Aidez votre entreprise à se démarquer grâce aux arbres décisionnels

It is in your moments of decision that your destiny is shaped.” – Tony Robbins

Partie 1 – Pourquoi vouloir inclure des arbres de décision dans votre solution d’affaires?

Les arbres de décision consistent en une représentation graphique d’un parcours décisionnel. Ils illustrent les solutions potentielles ainsi que les critères de sélection lors d’une prise de décision.

Il s’agit d’un outil utilisé dans la majorité des domaines qui impliquent une prise de décision. En guise d’exemples de questions auxquelles pourrait permettre de répondre un arbre de décision, on peut penser à : quel est le traitement qu’un médecin devrait choisir pour son patient? Quel client devrait être sollicité par un courtier en assurance? Quel type de lancement de produit devrait privilégier un décideur d’entreprise?

En tant qu’être humain, l’une des plus grandes limitations à la prise de décision réside dans le fait qu’il est difficile de choisir au-delà des alternatives connues. Les arbres de décision contribuent ainsi à formaliser le processus de brainstorming et permettent d’identifier une multitude de solutions possibles en se basant sur une grande quantité de données déjà recueillies. La décision qui émerge naturellement n’est pas toujours la meilleure; s’appuyer sur des données et des faits vérifiables est parfois plus profitable que de suivre son instinct.

Pourquoi se tourner vers un arbre décisionnel?

Pourquoi gagneriez-vous à en apprendre davantage sur les arbres de décision? Pour optimiser votre temps et maximiser votre rendement! Lorsqu’un assistant virtuel utilise un arbre décisionnel, il est possible d’automatiser une portion de la réflexion au moment de prendre une décision. À l’ère numérique d’aujourd’hui, ce type de solution est de plus en plus adopté et permet aux gestionnaires de se concentrer sur des tâches à plus grande valeur et de réduire les possibilités d’erreurs. Faire le choix d’un logiciel muni d’un arbre décisionnel s’avère ainsi un élément différenciateur pour une entreprise qui lui permet de se démarquer de la compétition, en aidant, par exemple, les gestionnaires optimiser leurs opérations ou à augmenter leurs ventes.

Poursuivons!

Maintenant que vous êtes convaincus de la nécessité d’en apprendre davantage sur les arbres de décision, voici un résumé de ce qu’il faut savoir :

Un arbre de décision est en mesure de se construire par lui même lorsqu’on lui fournit un ensemble d’entrainement. Dans le domaine de l’apprentissage automatique, l’arbre décisionnel appartient donc à la catégorie de l’apprentissage supervisé. Chaque entrée que contient l’ensemble d’entrainement comprend une liste de caractéristiques et fournit également la valeur réponse que l’on cherche à prédire. C’est cette combinaison de caractéristiques / réponse qui sera utilisée pour construire l’arbre. Concrètement :

Caractéristiques                                                                                 Réponse
Nom                 Statut     Âge    Nb d’enfants   Salaire brut    A accepté notre assurance vie
M. Tremblay    Married   58       5                         55 000              Yes

On peut de cette façon maximiser le taux de réponses positives en concentrant ses efforts sur les clients qui sont le plus susceptibles d’accepter telle ou telle option, et par le fait même, optimiser son temps et augmenter ses revenus. Puisqu’un arbre est aussi précis que les données sur lesquelles il s’appuie, il est crucial que votre ensemble soit le plus juste possible.

Types d’arbres de décision

Un arbre de décision peut se déployer sous plusieurs formes en fonction des critères qui lui seront attribués. En pratique, deux grands types d’arbres se distinguent.

  • Classification : L’arbre sert à prédire la classe à laquelle appartient la donnée. La variable réponse est qualitative. Ex : Oui / Non, Acheter / Vendre / Conserver
  • Régression : L’arbre sert à prédire une certaine valeur qu’aura la donnée. La variable réponse est quantitative. Ex : 1, 10, 50 … 

Comment interpréter l’arbre de décision?

Un arbre de décision peut tout simplement être considéré comme présentant les chemins possibles d’une décision. Chaque chemin possible de l’arbre, partant du nœud initial aux feuilles, peut être envisagé comme une règle de décision.

Arbre de décision

Voici les différentes parties de l’arbre:

  • Noeuds (rectangle) : La condition à laquelle une décision est confrontée. Il s’agit des variables indépendantes.
  • Branches (flèche) : Les décisions prises à chacun des nœuds de l’arbre.
  • Feuilles (ellipse) : La variable réponse que l’on cherche à prédire. C’est la décision définitive fournie par l’arbre.

