Aller au contenu
Encyclopédie informatique Édition 2026

L'informatique décisionnelle

Partie 3 sur 4

Niveau de lecture :

6La fouille de données (data mining)

On oppose souvent l’OLAP et la fouille de données (en anglais data mining, littéralement « forage de données ») : l’OLAP part d’une question que l’analyste se pose ; la fouille, elle, cherche des corrélations éventuelles dans un grand volume de données, pour en dégager des tendances, sans qu’une hypothèse précise soit posée d’avance. On ajoute qu’elle s’appuie sur des techniques d’intelligence artificielle, comme les réseaux de neurones, pour mettre en évidence des liens cachés.

La distinction tient toujours : l’OLAP vérifie ce que l’on soupçonne, la fouille découvre ce que l’on ne soupçonnait pas. Mais cette présentation est trop étroite. Les réseaux de neurones ne sont qu’une famille de méthodes parmi d’autres, et les plus utilisées dans les entreprises sont souvent plus simples. Les techniques actuelles relèvent de ce qu’on appelle l’apprentissage automatique (voir L’apprentissage automatique et L’intelligence artificielle).

6.1Les grandes familles de problèmes

  • Classer : prévoir à quelle catégorie appartient un cas (ce client va-t-il résilier son contrat ? cette transaction est-elle frauduleuse ?). Méthodes : arbres de décision, régression logistique, forêts d’arbres.
  • Prévoir une valeur : estimer un nombre (le chiffre d’affaires du mois prochain, le prix d’un logement). Méthodes : régression, séries chronologiques.
  • Regrouper (clustering) : former des groupes de cas semblables sans catégories préalables (des segments de clientèle). Méthode classique : les k-moyennes.
  • Chercher des règles d’association : repérer les choses qui vont ensemble (« les clients qui achètent A achètent souvent B »). C’est l’analyse du panier de la ménagère.
  • Détecter les anomalies : repérer ce qui sort de l’ordinaire (une dépense inhabituelle, un capteur en panne).

6.2Un projet de fouille : les six étapes de CRISP-DM

La méthode de référence de la profession, publiée en 1999 par un groupe d’industriels européens, s’appelle CRISP-DM (Cross-Industry Standard Process for Data Mining, « processus standard inter-industries pour la fouille de données »). Elle comprend six étapes, que l’on parcourt en boucle :

  1. Comprendre le métier : quel problème veut-on résoudre, avec quel critère de réussite ?
  2. Comprendre les données : lesquelles existent, quelle est leur qualité ?
  3. Préparer les données : nettoyage, regroupement, création de variables utiles (c’est le plus long).
  4. Modéliser : appliquer une ou plusieurs méthodes.
  5. Évaluer : le modèle répond-il vraiment au problème posé, et pas seulement à la statistique ?
  6. Déployer : mettre le modèle en service, le surveiller et le remettre à jour.

La méthode insiste sur la première étape, que l’on bâcle souvent : sans question claire, on obtient des résultats, mais pas de réponses.

6.3Les pièges

  • Corrélation n’est pas cause. Les ventes de glaces et le nombre de noyades augmentent ensemble en été ; les glaces ne provoquent pas les noyades, c’est la chaleur qui joue sur les deux. Une corrélation découverte est une piste à vérifier, pas une conclusion.
  • Trouver n’importe quoi. Quand on cherche assez longtemps dans assez de données, on trouve toujours des régularités qui ne sont que du hasard. On teste donc le modèle sur des données qu’il n’a jamais vues.
  • Le surapprentissage. Un modèle trop adapté aux données d’entraînement les « apprend par cœur » et se trompe sur les nouveaux cas. Pour s’en prémunir, on garde une partie des données de côté pour le contrôle.
  • Les biais. Un modèle apprend ce que contiennent les données, y compris les préjugés du passé. Si l’on entraîne un outil de tri de candidatures sur d’anciennes embauches biaisées, il reproduira ces biais. Un contrôle humain et une évaluation de l’équité sont indispensables, surtout quand la décision touche des personnes (voir la partie 8).
  • Les données qui changent. Un modèle de prévision entraîné avant un grand changement (crise, nouveau concurrent) devient faux ; il faut le surveiller.

