Les challenges numériques sont des concours, sur la base du modèle des enchères. La finalité des concours est de résoudre un problème à partir des données. Le traitement des données repose souvent sur de l’analyse prédictive avec l’usage d’outils d’intelligence artificielle, comme le machine learning (apprentissage automatique) ou le deep learning (apprentissage profond). Le ou les vainqueurs, proposant la meilleure solution, sont récompensés par une prime d’incitation (Morgan, 2008). En plus, un système de classement permet de renforcer la réputation des participants au sein de la communauté des datascientists.

Parmi les différents challenges organisés cette année par Management & Data Science , celui sur les services de mobilités était remarquable à plus d’un titre. L’objet du challenge était le suivant : « L’un des leaders européens du télépéage souhaite valoriser de nouveaux services de mobilité. Pour ce faire, il lance un challenge. La mission : Trouver le meilleur segment client et préconiser un service adapté pour le valoriser ». Avec le soutien de l’ADETEM (le 1er réseau des professionnels du marketing en France), l’entreprise sponsor du challenge (Bip&Go) a fourni les données pour résoudre le défi. Il s’agissait d’une base de données ouvertes et anonymes qui regroupait de nombreuses informations sur ses clients (profil, transactions, comportement, services consommés,…). La base de données comptait 1 500 000 clients et plus de 10 millions d’observations.  

Le challenge a mobilisé 28 équipes de professionnels, chercheurs et étudiants, passionnés par le data marketing. Les données étant volumineuses, elles ont été analysées à partir d’outils d’intelligence artificielle. Toutes les propositions ont été évaluées et classées. Les 4 meilleures propositions sont allées en finale. Les candidats finalistes ont présenté leurs résultats à un jury. Les équipes gagnantes se sont partagées un prix de 6000 euros, ainsi qu’une couverture média.

Les contributions les plus intéressantes de ce challenge, font l’objet de publications au sein du Volume 3 Numéro 3 de la revue Management & Data Science. Dans un article scientifique, Kathleen Desveaud (Toulouse School of Management) et Jean Mallol (FDTI Consulting) présentent les enjeux et les difficultés dans la création et l’analyse d’une base de données clients. Une équipe de collaborateurs du groupe Total (Grégory Wallace, Bruno Van-Dunem Martins et Agathe Fonsagrives) préconise, dans leur étude de cas sur les services de mobilité, de mettre en avant les femmes et les millénials d’abord. Enfin, Stéphane Chauvin (Mydataball) propose, dans une autre étude de cas, une technique de détection de connaissances par les règles.

Toutes ces publications sont la preuve qu’un data challenge est un dispositif de création de connaissances qui s’inscrit dans une démarche d’innovation ouverte (Chesbrough, 2003). En fait, le data challenge est un mécanisme de transfert de connaissances, capable à la fois: de réduire les coûts de transaction, d’améliorer la capacité d’absorption des informations et de garantir les droits de propriété intellectuelle. Il permet, ainsi, d’améliorer la coordination des acteurs, la création et la valorisation des connaissances nécessaires à toute innovation.

Bonne lecture du Volume 3 Numéro 3.