Dans l’exemple ci-haut, considérant un client marié, de 58 ans et qui a plus de deux enfants, il serait justifié de le contacter afin de lui offrir une nouvelle assurance vie.

Avantages et désavantages

Avantages

    • Simplicité : Très visuel et facile à interpréter. Offre davantage de visibilité et plus intuitif qu’un réseau de neurones, par exemple.
    • Réalisme : Imite la manière dont les humains procèdent à une prise de décision. Donne un algorithme précis que n’importe qui peut suivre.
    • Préparation rapide : Très peu de préparation et de nettoyage de la banque de données à effectuer (pas de standardisation nécessaire, de traitement de données manquantes ou de création de variables muettes). De plus, aucune hypothèse n’est nécessaire pour créer l’arbre.
    • Polyvalence : Le modèle tient compte à la fois de variables quantitatives et qualitatives.

Désavantages

    • Instabilité : Un léger changement dans les données peut causer un changement dans l’entrainement de l’arbre et une répercussion de ce changement sur la prédiction. Le fait d’avoir l’arbre le plus récent possible assure que celui-ci représente bien l’entièreté des données.
    • Statisme : Un arbre de décision n’est pas autonome s’il est laissé à lui-même (en raison principalement de son instabilité). Il doit être entretenu régulièrement, particulièrement dans les domaines changeants. Certain outils permettent toutefois l’automatisation du processus et donc, la facilitation et l’accélération de la construction d’un arbre.
    • Précision : La méthode n’est pas aussi précise sur le plan de l’efficacité de la prédiction que d’autres méthodes d’apprentissage. Il est aisé d’augmenter l’efficacité de la prédiction grâce à une forêt aléatoire d’arbres de décision.
    • Surapprentissage : L’arbre n’est pas à l’abri de la complexité et a tendance à être surentrainé, ce qui peut faire en sorte que l’arbre ne généralise pas au-delà des données d’entrainement. La meilleure manière de pallier le surapprentissage est de faire l’élagage de l’arbre.

Arbre de décision en entreprise

Un arbre décisionnel peut être adjoint à pratiquement toutes les solutions d’affaires. Que ce soit dans votre CRM, votre logiciel de transport et logistique ou encore dans votre système financier, un arbre de décision trouvera sa place et permettra avec certitude d’améliorer et de standardiser votre processus de prise de décision. Par le fait même, votre entreprise se démarquera des autres par ses performances et son efficacité.

Pour en retirer le maximum de bénéfices, il est essentiel que cet arbre de décision soit vivant et bien construit. Soyez assuré qu’Arcbees est en mesure de vous donner les meilleurs conseils et de prendre en charge vos besoins d’affaires en vous permettant de dépasser vos propres objectifs.

N’hésitez pas à nous contacter directement par courriel ou en laissant un commentaire ci-dessous. C’est avec grand plaisir que nous en discuterons avec vous. Notre prochain article vous guidera au travers de chacune des étapes pour passer d’un ensemble de données à un arbre fonctionnel. N’oubliez pas de suivre le blogue d’Arcbees pour ne rien manquer !

 

Quelles problématiques d’affaires l’intelligence artificielle peut-elle résoudre?

Dans son introduction de l’article « L’IA pourrait-elle résoudre les plus graves problèmes mondiaux? », publié dans le MIT Technology Review, Will Knight mentionne la « richesse des opportunités prometteuses pour les applications d’IA » et réitère sur l’importance de l’utilisation de l’IA pour créer un monde meilleur. Heureusement, les dirigeants de grandes entreprises, comme Eric Schmidt, le président du conseil d’Alphabet, croient que l’IA pourrait nous aider à contrer les enjeux socio-économiques mondiaux.

L’IA peut-elle nous aider à faire face aux problèmes quotidiens vécus au sein de nos différentes fonctions d’entreprise?

Continue reading “Quelles problématiques d’affaires l’intelligence artificielle peut-elle résoudre?”

Bâtir des environnements d’intelligence artificielle éthiquement responsables

Peut-être avez-vous déjà remarqué les sollicitations pour la « démocratisation de l’intelligence artificielle (IA) ». De manière générale, la démocratie a une bonne réputation, mais que cela signifie-t-il dans le contexte de la technologie et de l’intelligence artificielle et quels sont les dangers de cette alternative? M. Andrew Ng, scientifique en chef de recherche chez Baidu, considère l’IA comme étant « la nouvelle électricité ». Pensez-y un peu, et vous comprendrez ce qu’il veut dire. En ce moment, les outils de l’IA (et de l’apprentissage automatique ainsi que l’apprentissage en profondeur [deep learning]) sont majoritairement utilisés par les chercheurs, les industries, les grandes entreprises, les institutions scolaires et les laboratoires. L’IA présente différents avantages distincts pour les entreprises qui ont accès à son incorporation dans leurs systèmes ou leurs produits. Cela améliore tout, de l’efficacité logistique à l’expérience utilisateur positive et tout ce qui se trouve à mi-chemin. Les personnes n’ayant pas accès ou étant incapables d’incorporer l’IA ou l’apprentissage automatique sont donc désavantagées. La démocratisation de l’IA signifie simplement de rendre accessible à tous les avantages de cette technologie. Cet aspect est donc crucial pour le développement éthique de la technologie.

