Cartographie et donnée : les deux font la paire

1. Cartographie et donnée, une complémentarité naturelle

La cartographie reste avant tout un moyen de représenter spatialement des données choisies par un utilisateur ou un commanditaire, dont le but est de visualiser géographiquement un ensemble d’informations diverses à un instant T : un état local de marché, l’implantation de la concurrence ou de ses propres moyens de production, la simulation d’hypothèses crédibles ou non… La finalité d’une bonne carte statistique est de révéler des évidences et de rendre la prise de décision éclairée pour tout décideur économique.

La cartographie statistique est considérée comme le complément parfait de la donnée, comme le souligne Hélène Ivanoff, CEO de Complex Systems (rebaptisée SPINDATA) l’un des acteurs majeurs du data marketing en France : « Les données prennent vie sur les cartes, c’est une vision complètement différente et assez fascinante, il faut l’avouer » [1]. La donnée, qu’elle soit issue de sources internes (CRM, données clients…) ou externes (open data, INSEE…), demeure le carburant essentiel à tout logiciel de cartographie statistique. Ce dernier la détecte, l’intègre, la transforme et la restitue intelligemment dans un but précis défini par l’utilisateur final.

2. Cartographie et donnée au service de l’analyse prédictive

Devant le foisonnement des modèles prédictifs, il n’est pas inutile de rappeler la leçon du statisticien anglais George Box : « Tous les modèles prédictifs sont faux mais certains sont utiles ». Le seul critère valable qui permet de juger un modèle reste sa pertinence. Il est considéré utile lorsqu’il permet par exemple d’accroître le chiffre d’affaires, de favoriser la consommation, de redéployer efficacement la force de vente, de fidéliser la clientèle ou de prévenir son départ. Le moins que l’on puisse dire c’est qu’il est aujourd’hui, sur le plan sémantique tout du moins, prématuré de parler de cartographie prédictive, car cette notion ne recouvre pas de réalité palpable.

Cas concret : dans le secteur du transport ferroviaire, la SNCF utilise le logiciel Articque Map [2] dans le but de déterminer la récurrence et la géolocalisation de phénomènes passés (intrusions, oublis de bagage, vols, contrôles, etc.). L’entreprise française optimise ainsi la sécurisation de ses locaux (quais et halls de gare entre autres) et le déploiement de ses agents en cas d’incident.

3. L’expérience utilisateur comme point cardinal

Jérôme Guyot, directeur produit chez Articque, utilise une métaphore pour cibler l’enjeu des prochaines années dans le domaine de la cartographie statistique : « Dans cet océan de données disponibles qu‘est le big data, la donnée est une goutte d’eau. Il faudra aider l’utilisateur à trouver cette goutte d’eau et, mieux encore, lui suggérer ».  Cette exigence façonnera l’interface et les fonctionnalités des logiciels cartographiques de demain. En découleront, avec l’aide de l’intelligence artificielle, certaines fonctions garantissant à l’utilisateur à la fois de :

• rester maître du message qu’il souhaite faire passer
• s’affranchir des contraintes techniques
• réduire le temps de construction au bénéfice de celui de l’analyse

L’IA aura un rôle prépondérant à plus d’un titre, grâce à son apprentissage progressif des règles métiers (machine learning) et à la gestion d’un tableau de bord intuitif :

• soumettre en entrée les données les plus intéressantes dans la base de l’utilisateur afin d’améliorer les résultats de l’analyse
• suggérer en temps réel des représentations pertinentes en fonction de l’avancement du travail, comme le fait l’interface d’administration du logiciel Cartes & Données : l’outil baptisé « Suggestion » (symbolisé par une baguette magique, qui n’est pas celle de Merlin) attire l’attention de l’utilisateur lorsque certaines améliorations sont susceptibles d’être apportées
• rappeler si besoin les bonnes pratiques du logiciel à privilégier
• proposer un niveau d’analyse géographique pertinent (choix de la maille géographique)
• construire rapidement des tables de correspondance entre les différents niveaux
• transférer les données sans déperdition d’informations (dans le cas de la superposition de plusieurs couches d’analyse)
• dans le moteur de recherche du logiciel, créer un cocon sémantique et des associations lexicales pour approfondir l’analyse (exemple avec les mots clés « Alzheimer » et « personnes âgées »)

La liste de tâches réalisables par l’IA n’est ni exhaustive ni limitée. Tout dépend de l’imagination de son éditeur et des possibilités qui lui sont offertes sur le plan technologique (la capacité de stockage et de traitement des serveurs est par exemple un élément clé à prendre en considération). Dans cette vision des choses, l’aspect humain demeure primordial : il s’agira de placer l’utilisateur dans les meilleures conditions d’exploitation du logiciel cartographique afin d’obtenir le plus facilement possible le meilleur résultat, en prenant en compte la qualité, la diversité et la complexité des données. Le logiciel cartographique de demain sera également capable de proposer instantanément une réponse pertinente à une requête écrite ou vocale (« Où dois-je placer mon nouveau magasin pour optimiser mon chiffre d’affaires ? »).