Machine learning

Le machine learning est la branche de l’intelligence artificielle où un système apprend des schémas à partir de données au lieu de suivre des règles fixes. Vous donnez des exemples au modèle, il découvre lui-même les liens, et il s’améliore à mesure qu’il voit davantage de données de qualité.

Comment un modèle apprend-il ?

Grosso modo, il existe trois manières. Avec l’apprentissage supervisé, le modèle reçoit des exemples étiquetés, par exemple des milliers d’e-mails marqués comme spam ou non. Avec l’apprentissage non supervisé, il cherche lui-même une structure dans des données non étiquetées, utile pour découvrir des segments de clients. Avec l’apprentissage par renforcement, il apprend par récompense et sanction, comme un algorithme d’enchères qui apprend quelle est la meilleure enchère publicitaire.

Pourquoi cela concerne les marketeurs

Beaucoup d’outils que vous utilisez au quotidien reposent sur le machine learning : le Smart Bidding dans Google Ads, les audiences similaires, le lead scoring prédictif, les recommandations dans les boutiques en ligne. Les modèles de langage derrière les assistants IA en sont une application connue ; découvrez comment fonctionne un LLM (large language model). Comprendre comment ils apprennent vous aide à fournir un meilleur input. Un modèle vaut en effet autant que les données dont vous le nourrissez.

Le piège

Le machine learning n’est pas magique. Des données mauvaises ou biaisées mènent à de mauvais résultats, et un modèle qui optimise le mauvais objectif optimise fort dans la mauvaise direction. Pilotez donc toujours sur un objectif qui compte vraiment, le chiffre d’affaires et les clients, et non sur un chiffre qui ne fait que bien paraître dans un tableau de bord.