Continue reading “Bâtir des environnements d’intelligence artificielle éthiquement responsables”

Comment les entreprises influentes comme Google utilisent l’intelligence artificielle et que pouvons-nous en retirer

L’intelligence artificielle (IA) est un terme très tendance actuellement et les entreprises de toutes tailles et formes essaient de trouver une façon d’exploiter cette technologie pour leurs propres besoins. Captivante et futuriste, l’intelligence artificielle est, en effet, un outil incontournable pour suralimenter une entreprise, rehausser ses processus d’affaires et améliorer la qualité de l’expérience utilisateur. L’adoption et la démocratisation de l’IA par les géants de l’industrie (Google, Microsoft, Amazon, IBM, etc.) est un facteur de changement important pour toute entreprise technologique. Heureusement, l’informatique en nuage (cloud computing) et les API d’apprentissage automatique à données libres comblent le fossé de l’écart technique que peuvent vivre les petites entreprises et leur permettent de tirer avantage des possibilités qu’offre l’IA. Plus que jamais, il est temps pour les petites entreprises de plonger et commencer leur expérimentation. Le vrai défi, toutefois, est de savoir comment bien utiliser ces nouvelles ressources. Une fois de plus, les entreprises peuvent s’inspirer des grandes entreprises comme Google pour développer leurs idées. Voici ce qui est pertinent de savoir.

Continue reading “Comment les entreprises influentes comme Google utilisent l’intelligence artificielle et que pouvons-nous en retirer”

Arcbees fait l’acquisition de Chalifour Solutions Numériques

COMMUNIQUÉ

Québec, le 3 octobre 2017–  Arcbees, entreprise technologique de premier plan en intelligence artificielle, annonce l’acquisition stratégique de Chalifour Solutions Numériques. Cette transaction permettra d’élargir les champs d’expertise de la société, de concentrer les efforts communs de développement et de renforcer son positionnement sur le marché des solutions d’affaires intelligentes. 

Continue reading “Arcbees fait l’acquisition de Chalifour Solutions Numériques”

Dérapages de l’IA : trois exemples décortiqués

En un peu plus d’une décennie, l’intelligence artificielle (IA) a évolué de façon fulgurante. Chaque jour, de nouveaux progrès en matière d’IA défraient la chronique. En fait, cette évolution s’accélère :

  • 2004 La DARPA organise une course de voitures autonomes nommée Grand Challenge. La technologie mise au point par les participants permettra à Google de concevoir une voiture autonome et de modifier les lois existantes en matière de transport. 
  • 2005 Le robot humanoïde ASIMO de Honda marche aussi vite qu’un humain et est capable de servir les commandes des clients dans un restaurant. Aujourd’hui, des robots militaires fonctionnent selon la même technologie.
  • 2007 Des ordinateurs ont appris à jouer une partie parfaite d’échecs, ouvrant la porte à des algorithmes capables d’effectuer des recherches dans de vastes bases de données.
  • 2011 Le programme Watson d’IBM remporte la victoire à Jeopardy! contre des champions humains. Il apprend actuellement à prodiguer des conseils médicaux à des médecins et maîtrise n’importe quel domaine de connaissance.
  • 2012 Google lance Knowledge Graph, une base de connaissance fondée sur la recherche sémantique qui représente probablement le premier pas vers la véritable intelligence artificielle.
  • 2013 Facebook lance Graph Search, un moteur de recherche sémantique doté d’une connaissance intime des utilisateurs de Facebook, qui fait qu’il nous est pratiquement impossible de cacher quoi que ce soit aux algorithmes intelligents.
  • 2013 La Maison-Blanche accorde un financement de trois milliards de dollars US au projet BRAIN, axé sur la rétro-ingénierie du cerveau humain, dans la foulée d’un projet semblable mené en Europe au coût d’un milliard d’euros.
  • 2014 Un agent conversationnel convainc 33 % des juges qu’il est un être humain, passant avec succès une version réduite du test de Turing.
  • 2015 Un logiciel général apprend à surpasser des joueurs humains à des dizaines de jeux vidéo Atari.
  • 2016 Le champion mondial du jeu de Go est vaincu par AlphaGo, un programme informatique doté de réseaux de neurones profonds.

