Adopter l’apprentissage automatique et l’avenir du commerce électronique

La vérité est que vous ne pouvez pas passer une journée sans entendre une autre tournure sur les merveilles de l’intelligence artificielle et de l’apprentissage automatique dans le monde du commerce électronique.

L’IA est B-I-G – qu’il s’agisse de voitures autonomes, de jouer au Go, de diagnostiquer une maladie ou d’écrire des nouvelles.

En fait, le buzz de l’apprentissage automatique et de l’IA autour du commerce électronique est si omniprésent depuis si longtemps qu’on a parfois l’impression d’en parler depuis toujours. Mais il est parfois utile de ralentir et de considérer non seulement le chemin parcouru, mais aussi le chemin que nous devons parcourir lorsqu’il s’agit d’automatiser le commerce numérique.

Commençons par séparer le battage médiatique de la réalité avec l’aide d’un expert en IA qui a déjà vu cela se produire (dans le domaine de la publicité numérique).

Long-Ji Lin est le scientifique en chef de Signifyd et un gars qui pense beaucoup à l’apprentissage automatique. Il est titulaire d’un doctorat en informatique et en intelligence artificielle et travaille dans ce domaine depuis des années. Il croit fermement au pouvoir de l’apprentissage automatique pour augmenter l’intelligence humaine et, naturellement, il est particulièrement optimiste quant à la capacité de la technologie à améliorer la prévention de la fraude.

Pensez au problème : plusieurs millions de commandes en ligne affluent quotidiennement chez les commerçants. Des fraudeurs se cachent, améliorant constamment leur jeu pour tenter de surmonter les barrières à la fraude que les commerçants érigent. Et alors, comment passer au peigne fin les commandes et déterminer lesquelles sont légitimes et lesquelles sont frauduleuses?

« Il y a tellement de gens qui essaient de tricher », dit Lin à propos des fraudeurs qui s’attaquent aux marchands de commerce électronique. « Il n’est pas possible d’embaucher beaucoup d’humains pour examiner les commandes et prendre des décisions. C’est tout simplement trop de travail.

Et donc les humains conçoivent les modèles qui peuvent repérer les problèmes. Ils apprennent aux machines à effectuer les grandes tâches répétitives, puis à travailler à leurs côtés. La machine émet un pouce vers le haut ou un pouce vers le bas sur l’écrasante majorité des commandes. Les cas les plus délicats sont référés à un analyste de la fraude qui peut se tourner vers l’instinct humain, l’expérience, le raisonnement et la recherche pour prendre une décision.

L’apprentissage automatique est notre ami, vraiment

Bien sûr, Lin est familier avec l’école de pensée selon laquelle l’essor des machines sera un jour préjudiciable à la race humaine. Elon Musk est un inquiet bien connu de l’apprentissage automatique et le physicien du MIT Max Tegmark sort un livre convaincant, « Life 3.0 », qui envisage un monde dans lequel les machines ne jouent pas bien.

« Pensez à des drones de la taille de bourdons qui pourraient être programmés pour tuer certaines personnes, ou certaines catégories de personnes, en attrapant leur crâne avec de minuscules serres métalliques et en perçant dans leur tête », est la façon dont une critique du livre du Wall Street Journal décrit l’avenir fou de Tegmark.

Bien sûr, l’apprentissage automatique et l’intelligence artificielle n’ont rien réalisé de proche du type de sophistication pour créer un tel scénario cauchemardesque. Nous prendrons cela comme une bonne nouvelle.

Même une vision moins dystopique – une époque où les machines apprennent de manière sophistiquée aux machines à s’améliorer dans ce qu’elles font – est un moyen de s’en sortir, dit Lin.

« Nous avons encore des défis à relever pour enseigner les machines, sans parler des machines à enseigner les machines », dit-il.

