Introduction à l’intelligence décisionnelle

L’intelligence décisionnelle est une nouvelle discipline universitaire qui s’intéresse à tous les aspects de la sélection d’une option parmi plusieurs (faire un choix). Elle regroupe les éléments de la science des données appliquées, des sciences sociales et de la gestion dans un domaine unifié. L’objectif de l’intelligence décisionnelle est d’aider les humains à utiliser les données pour améliorer leur vie, leur entreprise et le monde qui les entoure. C’est une science vitale pour l’ère de l’AI, qui couvre les compétences nécessaires pour diriger les projets d’AI d’une manière responsable et pour concevoir des mesures  pour l’automatisation à grande échelle.

Qu’est-ce qu’une décision?

Les données représentent une richesse, mais ce sont les décisions qui sont importantes. C’est grâce à nos décisions et nos actions que nous influons sur le monde qui nous entoure.

Nous définissons le mot « décision » comme une sélection d’option parmi d’autres disponibles.

Dans cette terminologie, étiqueter une photo comme chat ou non chat est une décision exécutée par un système informatique, tout en déterminant si le lancement de ce système était une décision prise d’une manière réfléchie par l’humain responsable de cette tâche.

Qu’est-ce qu’un décideur ?

Dans notre langage, un “decision maker” ou décideur n’est pas l’intervenant ou l’investisseur qui intervient à l’opposition de l’équipe du projet, mais, plutôt la personne responsable de l’architecture décisionnelle et du cadrage du contexte. En d’autres termes, un créateur d’objectifs méticuleusement formulés par opposition à leur destructeur.

Qu’est-ce que la prise de décision?

La prise de décisions est un mot qui est utilisé différemment par différentes disciplines, de sorte qu’il peut faire référence à :

• Passer à l’action suite à un choix d’option lorsqu’il y en avait plusieurs options (en ce sens, il est possible de parler de la prise de décisions par un ordinateur).
• Remplir les fonctions d’un décideur (humain), dont une partie consiste à assumer la responsabilité des décisions. Même si un système informatique peut exécuter une décision, il ne sera pas considéré comme un décideur parce qu’il n’assume pas la responsabilité de ses résultats.  Cette responsabilité repose carrément sur des humains qui l’ont créé.

La taxonomie de l’intelligence décisionnelle

Une manière d’aborder l’apprentissage de l’intelligence décisionnelle est de la décomposer selon les lignes traditionnelles en aspects quantitatifs (qui se chevauchent en grande partie avec la science des données appliquées) et qualitatifs (développé principalement par des chercheurs en sciences sociales et managériales).

Côté qualitatif : Les sciences de la décision

Les disciplines qui composent le côté qualitatif ont traditionnellement été appelées les sciences de la décision.

Les sciences décisionnelles se préoccupent de questions comme :

• Comment devriez-vous établir des critères de décision et concevoir vos mesures(métriques)?
• Est-ce que la métrique que vous avez choisi est compatible?
• À quelle pourcentage devriez-vous prendre cette décision et combien devriez-vous payer pour obtenir des renseignements utiles? » (Analyse de la décision)
• Comment les émotions et les préjugés jouent-ils dans la prise de décisions?» (Psychologie)
• Comment les facteurs biologiques comme les niveaux de cortisol influent-ils sur la prise de décisions? (Neuroéconomie)
• Comment la modification de la présentation de l’information influence-t-elle le comportement de choix?(Économiquement parlant)
• Comment optimisez-vous vos résultats lorsque vous prenez des décisions dans un contexte de groupe?  (Théorie expérimentale des jeux)
• Comment conciliez-vous les nombreuses contraintes et les objectifs en plusieurs étapes dans la conception du contexte décisionnel?  (Conception)
• Qui connaîtra les conséquences de la décision et comment les divers groupes percevront-ils cette expérience?(Expérience utilisateur (UX) )
• L’objectif de la décision est-il éthique?  (Philosophie)

Ce n’est que quelques lignes,  il y en a beaucoup plus! C’est aussi loin d’être la liste complète des disciplines concernées. Imaginez la science de la décision comme si elle traite la configuration de décision et le traitement de l’information dans sa forme de stockage floue (le cerveau humain) plutôt que le traitement de l’information soigneusement conservé dans le stockage semi-permanent (sur papier ou électroniquement) que nous appelons données.

Le problème avec le cerveau

Au siècle précédent, il était à la mode de faire l’éloge à tous ceux qui ont empaillé un gros tas de maths dans une entreprise humaine,  sans méfiance. Une approche quantitative est généralement préférable, mais il y a moyen de faire encore mieux.

