Depuis 2011, un logiciel fournit chaque jour au service de police de Santa Cruz, en Californie, la liste des lieux que ses agents devraient patrouiller. Résultat : le nombre de cambriolages commis à Santa Cruz a chuté de 19 %, parce que, dans bien des cas, les policiers étaient sur place avant même que les crimes ne soient commis.
Le logiciel expérimental, développé par une équipe interdisciplinaire de chercheurs pour le service de police de Santa Cruz, fait ces prévisions en analysant une banque de données répertoriant les crimes commis sur son territoire. «Nous avons utilisé un modèle de reconnaissance de motifs utilisé pour anticiper les tremblements de terre», explique le mathématicien George Mohler, de l'Université de Santa Clara, qui a collaboré à l'élaboration du logiciel.
Les crimes ne sont toutefois pas le seul champ d'application de ce type de logiciels destiné à analyser des données volumineuses (big data). «Ce modèle fonctionne chaque fois que le fait qu'un événement survienne augmente la probabilité qu'un autre se produise. On peut l'utiliser pour prévoir la propagation virale d'une vidéo sur Internet ou encore pour évaluer les risques de défaut de crédit dans le secteur financier.»
Le géant IBM, qui a notamment vendu son logiciel prévisionnel SPSS à la police d'Edmonton, le vend aussi aux entreprises privées : «Les entreprises utilisent cette technologie pour prévoir l'évolution du goût des consommateurs ou, dans le cas des banques, pour faire de la détection de fraudes», explique Paul McCullough, directeur d'unité d'affaires, sécurité publique, chez IBM.
Connaître le futur est payant
Grâce à la boule de cristal des données volumineuses, plusieurs entreprises de télécommunications prédisent le moment où leurs clients leur feront défection, puis leur font une offre avant qu'ils ne commettent l'irréparable. «Nous pouvons prévoir avec précision quand un client va s'en aller. Alors, les entreprises leur envoient des offres ciblées par courriel ou peuvent même les appeler, s'ils estiment que l'un d'eux est un influenceur», explique Carl Farell, vice-président directeur, SAS Amérique.
Pour générer de telles prévisions, le logiciel mis au point par SAS pourrait notamment tenir compte de l'âge du client, du nombre de fois qu'il a appelé le service à la clientèle, de son âge et du sentiment public face à l'opérateur mobile sur les médias sociaux. «Nos logiciels analysent les données structurées des entreprises depuis plusieurs années, mais maintenant, ils tirent aussi parti de données non structurées, trouvées dans des banques de données publiques ou sur les médias sociaux», dit Carl Farell.
Des prévisions en temps réel
Cette approche aurait été impensable il y a quelques années, tant la puissance de calcul nécessaire à ce type d'opérations est élevée. Qui plus est, dans plusieurs cas, le délai de traitement est critique : «La plupart de nos clients veulent obtenir des prévisions en temps réel, fondées sur des données changeantes, comme les cours boursiers ou les médias sociaux, fait valoir Carl Farell. Un bon exemple de cette réalité, ce sont les logiciels utilisés par les banques, qui doivent déterminer en quelques millisecondes si une transaction est frauduleuse ou non avant de l'autoriser.»
Les prévisions réalisées par les logiciels exploitant des données volumineuses ne se réalisent bien entendu pas systématiquement. Toutefois, dans la mesure où les probabilités qu'elles surviennent sont élevées, il est possible d'en tirer parti.
Malgré tout, on peut s'étonner qu'il soit possible de prévoir informatiquement des décisions individuelles. Interrogé à ce sujet, le mathématicien George Mohler soutient que le comportement humain est très prévisible : «Il y a des probabilités bien définies et une gamme très limitée de résultats dans certaines situations.»
16,9 Taille, en milliards de dollars américains, que devrait atteindre le marché des technologies et des services tirant parti des données volumineuses en 2015. Source : IDC