L’apprentissage automatique aujourd’hui ne concerne pas l’ascension effrayante des machines dont s’inquiètent les sommités de la technologie comme Musk. L’apprentissage automatique est aujourd’hui un moyen de faire évoluer une entreprise. C’est un moyen pour les détaillants numériques d’augmenter leurs revenus tout en offrant une meilleure expérience d’achat à leurs clients.

Augmenter les revenus et améliorer l’expérience d’achat comment, vous demandez-vous?

Considérez la protection contre la fraude, juste une partie de la révolution de l’apprentissage automatique en ce qui concerne le commerce électronique et une partie qui intéresse particulièrement Signifyd. Comment un système à propulsion humaine ou basé sur des règles peut-il suivre le rythme des fraudeurs qui changent et améliorent constamment leurs tactiques et leurs techniques? Comment les commerçants utilisant des systèmes traditionnels peuvent-ils suivre la croissance rapide des commandes – le type de croissance qui est bon pour les affaires, tant que les commandes sont légitimes.

Un système de prévention de la fraude bien conçu et basé sur l’apprentissage automatique permet à une entreprise de se développer. Il réduit considérablement le nombre de commandes qui doivent être examinées manuellement, tout en réduisant considérablement le nombre de commandes qui sont incorrectement refusées par crainte de fraude.

Moins de commandes refusées et de décisions en temps réel sur l’expédition signifient moins de clients déçus et frustrés qui se demandent pourquoi leurs affaires ne sont jamais arrivées ou ont mis autant de temps à arriver.

Et pourtant, la prolifération des technologies d’apprentissage automatique dans un large éventail d’industries est relativement nouvelle. Comme toujours, le changement exige une nouvelle façon de penser. Mais il est juste de dire que l’un des principaux thèmes du commerce de détail aujourd’hui est la nécessité d’embrasser l’innovation, de se comporter comme une startup, d’être prêt à essayer, à échouer et à itérer.

La prévention de la fraude s’est tournée vers l’apprentissage automatique

Même les grands cabinets de conseil accordent une attention croissante au rôle de l’apprentissage automatique dans la prévention de la fraude. Forrester, dans son rapport de juin 2017 intitulé « The Total Economic Impact of Guaranteed Fraud Protection », une étude commandée par Forrester Consulting pour le compte de Signifyd, a examiné comment l’apprentissage automatique, associé à une garantie financière pour les commandes approuvées, peut augmenter les résultats d’un détaillant.

D’autres ont suggéré que de tels systèmes peuvent fonctionner en parallèle avec les anciens systèmes basés sur des règles pour aider les commerçants à gérer les pics saisonniers, tels que la saison des achats des Fêtes. Et ils ont noté que l’exécution des modèles d’apprentissage automatique en parallèle offre l’occasion de tester l’efficacité des outils de pointe.

Les consultants ont noté l’énorme buzz autour de l’apprentissage automatique et ont averti les détaillants d’évaluer soigneusement les alternatives, en s’assurant que les fournisseurs peuvent expliquer exactement ce qu’ils entendent par apprentissage automatique. Et puis, bien sûr, vient le travail de déterminer si leur technologie est digne de la phrase.

« Toutes ces entreprises disent qu’elles ont l’IA », dit Lin. « Mais certains ont une véritable IA. Certains ont une fausse IA. »

Son conseil ? Rappelez-vous que la qualité d’une technologie d’apprentissage automatique se résume à la qualité des algorithmes et à la qualité des données. Les grandes entreprises ont plus de données. Plus de données signifie plus de revenus. Plus de revenus signifie de meilleurs talents et de meilleurs algorithmes.

Et bien sûr, les entreprises qui vendent de l’IA ont des antécédents et une liste de clients. Apprenez ce que vous pouvez d’eux.

Et après tout cela, si vous n’êtes toujours pas certain, il suffit de demander à la machine intelligente la plus proche.

Mike Cassidy est le principal conteur de Signifyd. Contactez-le à mike.cassidy@signifyd.com; suivez-le sur Twitter à @mikecassidy.