Les stratégies basées sur la rationalité mathématique pure sans aucune compréhension qualitative de la prise de décision et le comportement humain peuvent être considéré assez naïf et ont tendance à être beaucoup moins performant qu’aux comportements basés sur des aspects quantitatifs et qualitatifs.

Les humains ne sont pas optimistes, nous sommes satisfaits, qui est un mot fantaisiste pour les gens qui sont assez satisfait par opposition à la perfection.

En réalité, nous,  les humains, utilisons tous l’heuristique cognitive pour gagner du temps et de l’ efforts. C’est souvent une bonne chose; L’élaboration du chemin de course parfait pour s’éloigner d’un lion dans une  savane nous ferait manger avant que nous ayons à peine commencé notre calcul. La satisfaction réduit aussi le coût de la vie, ce qui est tout aussi bien, puisque nos cerveaux sont ridiculement avides de pouvoir.

Maintenant que la plupart d’entre nous ne passent pas ses journées à fuir les lions, certains de nos chemins mènent à des résultats prévisibles. Nos cerveaux ne sont pas forcément optimisés pour l’environnement moderne. Comprendre la manière avec laquelle  l’humain transforme l’information en action permet d’utiliser des processus de décision pour nous protéger des lacunes de notre propre cerveau. Il nous aide également à construire des outils qui augmentent notre performance et adapte notre environnement à notre cerveau.

Au fait, si vous pensez que l’AI retire l’humain de l’équation, réfléchissez encore ! Toute la technologie est le reflet de ses créateurs et des systèmes qui fonctionnent à grande échelle et qui peuvent amplifier les lacunes humaines, ce qui est l’une des raisons pour lesquelles le développement des compétences en intelligence décisionnelle est très nécessaire.

Peut-être que tu ne prends pas de décision!

Parfois, en réfléchissant soigneusement à vos critères de décision, vous vous rendez compte qu’il n’y a aucun dans le monde qui vous ferait changer d’avis. Vous avez déjà choisi votre action et maintenant vous cherchez simplement un moyen pour vous sentir mieux. C’est une réalisation utile qui vous empêche de perdre plus de temps et vous aide à rediriger votre malaise émotionnel.

À moins de prendre des mesures différentes en réponse à des faits encore inconnus, il n’y a pas de décision.  Bien que, parfois, la formation en analyse des décisions vous aide à voir ces situations plus clairement.

Prise de décision en contexte d’une information parfaite

Maintenant, imaginez que vous devez soigneusement mettre en place une décision qui a des effets  sensibles et que vous pouvez claquer vos doigts pour voir l’information factuelle qu’elle vous faut pour exécuter cette décision. Donc, à quoi sert la science des données? Voilà, vous avez la réponse.

Il n’y a jamais rien de mieux qu’un effet, un résultat d’une action exécutée que vous savez avec certitude. En étant des humains, nous préférons donc toujours prendre des décisions fondées sur des effets, si nous les avons biensur. C’est pourquoi le plus important est de déterminer comment nous voulons traiter les effets. À quelles utilisations parmi les suivantes souhaiteriez-vous mettre votre information idéale?

Qu’est ce que vous pouvez faire avec les effets(les résultats d’une décision)?

Vous pouvez utiliser les effets pour:

• Prendre une seule décision importante. Si c’est assez important, vous devrez vous appuyer fortement sur le côté qualitatif des éléments pour encadrer votre décision judicieusement.
• Assurer vos opinions (« Je m’attends à ce qu’il fasse beau à l’extérieur » devient « Je sais qu’il fait beau à l’extérieur »).
• Automatiser un grand nombre de décisions. Dans la programmation traditionnelle, un humain spécifie l’ensemble des instructions pour convertir les entrées en actions appropriées, éventuellement impliquant quelque chose comme une table de recherche.
• Générer une solution optimale à un problème d’automatisation qui est parfaitement résoluble. C’est l’optimisation traditionnelle. Vous trouverez de nombreux exemples dans le domaine de la recherche opérationnelle, qui traite, entre autres choses, de la façon de démêler les contraintes pour obtenir le résultat idéal, comme le meilleur ordre dans lequel accomplir une série de tâches.
• Inspirer la façon dont vous aborderez les prochaines décisions importantes. Cela fait partie de l’analyse, qui appartient également à la section sur l’information partielle. Retenez cette pensée!
• Et d’autres…

Avec la formation en sciences décisionnelles, vous apprenez à réduire l’effort qu’il faut pour prendre des décisions rigoureuses fondées sur les effets, ce qui signifie que la même quantité de travail vous permet maintenant de prendre des décisions de meilleure qualité partout. C’est une compétence très précieuse, mais il faut beaucoup de travail pour la perfectionner.

