"L'Analyste." La forme la plus ancienne et la plus mature.

Traditional AI apprend des patterns à partir de données structurées historiques et prédit ce qui va se passer, ou classifie ce qui vient de se passer. Déterministe, auditable, étroit. Alimente la majorité de votre BI actuelle.

Données structurées en entrée. Prédiction structurée en sortie.

Enregistrements CRM, données capteurs, logs, formulaires. Nourris à des algorithmes comme la régression, les arbres de décision, random forests ou XGBoost. La sortie est un score de risque, un drapeau d'anomalie, un chiffre prévu. La même forme, chaque fois. Cette prévisibilité, c'est la valeur.

Où vous le rencontrez.

Là où il gagne sa place

  • Prévision de demande sur volumes logistiques
  • Détection de fraude et d'anomalies sur factures électroniques
  • Classifieurs qualité sur données opérationnelles
  • Modèles de probabilité de churn client

Ce qui le fait marcher

  • Données d'entraînement propres et labellisées
  • Entrées stables qui ne dérivent pas
  • Une définition claire du "succès"
  • Cycle de réentraînement défini d'avance

À surveiller

  • Données d'entraînement obsolètes (l'échec le plus courant)
  • Biais hérités de l'histoire
  • Sorties opaques du classifieur
  • Pas de gouvernance sur le réentraînement

Quand l'a-t-on réentraîné pour la dernière fois ?

Un modèle entraîné sur des volumes 2019-2022 lit un marché post-2024 de travers, systématiquement. Planifiez les cycles de réentraînement dans votre gouvernance. C'est de loin l'échec de production le plus courant.

Vous voulez la version boardroom de ça ?