Les entreprises comme Amazon peuvent-elles réellement prédire nos désirs?

HIGH-TECH Grâce à la quantité incroyable de données numériques qui inondent le Web, les entreprises visent toutes le même objectif: parvenir à anticiper nos besoins et nos désirs…

Anaëlle Grondin

— 

Un centre d'envoi de commandes Amazon à San Bernardino en Californie
Un centre d'envoi de commandes Amazon à San Bernardino en Californie — Kevork Djansezian Getty

«Bientôt, les entreprises pourront connaître nos goûts et prédire nos habitudes mieux que nous ne les connaîtrons nous-mêmes». Charles Duhigg, journaliste au New York Times et auteur du livre The Power of Habit, annonçait déjà la couleur en 2012 dans un ouvrage très fouillé. Deux ans plus tard, à l’heure où la masse de données numériques sur les internautes croît à un rythme exponentiel (le fameux Big Data), cette tendance appartient de moins en moins au domaine de la science-fiction.

En décembre, le géant du commerce en ligne américain Amazon a déposé un brevet pour se lancer dans la «livraison anticipée»: pour gagner du temps, l’entreprise veut pouvoir commencer à préparer votre colis avant même que vous ayez validé votre commande. Un projet qui illustre une volonté croissante des entreprises de devancer les besoins des consommateurs, voire leurs désirs, avant même qu’ils ne l’expriment ou en aient conscience.

Connaître tout ce qu’il est possible de savoir sur vous

Pour cela, elles s’appuient de plus en plus sur ce que l’on appelle «l’analyse prédictive»: passer au crible une masse de données et des performances passées pour estimer la probabilité qu’un client montre un comportement spécifique dans le futur, explique Bruno Teboul, enseignant à l’université Paris Dauphine et auteur du livre L’Absolu Marketing. Grâce à des techniques issues des statistiques, de l’extraction de données et de la théorie des jeux qui analysent des faits passés et présents pour faire des hypothèses, il devient possible de cibler un consommateur en temps réel sur Internet. Et de lui proposer immédiatement le produit qui pourrait l’intéresser à ce moment-là. Une enseigne peut par exemple deviner qu’une internaute vient d’apprendre sa grossesse et lui proposer des vêtements adaptés à la maternité.

«Les prédictions sont d’autant plus pertinentes quand le volume de données est important», précise François Hanat, expert de Cap Digital. Pour être efficaces, les entreprises cherchent donc à connaître tout ce qu’il est possible de savoir au sujet d’une personne. S’il est a priori interdit en France d’utiliser certaines données «sensibles» comme la géolocalisation ou les conversations sur les réseaux sociaux, certaines firmes américaines le font déjà pour proposer des produits qu’une personne est sûre d’aimer ou qui se trouvent autour d’elle à un instant t.

«Des bases scientifiques extrêmement solides»

Mais ces techniques sont-elles infaillibles? Des sociétés de commerce en ligne peuvent-elles réellement anticiper nos désirs en appliquant des formules qui ne prennent pas en compte la complexité du cerveau humain? «La réponse est inquiétante, mais les chiffres montrent que oui», affirme François Hanat.

Concernant la livraison anticipée d’Amazon, par exemple, il pense que «c’est tout à fait envisageable dans la mesure où la firme peut savoir que le curseur d’une personne reste trois minutes sur un produit». Bruno Teboul est aussi formel: «Amazon est capable de le faire au niveau algorithmique. Il y a des bases scientifiques extrêmement solides.» Il émet toutefois des doutes quant à l’équation économique (stockage des produits dans un hub dédié, retours clients…) et à l’approbation par le public de cette manière de fonctionner. De son côté, Nicolas Giard, enseignant à la Skema Business School de Lille pour le master spécialisé marketing et commerce électronique, nuance: «Les entreprises vont chercher la performance en essayant d’être le plus pertinent possible. Mais on se trompe encore».

Comportements homogènes et profils

Tinyclues, start-up parisienne spécialisée dans le «big data prédictif», travaille sur la newsletter du site PriceMinister. Grâce à elle, l’équipe marketing du groupe peut identifier, en quelques minutes, un public bien précis pour l’envoi ciblé d’un e-mail commerçant (qui entraînera un achat). Jakob Haesler, l’un des cofondateurs de l’entreprise, explique comment elle procède: «Pour prédire l’achat d’un produit, la plateforme trouve d’abord les acheteurs récents dudit produit; puis, à l’aide de nos algorithmes, elle identifie les inscrits de la base qui leur ressemblent, ce qui permet de sélectionner ceux qui s’intéressent vraiment au produit». L’idée est de classifier les comportements homogènes et les profils. Il poursuit: «Plutôt que d’envoyer un mail à tout le monde, on peut prédire qui sont les 10 % qui vont faire 80 % des ventes.»

Pour Bruno Teboul, «envoyer à un consommateur le bon message au bon moment en utilisant le bon canal, c’est le Graal», la formule gagnante pour réussir. Mais à quel prix? Nicolas Giard souligne: «Toute la problématique c’est de parvenir à le faire en respectant la volonté et la vie privée du consommateur». Un équilibre qui paraît bien compliqué à atteindre.