Source : Artificial Intelligence Safety and Cybersecurity: A Timeline of AI Failures, https://arxiv.org/pdf/1610.07997.pdf (article en anglais)

Toutefois, peu d’information est communiquée sur les dérapages de l’IA, et encore moins sur les raisons qui les expliquent.

L’échec est la clé du succès

L’échec est au cœur du progrès humain. Par exemple, le four à micro-ondes a été inventé par pur hasard lors d’essais visant à mettre au point un système de radar pour l’armée pendant la Seconde Guerre mondiale. Percy Spencer a trouvé une barre de chocolat fondue dans sa poche tandis qu’il menait des travaux sur les magnétrons pour la société Raytheon, important fournisseur du secteur de la défense aux États-Unis.

Continue reading “Dérapages de l’IA : trois exemples décortiqués”

L’IA et les données, des inséparables!

Dans cet article, j’aborderai l’importance des données et de leur analyse pour concevoir une intelligence artificielle (IA) efficace et performante. Mais, tout d’abord, mettons-nous en contexte.

Un problème typique à résoudre pour une entreprise consiste à anticiper les besoins de ses clients. Prenons par exemple un assureur qui veut savoir quelles couvertures d’assurance seraient les plus avantageuses pour son client, en fonction de ses besoins. Plusieurs facteurs peuvent influencer le client dans le choix d’une assurance (mais aussi dans le choix d’un assureur!) : son âge, ses études, sa santé, sa situation financière actuelle et future, ses dettes, ses objectifs à court et à long terme, et j’en passe! Considérant qu’un assureur peut avoir un large éventail de clients, il peut devenir difficile pour lui de garder en tête tous ces paramètres spécifiques à chaque client. Dans ce genre de situation, une IA pourrait être conçue. Assistant l’assureur, elle pourrait rapidement cibler le type des clients et suggérer l’assurance qui leur convient le mieux.

Continue reading “L’IA et les données, des inséparables!”

Guide de survie pour travailler à distance en équipe

Comment la moitié de notre équipe a su travailler à distance pendant deux semaines tout en restant productive.


Le travail à distance ne nous est pas étranger.

En octobre dernier, passionné de randonnées en montagne, j’ai eu la chance de travailler à partir de Banff, en Alberta. (Vive les montagnes!)

Notre designer et maitre ultime du branding, Manon, a travaillé à distance pendant quatre mois l’année dernière. Elle a résumé son aventure dans cet article.

Cette année, nous avons décidé de pousser le concept encore plus loin. Huit d’entre nous ont posé pied à Puerto Rico pendant deux semaines, tout en réussissant à rester productifs et efficaces malgré les distractions et la chaleur. Voici le résumé de notre processus et de nos apprentissages en cours de route.

Continue reading “Guide de survie pour travailler à distance en équipe”

Un guide non technique pour comprendre l’apprentissage automatique

 

Dans la publication de la semaine dernière, nous avons discuté de la pertinence de l’apprentissage automatique (Machine Learning) pour votre entreprise. Dans le cadre de mes recherches, j’ai compris plus en profondeur ce qu’est l’apprentissage automatique et j’ai réalisé que la plupart des informations sur le sujet est technique et destinée aux développeurs ou aux analystes de données.

Une explication non technique m’a donc paru nécessaire.

Qu’est-ce que l’apprentissage automatique?

La définition la plus simple que j’ai rencontrée se lit comme suit :

L’apprentissage automatique est « […] la branche de l’intelligence artificielle (IA) qui explore les moyens d’amener les ordinateurs à améliorer leurs performances en fonction de leur expérience ». Source : Berkeley

Décomposons cette définition pour asseoir certaines fondations de l’apprentissage automatique et pour en améliorer notre connaissance.

Continue reading “Un guide non technique pour comprendre l’apprentissage automatique”

L’apprentissage automatique est-il adapté à votre entreprise?

La plupart des entreprises reconnaissent que l’apprentissage automatique (Machine Learning) peut leur apporter une valeur exceptionnelle. Cependant, plusieurs d’entre elles se posent des questions quant à l’intégration de celui-ci dans leur stratégie de données : comment, dans quel domaine et surtout à quel moment?

Aujourd’hui, nous allons explorer les questions que vous devriez vous poser afin de savoir si l’apprentissage automatique est adapté à votre entreprise.
Continue reading “L’apprentissage automatique est-il adapté à votre entreprise?”