Collecte des données et ingénierie des données

Si nous avions les effets, nous aurions déjà terminé. Hélas, nous vivons dans le monde réel et nous devons souvent travailler pour obtenir nos renseignements. L’ingénierie des données est une discipline sophistiquée axée sur la disponibilité fiable de l’information à grande échelle. Comme il est facile de se rendre à l’épicerie pour une pinte de crème glacée, l’ingénierie des données est facile lorsque toutes les informations pertinentes disponibles s’insèrent dans une feuille de calcul.

Les choses se compliquent lorsque vous commencez à demander la livraison de 2 millions de tonnes de crème glacée… là où il est interdit de fondre! Les choses deviennent encore plus compliquées si vous devez concevoir, mettre en place et entretenir un énorme entrepôt et que vous ne savez même pas ce que l’avenir vous demandera de stocker ensuite, peut-être quelques tonnes de poisson, peut-être du sucre… bonne chance!

L’ingénierie des données est une discipline distincte et clé de la décision intelligente, les sciences de la décision comprennent l’expertise qui consiste à conseiller la conception et la conservation des effets.

Côté quantitatif : science des données

Lorsque vous avez encadré votre décision et que vous recherchez tous les effets possibles dont vous avez besoin, que ce soit à l’aide d’un moteur de recherche ou d’un analyste (jouant le rôle d’un moteur de recherche humain pour vous), il ne vous reste plus qu’à exécuter votre décision. Vous avez terminé! Aucune science de données fantaisie nécessaire.

Et si, après tout ce travail, les effets fournis ne sont pas ceux dont vous avez idéalement besoin pour votre décision ? Et si ce ne sont que des faits partiels ? Peut-être voulez-vous les effets de demain, mais vous avez seulement le passé pour vous informer.  Vous voulez peut-être savoir ce que tous vos clients potentiels pensent de votre produit, mais vous ne pouvez en demander qu’une centaine. Alors vous faites face à l’incertitude! Ce que vous savez n’est pas ce que vous pensez que vous saviez. Entrez la science des données!

Naturellement, vous devriez vous attendre à ce que votre approche change lorsque les effets que vous avez ne sont pas ceux dont vous avez besoin. Peut-être sont-ils une pièce de puzzle d’un autre puzzle beaucoup plus grand (comme avec un échantillon d’une plus grande population). Peut-être qu’ils sont le mauvais puzzle, mais le meilleur que vous avez (comme l’utilisation du passé pour prédire l’avenir). La science des données devient intéressante lorsque vous êtes obligé de faire des bonds au-delà des données… mais faites attention!

Vous pouvez utiliser des effets partiels pour:

• Prendre une seule décision prédéfinie comme importante avec inférence statistique, en complétant l’information que vous avez avec des hypothèses pour voir si vous devriez changer votre action. Il s’agit de statistiques fréquentistes (classiques).
• Mettre à jour des opinions en opinions plus éclairées (mais encore imparfaites et personnelles). Il s’agit de statistiques bayésiennes.
• Automatiser un grand nombre de décisions. Il s’agit d’une programmation traditionnelle qui utilise quelque chose comme une table de consultation où vous convertissez quelque chose que vous n’avez jamais vu auparavant en la chose la plus proche que vous avez, puis procédez comme d’habitude. (C’est ce que k-NN fait en un mot… et cela fonctionne généralement mieux quand ce mot contient plus de choses.)
• Inspirer une solution d’automatisation. En voyant les faits partiels au sujet du système, vous pouvez toujours écrire du code en fonction de ce que vous voyez. C’est de l’analyse.
• Générer une solution à un problème d’automatisation imparfaitement solvable de sorte que vous n’avez pas à venir avec elle vous-même. C’est l’apprentissage automatique et l’intelligence artificielle.
• Inspirer la façon dont vous aborderez les décisions importantes à venir. C’est de l’analyse.
• Prendre des décisions non encadrées, mais soyez conscient que la qualité est encore plus faible que lorsque vous utilisez les faits négligemment, parce que ce que vous savez réellement est une étape éloignée de ce que vous souhaitez savoir.

Pour toutes ces utilisations, il y a plusieurs manières d’intégrer l’intelligence dans une variété de disciplines auparavant cloisonnées pour aborder la prise de décisions efficace. C’est ça, l’intelligence décisionnelle ! Elle réunit diverses perspectives sur la prise de décisions pour nous rendre tous plus forts, et nous donner une nouvelle voix, libre des contraintes traditionnelles de leurs domaines d’études d’origine.

A lire aussi:

• Tout ce que vous devez savoir sur L’intelligence Artificielle
• Intelligence artificielle