on crée des variables d’écarts par rapport à l‘objectif recherché, et l’on essaie tout simplement de minimiser ces écarts.

 

Quel est le champ d’application de cela ?

Cela s’applique dans tous les cas où l’on essaie d’optimiser beaucoup de choses en même temps, tout en sachant que l’on ne parviendra pas à les optimiser toutes. Cela s’applique donc parfaitement au marketing. C’est parfait pour cette problématique que nous évoquions : trouver la meilleure allocation des ressources en vue de la satisfaction des clients, en tenant compte du fait qu’il existe différents segments de clients avec des besoins et des souhaits tout à fait distincts, et qui n’ont bien sûr pas la même valeur du point de vue de l’entreprise. On ne fait pas que tenir compte des besoins et des perceptions des clients, on intègre les « economics » de l’entreprise et des solutions à mettre en œuvre pour y répondre.

 

Il y a donc des pistes énormes pour les entreprises pour ce qui relève des problématiques d’optimisation, qu’elles relèvent du marketing ou de tout autre champs de décision… Il existe encore d’autres axes importants ?

Le marketing est un domaine qui ne se prête que très mal à l’expérimentation. On est dans le domaine des sciences hypothético-déductives, comme l’écologie, l’astronomie, les sciences sociales en général. C’est à dire que l’on ne refait pas l’histoire, et on ne peut pas faire des erreurs uniquement pour apprendre. Et même quand on fait des erreurs, on ne dispose pas de suffisamment d’informations pour en tirer des choses parfaitement exactes ! On est donc dans la modélisation et, le marketing étant affaire d’individus, il y a beaucoup à gagner à travailler sur les modélisations individuelles. Je crois qu’il serait du plus grand intérêt de reprendre et de poursuivre les travaux de quelqu’un comme Amstutz par exemple, et d’appliquer cela aux sciences sociales et au marketing. Les macro-modèles ne fonctionnent pas et ne peuvent pas être efficaces. On est dans le non linéaire total. Il n’y a rien à faire, quand on est dans le marketing les variables sont toujours corrélées, liées les unes aux autres. On est dans les boucles récursives, les rétro-actions…

 

Quels conseils donneriez-vous aux annonceurs pour qu’ils puissent utiliser au mieux les avancées des techniques et des sciences ?

Je crois qu’il s’agit d’abord d’un état d’esprit. Et je ne suis pas certain que celui-ci évolue aujourd’hui dans le bon sens. Le marketing "ronronne" quand même beaucoup : le marché utilise toujours un peu les mêmes outils bien normés que proposent les grands instituts, et sans trop savoir ce qu’il y a derrière. La pression du court terme est sans doute pour beaucoup dans ces modes de fonctionnement. Mais j’ai des doutes sur la pérennité de ceux-ci. Je pense que les entreprises seront naturellement amenées à travailler plus efficacement qu’elles ne le font aujourd’hui, en capitalisant plus sur les acquis et en développant un plus grand sens de l’anticipation.

 

Contact

Jean-Paul Frappa