La démultiplication des outils de collecte de données (comme le web ou nos téléphones mobiles qui enregistrent très facilement nos déplacements, mais également nos actions, nos relations…) et l’amélioration des outils d’analyses de données offrent aux entreprises des moyens marketing de plus en plus inédits, estime Lee Gomes pour la Technology Review. Et de donner un exemple simple et frappant : celui des Giants de San Francisco, l’équipe de baseball américain championne du monde et championne de la ligue nationale, qui a mis en place une tarification dynamique mise au point par Qcue, permettant de modifier le prix des billets en fonction de la demande, et ce, jusqu’à la dernière minute. L’idée étant d’adapter les tarifs à la demande pour éviter la mévente et mieux exploiter les phénomènes d’enchères (qui profitent plutôt au marché noir). Une tarification dynamique qui a permis une augmentation du chiffre d’affaires du club de 6 % en 2010.

Vers le commerce algorithmique

La tarification dynamique est bien connue des sociétés de transports qui vous proposent des tickets moins chers si vous réservez longtemps avant la date de votre voyage. Mais les logiciels sont désormais capables de prendre en compte de plus en plus de données pour faire évoluer les prix en temps réel. Tant et si bien que cette capacité d’analyse de grands volumes de données (appelée la science des Big Data) a été analysée par des consultants du Credit Suisse comme « la plus significative révolution informatique de ces 20 dernières années ». Les grandes entreprises de l’informatique comme IBM, Oracle ou Hewlett-Packard s’arrachent à prix d’or les start-ups du secteur comme CalmSea, qui vend un logiciel permettant aux détaillants de glaner des indications sur les réseaux sociaux pour proposer des offres plus adaptées aux clients fidèles ou lancer des offres marketing plus fines.

La tarification ou la recommandation dynamique annoncent l’arrivée du commerce algorithmique, un commerce où le prix est décidé par les données et les algorithmes…

Les raisons de la révolution

Dans un monde où les données se démultiplient, les entreprises essayent de comprendre comment extraire de la valeur de toutes les données qu’ils recueillent. Selon Lee Gomes, cette nouvelle science des données est rendue possible, par le fait que les bases de données et outils d’analyses ont été entièrement repensés ces dernières années ce qui a permis d’améliorer considérablement leurs performances et de réduire la mémoire qu’ils nécessitaient pour fonctionner. Ensuite, c’est l’amélioration de la gestion des serveurs et du stockage à grande échelle, initiée par les travaux de Google pour indexer le web entier dans ses fermes de serveurs, qui a permis de faire de considérables progrès dans la performance du stockage et la gestion intensive de données distribuées (notamment via des systèmes basés sur Hadoop). Enfin, les connaissances algorithmiques ont également progressé permettant la structuration et l’interrogation plus rapide des bases de données (on parle de bases NoSQL pour désigner des bases de données non relationnelles).

Tous ces progrès techniques expliquent le succès de cette nouvelle science de données, tant et si bien que ces nouveaux systèmes sont devenus si faciles et si rapides, que les entreprises ne cessent de leur trouver de nouvelles utilisations à mesure que plus en plus de données deviennent accessibles. Un cybermarchand par exemple peut désormais prendre l’habitude de conserver les traces de tous les mouvements de souris que les internautes ont sur ses pages dans le but de les analyser pour améliorer le design de son site.

« A mesure que le coût de stockage des données chute, les entreprises ajustent la quantité de données qu’ils conservent : conserver des pétaoctets de données n’est désormais plus réservé au seul Google ! », conclut Lee Gomes.

Mais surtout, l’accumulation de ces données et leurs croisements permettent de dire beaucoup de choses sur les gens avec peu d’information, comme le souligne Sandy Pentland du Laboratoire des dynamiques humaines du MIT dans un article du Wall Street Journal qui recensait de nombreuses recherches qui font parler ces masses de données récoltées via les téléphones mobiles.

« Juste en regardant où vous passez du temps, je peux dire beaucoup de choses sur la musique que vous aimez, la voiture que vous conduisez, votre risque financier, votre risque de diabète. Si vous ajoutez des données financières, vous obtenez un aperçu encore plus précis ».