Si la passion pour la vision statistique de Vilfredo Pareto demeure vive, sa loi des 20/80 est modifiée en profondeur par l’Intelligence Artificielle et le machine learning… Sans pour autant que son approche ne soit remise en cause.

Nous connaissons tous plus ou moins la loi de Pareto, dite des 20/80, du nom de son géniteur, l’économiste italo américain Vilfredo Pareto. Le principe des 20/80 est que 80% des effet (ventes, revenus, etc.) proviennent de 20% des causes (produits, clients, etc.). Il s’agit d’une loi, non d’un théorème, c’est à dire qu’elle se vérifie mais ne se démontre pas.

Que devient la règle des 20/80 avec l’IA ?

La loi des 20/80 s’applique toujours au quotidien, et de plus en plus sans que nous le sachions, serions-nous tentés d’affirmer. Les algorithmes sont venus renforcer son usage. Les plateformes d’IA sont aujourd’hui des vecteurs Pareto qui analysent avec plus d’acquitté les variables de l’entreprise et les transforment en valeur. Nous sommes loin de la BI (Business Intelligence) où l’erreur n’est pas de mise. Aujourd’hui, la prise de décision s’est diversifiée et le moindre paramètre peut être détecté, comparé, retenu, et analysé.

Par contre, les distributions traditionnelles ont changé. Emergent en effet de nouveaux Paretos qui varient selon les données numériques, leur granulosité, leur découpage. Et avec plus d’agressivité dans les résultats. Au point que les 20/80 sont devenus un anachronisme empirique. Exit donc les 20/80 au profit des 10/90, 5/50, 2/30, 1/25, etc. Les données sont découpées numériquement, avec une rigueur qui change leur organisation et la pertinence du résultat. Par exemple, 10% des buveurs consommant 50% des alcools forts, ou encore 0,5% des joueurs mobiles sont à l’origine de 50% des revenus d’un jeu.

Pareto, IA et machine learning

Vient se greffer à l’IA le machine learning, l’auto-apprentissage de l’IA qui va fissurer algothmiquement le code en multipliant les ajustements pour favoriser les ordres de grandeur et l’impact de la donnée sur le business. Les possibilités se démultiplient, et avec elles les potentiels. Jusqu’à pousser l'entreprise à repenser fondamentalement ses stratégies. C’est ainsi que le traitement analytique de la donnée se concentre aujourd’hui sur les caractéristiques et les fonctions, plus que sur les produits eux-mêmes. Avec pour résultat une meilleure connaissance de l’expérience utilisateur et de la segmentation de la clientèle.

Dans le même temps, les données deviennent plus granulaires, ce qui permet aux algorithmes de traiter des modèles complexes de manière plus intelligente. C’est ainsi que, dans un ‘portefeuille Pareto’, KPI signifie « informations clés Pareto » et non plus seulement « indicateur de performance ». C’est d’autant plus important que l’IA, en affinant l’analyse et la segmentation, risque de favoriser les silos analytiques. L’approche Pareto a ici l’énorme avantage de demeurer transverse, et à ce titre de favoriser la combinaison et le chevauchement.

L’approche empirique Pareto

L’enchainement – repenser et dynamiser un lien Pareto à partir d’un autre lien Pareto – est une façon intelligente de décomposer et d’éclater les silos analytiques. C’est là qu’IA et machine learning offrent d’incroyables opportunités d’approfondir la loi de Pareto. Et de multiplier les initiatives analytiques intéressantes. Qui se traduiront en nouveaux clients, chiffre d’affaires et marges. A la condition aussi de faire preuve de créativité…

L’approche empirique des 20/80, avec la rédaction de scripts et de tests expérimentaux, a le mérite d’être simple, rapide, et pas cher. Les Paretos se révèlent ainsi des plus utiles. D’autant plus que la recherche ne porte pas sur les performances individuelles, mais sur les attributs collectifs. La multiplication des modèles vient compléter les résultats attendus et généralement maitrisés par les outils analytiques traditionnels.

Au final, avec l’IA, le modèle Pareto revient à appliquer les analyses Pareto sur l’analyse Pareto. La capacité de mieux prédire demain, et la possibilité de combiner des indicateurs de performance à travers l'entreprise, deviendront des sources de non seulement d’une plus grande efficacité, mais aussi des déterminants de perturbateurs de la création de valeur. Pour devenir plus intelligents, vos algorithmes comme votre entreprise vont devoir apprendre. Au sens de Pareto, qui finalement ne s’est jamais si bien porté !

Image d’entête 163918597 @ iStock sukmaraga