Les données comme fondement de l’IA
Pour une deuxième année consécutive, Spritz m’a invité à rejoindre sa délégation de French Canadians from Montreal pour participer à la conférence MAICON 2024, à Cleveland. Plongé depuis près de deux dans l’univers de l’intelligence artificielle, j’étais impatient de voir ce que les experts de l’application de cette technologie au marketing avaient accompli en une année. Conclusion, les choses ont beaucoup évolué depuis mes premiers moments en tête-à-tête avec le désormais archaïque ChatGPT 3.
Je me souviens encore de mes premières interactions avec le fameux chatbot d’OpenAI qui commençait à faire jaser autour de moi. Il n’a fallu que quelques requêtes pour me convaincre que j’avais entre les mains un outil révolutionnaire capable de répondre à TOUS mes besoins. Que ce soit pour concevoir une stratégie pour les réseaux sociaux, faire une analyse point par point des performances d’une campagne et en tirer des constats ou pour m’inventer une recette vide frigidaire combinant un yogourt et deux egg rolls, tout était maintenant aussi facile qu’une simple recherche Google.
Le choc de la réalité
La réalité, cependant, s’est avérée moins palpitante et l’enthousiasme initial a, avec le temps, fait place à l’agacement et au mécontentement. Les premières ébauches alors réalisées par ChatGPT étaient souvent beaucoup trop génériques quand elles n’étaient pas totalement incohérentes ou erronées. Ironiquement, il m’est arrivé à mes débuts de passer plus de temps à corriger les propositions de ChatGPT qu’à tout créer moi-même de A à Z.
C’est donc avec beaucoup d’amusement et un sentiment de déjà vu que j’ai reçu les propos de Katie Robbert, PDG de Trust Insights, qui a souligné lors de sa conférence que 77% des travailleurs ayant adopté des outils d’IA déclarent une charge de travail accrue. La réalité est que l’intelligence artificielle, bien que puissante, nécessite un ingrédient essentiel pour déployer tout son potentiel.
«Data! Data! Data! I cannot make bricks without clay.» – Sherlock Holmes
Parmi les nombreuses conclusions tirées de la conférence MAICON, notons que pour tirer le meilleur parti de l’intelligence artificielle, il faut des données de grande qualité. Dans le domaine du marketing, où l’IA est perçue comme une force de transformation, il est facile d’oublier que la qualité des analyses et des recommandations repose sur ce même élément si fondamental aux yeux du détective du 221B Baker Street: la donnée.
Un seul bémol: en marketing, la donnée n’est pas une empreinte digitale sur une poignée de porte ou des traces de pas dans un jardin. Dans un contexte d’intelligence artificielle appliquée au marketing, la donnée représente toute l’information que l’IA peut utiliser pour apprendre et pour comprendre son environnement afin d’accomplir une tâche. Il peut s’agir de chiffres (comme des statistiques de ventes ou des données démographiques) ou de textes (comme des descriptions de produits ou des commentaires de clients). Tant que l’information transmise est structurée et pertinente, elle permet à l’IA de saisir des nuances, de reconnaître des tendances et d’adapter ses réponses de manière plus précise et efficace.
La qualité des données, pour un assistant numérique plus humain
Andrew Davis a parfaitement illustré cette réalité avec son concept de doppelgänger numérique, le jumeau virtuel qui interagit de manière autonome et personnalisée en son nom. Andrew nous a expliqué comment son alter ego numérique, surnommé Drewdini, a réussi à engager une audience et à attirer des clients potentiels pendant qu’il présentait sa conférence en direct. La clé de cette réussite? Des données organisées et intégrées dans son système d’AI. Drewdini peut comprendre des demandes complexes et y répondre de manière pertinente parce qu’il a été conçu pour imiter l’essence même des interactions d’Andrew.
Cette personnalisation repose toutefois sur la qualité des données d’entraînement. Andrew a rappelé que, sans données bien calibrées, les réponses de l’IA peuvent paraître mécaniques et manquer de contexte. Dans le cas qui nous intéresse, les données représentaient l’ensemble des interactions et des textes conçus par Andrew dans un contexte précis, de sorte que Drewdini émule parfaitement ce qui fait qu’Andrew est Andrew.
Pour appuyer cette idée, le conférencier Keith Moehring a montré de son côté comment une IA entraînée à la génération de langage naturel pouvait aller jusqu’à transformer des tableaux de chiffres en rapports et en descriptions de produits, voire en textes créatifs. Son témoignage a souligné le potentiel d’un outil d’IA bien conçu pour comprendre son rôle et s’adapter au contexte.
Le retour aux sources pour un passionné de données
Cette édition de MAICON a entre autres confirmé ce que je tenais déjà pour acquis: en marketing, l’IA est aussi performante que les données qui l’alimentent. Que ce soit pour créer des interactions authentiques, générer du contenu ou simplifier des tâches complexes, la donnée est la ressource qui permet à l’intelligence artificielle de donner le meilleur d’elle-même. Comme l’aurait sans doute dit Sherlock Holmes, alimenter son IA avec plus de données est un choix élémentaire.