La lutte est lancée entre le marketing prédictif traditionnel et le Machine Learning


IBM, SAS et Kxen ont du souci à se faire en ce qui concerne leurs outils de marketing prédictif.  La nouvelle vague du Machine Learning incarnée par TinyClues vient les concurrencer avec les arguments de la puissance de modélisation et d’utilisation directe par le marketing. 

La nouvelle vague du Big Data et du Machine Learning pourrait bien balayer les fournisseurs traditionnels d’outils prédictifs tels que SAS, IBM SPSS ou Kxen. C’est le sentiment que donne l’intervention de David Bassis, mathématicien fondateur de la société Tinyclues, spécialisée dans le marketing prédictif à base de Machine Learning. Il s’est exprimé le 29 octobre lors de la matinée Big Data organisé par le pôle de compétitivité Capdigital à Paris. Tinyclues emploie 12 personnes.


La solution de Tinyclues est notamment employée sur les sites de e-commerce de Priceminister ou de CDiscount. Elle permet de prédire quels clients peuvent être les plus intéressés par un produit donné. « Nous avons travaillé avec PriceMinister pour détecter quels sont les clients intéressés par un robot de cuisine au prix élevé, 500 €. Il s’agissait de ne pas spammer inutilement tous ceux qui ne seraient pas intéressés. » David Bassis veut ainsi mettre fin à la segmentation classique employée par le marketing depuis des années de choisir les ménagères de moins de 50 ans, « et qui ne marche pas » dit-il.

Le Machine Learning pour sa part consiste dans un apprentissage automatique et la création de modèles de comportement des clients à partir des données enregistrées sur leurs actions (navigation web, …) et achats.

SAS,  SPSS et Kxen démodés

Quelle est la différence entre TinyClues et les outils traditionnels de décisionnel et prédictif tels que ceux fournis depuis des années par SAS, IBM SPSS ou Kxen ? « Nous traitons des volumes de données plus importants, avec des algorithmes de notre propre création, accessibles en mode Cloud et en Saas. Sinon, SPSS utilise certaines librairies statistiques et de Machine Learning que nous utilisons aussi, mais c’est un outil pour statisticiens. Il faut encore un traducteur en termes business pour l’entreprise. Notre solution peut être employée par le marketing directement. Elle remplace ce qu’aurait fait une équipe de Data Scientists » affirme-t-il.

Il ajoute : « Je crois d’ailleurs qu’il va y avoir des désillusions en ce qui concerne le nombre réels de postes de Data Scientists qui vont être créés. On a parlé de plusieurs centaines de milliers de postes. Mais il va y avoir des standards, des normes et des produits, qui vont remplacer les Data Scientists. » Pour lui, les vraies difficultés sont plutôt du côté de l’organisation de l’entreprise et de  l’informatique. « Il faut apprendre ce qu’est le Cloud, comment s’en servir et comment l’acheter. C’est ce qu’il faut faire plutôt que de s’interroger sur le Machine Learning. » conseille-t-il.

Vers un usage direct par les responsables marketing 

Une autre description de la situation actuelle du marché du décisionnel est livrée par Françoise Soulié Fogelman, ancienne vice présidente de Kxen et experte du domaine, lors de la matinée : « des outils comme SPSS ou SAS fournissent des boîtes à outils aux statisticiens, Kxen pour sa part s’est employé à simplifier l’interface de ce type de produits. Et l’étape suivante est incarnée par Tinyclues avec une plus grande simplicité d’usage et un usage direct par le métier. »

La machine trouve ce que l’intuition humaine suggérait …