Pour s’exercer

Exercice 5 : OLAP ou fouille ?

Dites si chaque besoin relève plutôt de l’analyse OLAP ou de la fouille de données : (a) « Quelles ventes en mars, par région ? » ; (b) « Quels profils de clients ressemblent à ceux qui ont résilié l’an dernier ? » ; (c) « Quel produit s’est le mieux vendu en Bretagne au dernier trimestre ? » ; (d) « Quels produits sont achetés ensemble sans que nous l’ayons prévu ? »

Voir la réponse

(a) et (c) : OLAP, car la question est précise et se lit dans un cube. (b) et (d) : fouille de données, car on cherche des profils et des associations non prévus, par classification ou règles d’association. Les deux se complètent : la fouille fait apparaître une piste, l’analyse en cube permet de la vérifier et de la chiffrer.

Exercice 6 : une corrélation trompeuse

L’analyse d’une chaîne de magasins montre que les clients qui achètent des parapluies achètent aussi des imperméables. Le directeur veut les placer à côté dans les rayons. Un analyste découvre aussi que les ventes de crème solaire et de glaces sont fortement liées. Que répondez-vous au directeur ?

Voir la réponse

Les deux corrélations ont une cause commune : la météo (la pluie pour le premier cas, le soleil pour le second). Placer les articles côte à côte peut aider les clients qui cherchent déjà les deux, mais acheter des glaces ne fait pas acheter de la crème solaire. Avant d’agir, on vérifie l’effet par un essai : deux groupes de magasins, l’un avec le nouveau rangement, l’autre sans, puis on compare les ventes. Une corrélation est un point de départ, jamais une preuve de cause.

7Restituer : indicateurs et tableaux de bord

Une analyse n’a de valeur que si elle est comprise par celui qui doit décider. La dernière étape de la chaîne est donc la restitution : le tableau de bord, le rapport, la présentation. On parle de « tableaux de bord » obtenus par des requêtes modélisées ; l’enjeu est resté le même, mais les possibilités visuelles ont beaucoup progressé.

7.1Un bon indicateur

Un indicateur (on dit aussi KPI, de l’anglais Key Performance Indicator, « indicateur clé de performance ») est un nombre qui résume un aspect de l’activité. Pour qu’il serve, on vérifie cinq points.

  • Défini sans ambiguïté : que veut dire « client actif » ? Qui compte comme « vente du mois » (date de commande, de livraison, de paiement) ? Une définition écrite, partagée, évite les querelles.
  • Mesurable et fiable : on sait comment il est calculé et d’où viennent les données.
  • Relié à une décision : si le chiffre monte ou baisse, que change-t-on ? Un indicateur qui ne déclenche aucune action est du décor.
  • Comparé : à un objectif, à la période précédente, à un seuil d’alerte ; un chiffre seul ne dit rien.
  • Peu nombreux : un tableau de bord de cinquante chiffres ne dit plus rien. Cinq à neuf indicateurs bien choisis par écran sont un bon repère.

7.2Un bon tableau de bord

Les mêmes règles que pour une page de site web s’appliquent (voir L’ergonomie et l’accessibilité web) : on met l’essentiel en haut à gauche ; on aligne et on regroupe ; on utilise la couleur avec parcimonie ; on assure un bon contraste. Quelques règles propres aux graphiques :

  • Commencer l’axe vertical à zéro pour les barres : sinon une petite différence paraît énorme.
  • Choisir le graphique selon la question : une ligne pour une évolution dans le temps, des barres pour comparer des catégories, un tableau pour lire des valeurs exactes. Les camemberts ne conviennent que pour deux ou trois parts très différentes.
  • Ne pas dépendre de la couleur seule : certains lecteurs ne distinguent pas le rouge du vert ; on ajoute un libellé, une forme ou une position.
  • Donner l’unité, la période et la source de chaque chiffre.
  • Permettre de creuser : un clic sur un total doit ouvrir le détail.

Enfin, un avertissement : l’élégance d’un tableau de bord ne garantit pas que ses chiffres soient justes. Les erreurs de données, les doubles comptages et les définitions floues sont bien plus répandus que les erreurs d’affichage.