La lecture d’un livre sur les mathématiques est source de plaisir mais évidemment d’inattendu ! Celui de Mickaël Launay n’échappe pas à la règle et vous devez absolument le découvrir. Pourquoi ?

D’abord parce que si l’on avait eu la chance ou l’obligation de lire « Le grand roman des maths » aux enfants avant leur entrée au collège, nous aurions de bien meilleurs résultats. Mais je ne suis pas là pour réformer l’enseignement. D’éminents penseurs s’en chargeront, à moins que ce ne soit simplement la puissance du digital qui prenne la main, ainsi que la chaîne Youtube de Mickael le sous-entend.

Mon propos ici est relatif à nouveau au problème de la causalité en marketing. Etrange non ? Quel rapport entre les maths et le marketing ? Certains voudraient nous faire croire que le Big Data est la nouvelle potion magique et que tout va s’expliquer à grand renfort d’algorithmes en tout genre (n’est–ce pas mon JP). C’est aller un peu vite sur le dangereux chemin de la conjecture, me diriez-vous, si vous étiez un tant soit peu rigoureux. Car posons-nous la question autrement : qu’est-ce que la data pourrait bien démontrer au sens mathématique de la démonstration ? La réponse est : rien !

Ainsi lorsque la Data nous permettrait d’affirmer une quelconque causalité reliant des informations disparates entre elles, cela ne serait guère suffisant, et même très loin d’apporter la moindre preuve d’une réalité incontestable. Ce que nous autorisent la modélisation et les calculs probabilistes, sont au mieux des approximations dignes des intuitions extraordinaires des inventeurs de la corde à 13 nœuds. Je vous prends deux minutes d’attention (que je souhaite maximum) pour citer le livre : d’une part, calcul nous vient du latin calculi qui signifie petits cailloux (permettant de compter), d’autre part la corde à 1 » nœuds est l’instrument de tous les géomètres de l’antiquité au moyen âge, qui leur permettait de produire un angle droit tiré du fameux triangle rectangle 3, 4, 5 (longueurs qui misent au carré donne 9 + 16 = 25 – ceci avant l’invention du fameux théorème de Pythagore).

Mais revenons à nos moutons, si j’ose dire (puisque les nombres ont été inventés pour les compter). Pour démontrer quoi que ce soit en mathématiques (y compris une causalité), il convient de partir d’axiomes ou de résultats préalablement issus d’autres démonstrations. Lesquelles sont incontestables et surtout valables pour une infinité de cas. Les axiomes eux-mêmes sont établis sur des fondements élémentaires tels qu’Euclide les a décrits et qui par exemple, énonce ce qu’est un point (oui vous pouvez chercher… un point est un élément de langage parfaitement abstrait – le point n’existe pas). L’essence même des mathématiques est l’abstraction du réel. Tous les théorèmes sont en conséquence abstraits. Ce que n’est précisément pas la Data (big ou non).

Ainsi il me semble évident, que lorsque le mathématicien redoute qu’un de ces confrères découvre un nouveau théorème remettant en cause un axiome utilisé par ailleurs, c’est parce que bizarrement il sait que de nombreuses découvertes restent à faire. Cédric Villani, dont on a déjà évoqué les travaux ici, ne peut le contester, certaines avancées dans la recherche mathématique vont effacer des tablettes de belles certitudes non démontrées (ou démontrées en s’appuyant sur des axiomes faux).

Serait-il simplement possible dans ces conditions, d’imaginer que le marketing soit une science ? On voit bien ici que c’est tout le contraire. Le marketing tire sa force de ce qu’il est intuitif et fait appel à notre imagination.

J’accepte que la Data serve au marketing. Comment faire autrement ? La data permet de vérifier le sens des actions élaborées, de valider les choix et les comportements du consommateur, de percevoir des tendances ou même des signaux faibles (pour ceux qui voudraient sortir de la moyenne). Compiler, rassembler de grandes quantités d’information, voire les analyser, est infiniment utile. Cela permet bien entendu d’affiner les modèles et leurs résultats. Mais de les affiner seulement, et encore, à la condition que les hypothèses de départ soient fondées. La Data n’est qu’une observation de la réalité. Développer notre sens de l’observation est une compétence nécessaire à la pratique du marketing. Au mieux de nos capacités, l’observation (qui par principe est une vision du passé) nous conduirait vers une conjecture.

Je ne crois pas que la Data soit suffisante. Ni d’ailleurs que le marketing ait particulièrement besoin de démonstration mathématique. Il n’y a guère de constante ou de résultat absolu et généralisé en marketing. Alors pourquoi vouloir à tout prix modéliser et uniformiser, tandis que le client souhaite pour sa part, être unique et compris comme tel ? Les sondages sont un exemple frappant de cette folie de la modélisation (pourquoi faudrait-il modéliser l’opinion, cette chose mouvante et inconsistante à la fois ?) : ils sont faux dès la minute qui suit leur publication (ne serait-ce que parce que leur publication a un impact sur ladite opinion). Les études de marché suivent le même chemin vers l’échec et l’accélération du temps et l’instabilité croissante des décisions des consommateurs, n’arrangent rien.

D’ailleurs, la thèse de doctorat de Mickael porte sur les probabilités et c’est un vrai plaisir de lire les avancées réalisées en la matière. Tout reste cependant à découvrir et les certitudes mathématiques sont plutôt remplies d’aléas. A ce sujet, on notera avec intérêt que la victoire de AlphaGo contre le meilleur joueur de Go en 2016 tient à ce que la programmation de l’Intelligence Artificielle de l’ordinateur prévoyait justement une part aléatoire dans le choix des coups à jouer. C’est ce qui a permis à l’ordinateur d’être « créatif » et de surprendre son adversaire par un coup génial – c-a-d – imprévu !

Aussi je continue de penser que la Data (Big en particulier), ne nous donnera que très peu d’idées. En revanche, elle permettra sans aucun doute de valider certaines intuitions et d’optimiser nos décisions. La Data ne transformera pas un âne en cheval de course. Elle peut néanmoins, permettre à un cheval de course d’être plus performant. Ce qui a fait le génie de Steve Jobs ou celui d’Elon Musk, n’est pas dans la Data. C’est leur formidable vision, intuition de ce que le monde pourrait être demain qui nous inspire.

Etre remarquable, être différent des autres, ne peut venir de la Data. Vouloir nous le démontrer est une forme d’arrogance. Rien ne sera démontré par la Data.