Par Frédéric Alexandre , Inria On voit passer beaucoup d’avis sur ChatGPT, mais finalement, qu’en sait-on ? Juste que c’est un réseau de neurones artificiels avec des milliards de paramètres, capable de tenir une discussion de haut niveau, mais aussi de tomber dans des pièges grossiers tendus par des internautes facétieux. On nous parle beaucoup de lui mais on en sait finalement très peu sur son fonctionnement. Je vous propose donc de présenter les mécanismes principaux sur lesquels ChatGPT repose et de montrer ainsi que, si le résultat est parfois impressionnant, ses mécanismes élémentaires sont astucieux mais pas vraiment nouveaux. Pour ce faire, passons en revue les différents termes du sigle « ChatGPT ». T comme transformer Un « transformer » est un réseau de neurones qui bénéficie du même algorithme d’apprentissage que les réseaux profonds ( deep networks ), qui a déjà fait ses preuves pour l’entraînement de grosses architectures. Il bénéficie également de deux caractéristi
Par Edouard Beaucourt, Directeur Régional France et Europe du Sud de Tableau
Les spécialistes du retail doivent répondre à une attente grandissante des consommateurs : ils ne souhaitent plus seulement un produit, ils veulent vivre une expérience complète. Et la clé se trouve dans l'exploitation des données. Depuis plusieurs décennies, les magasins de détails collectent des données sur le comportement d'achat de leurs clients au travers de programmes de fidélités, de formulaires d'enquêtes, de promotions... Aujourd'hui, la numérisation du secteur et la multiplicité des canaux de distribution - magasins en ligne et physique - et de ses points de contacts avec les clients – réseaux sociaux – leurs permettent d'accroître la masse d'information collectée et donc de mieux connaître les clients. Avec cette vision globale des clients, ils peuvent ainsi délivrer une expérience clients performante et en phase avec leurs attentes.
Regrouper des données hétérogènes
Si connaître le nombre de clients, les achats effectués, le nombre de visiteurs en ligne, en magasins physiques ou le montant dépensé par client, est simple, toutes ces données sont issues de sources diverses : magasins, sites web, réseaux sociaux, appareils mobiles, IoT, capteurs pour suivre et surveiller le trafic piétonnier ou l'interaction avec les affichages de marchandisage. Des données hétérogènes, dispersées dans des silos et non connectées. Résultats, les détaillants ne peuvent accéder en temps réel à ces données et les faire parvenir aux bonnes personnes pour qu'elles puissent engager la bonne action.
Et c'est pourtant là le nerf de la guerre. C'est dans la gestion de cette donnée que les détaillants font la différence. Ainsi, ceux susceptibles de délivrer une expérience clients performante ont une vision globale des données et sont capables d'en extraire des informations pertinentes. À mesure que les outils deviennent de plus en plus sophistiqués et que les sources de données ne cessent d'augmenter, les entreprises de vente au détail doivent mettre en place une stratégie d'intégration ou de regroupement des ensembles de données afin d'obtenir une vue multidimensionnelle de leur entreprise et de leurs clients.
À titre d'exemple citons Metro, qui collecte en permanence une variété de données issues de ses magasins. L'entreprise analyse toute une masse de données : périodes de pointe en magasin, flux des stocks, décisions d'achat des clients, etc. En intégrant les données provenant de plusieurs sources, l'équipe d'analyse des données est en mesure, grâce à cette vision multidimensionnelle, de prendre des décisions éclairées dans le cadre de ses stratégies opérationnelles et promotionnelles. Ainsi la direction de l'enseigne a fait le choix de stopper les commandes de chaussures demi-taille après l'analyse et la visualisation des stocks des données de leurs magasins.
Générer des visualisations de données pour une meilleure prise de décision
Longtemps réservée aux analystes des données, les nouvelles plateformes de BI permettent à tous les collaborateurs de recueillir en temps réel les informations nécessaires à l'exécution de leurs missions. Grâce à ces outils en libre-service, les données sont accessibles aux employés de tous les niveaux, des assistants de vente au détail aux cadres supérieurs. Ces outils remplacent également les processus de génération de rapports manuels, car ils permettent à la bonne personne d'accéder aux bonnes données au bon moment. Enfin, ces plateformes de BI génèrent des visualisations de données permettant aux utilisateurs de transformer automatiquement des colonnes et des lignes de données en présentations visuelles et tableaux de bord tels que des tableaux ou des graphiques. Valeurs aberrantes et tendances dans leurs données sont ainsi aisément identifiables. Notons que communication visuelle est devenue une compétence indispensable pour tous les managers, car de plus en plus souvent, c'est le seul moyen de donner un sens au travail que nous faisons.
Anticiper les tendances et besoins futurs avec l'analyse de données
Aujourd'hui les consommateurs exigent une expérience clients personnalisée et apprécient l'anticipation. Dans ce contexte les détaillants ont tout intérêt à utiliser des plateformes d'analyse prédictive pour analyser les données à des fins de prédiction d'événements futurs inconnus. La projection basée sur les données des tendances futures permet aux détaillants d'anticiper les besoins et les préférences des clients, de les traiter en tant qu'individus, de leur faire des suggestions éclairées et de préparer leurs magasins (comme stocker certains produits) en fonction des besoins futurs.
Aujourd'hui, le marché exige des détaillants une stratégie de la donnée intégrant toutes les sources de données de l'entreprise et nécessite de les rendre accessibles à tous les collaborateurs afin qu'ils puissent les exploiter pour optimiser leurs opérations et procéder à des ajustements rapides et efficaces pour répondre aux demandes des clients. Les détaillants doivent se tourner aussi vers l'avenir. Grâce à l'analyse prédictive ils peuvent anticiper de manière proactive les besoins des clients et les tendances du marché. Une stratégie de données performante doit englober et intégrer toutes les initiatives.