APPA : Un modèle d'Analyse Prescriptive ProActive de données commerciales

Les courants théoriques de recherche sur les SI sont de deux types : ceux relevant du paradigme behavioriste, pour lequel il importe de comprendre les phénomènes humains et organisationnels mis en œuvre dans l'usage des technologies de l'information, et ceux relevant du paradigme des sciences du design, centrés sur la résolution de problèmes, la création d'innovations et la conception d'artefact (March and Smith 1995). Le travail présenté ici relève du paradigme des sciences du design. Nous utilisons d'abord le cadre de recherche proposé par Hevner et al (2004) pour situer nos travaux. Nous présentons ensuite un artefact ayant pour but de produire une valeur ajoutée aux techniques et méthodologies classiques d'exploitation de bases de données par les méthodes d'apprentissage statistique. En effet, l'analyse prédictive adaptée à des bases de données commerciales commence à atteindre un plateau (Hand, 2006) en terme d'utilité et de performance. Nous présentons dans ce travail une méthode, que nous appelons algorithme APPA, permettant d'aller au-delà des analyses prédictives classiques. Cette méthode permet, dans un premier temps, d'identifier les individus sur lesquels des actions spécifiques peuvent être menées pour les acheminer depuis un groupe défavorable en regard de l'objectif commercial vers un groupe favorable et ensuite de déterminer un chemin optimal personnalisé, selon des critères de coûts et de probabilités d'appartenance à ce groupe favorable.