Analyse prédictive : fonctionnement, modèles et cas d'usage

Elle repose sur une hypothèse simple : les schémas observés dans les données historiques peuvent nous apprendre quelque chose sur ce qui pourrait se produire ensuite.

Cette hypothèse est souvent utile. Toutefois, le comportement de vos clients évolue, les conditions opérationnelles changent et les facteurs de risque se transforment. Le véritable test d’un modèle prédictif intervient après sa mise en production, lorsqu’il rencontre des situations différentes de celles observées dans ses données d’entraînement. Les schémas appris par le modèle se généralisent-ils suffisamment bien pour produire des estimations fiables sur de nouveaux cas ?

Cette tension est au cœur de l’analyse prédictive : les modèles apprennent du passé, mais leur performance se mesure dans l’avenir. Le principe s’applique aussi bien aux méthodes statistiques classiques qu’à l’IA prédictive. L’analyse prédictive est plus fiable lorsque les entreprises considèrent les prédictions comme des estimations à tester et à maintenir dans le temps, plutôt que comme des réponses définitives sur ce qui va se produire.

Concrètement, un modèle prédictif applique des méthodes statistiques ou de machine learning (ML) à vos données existantes pour produire une estimation. Selon le cas d'usage, cette estimation prend la forme d'une probabilité, d'une prévision ou d'un score de risque. Dans tous les cas, elle exprime ce qui est susceptible de se produire, et non ce qui se produira avec certitude.

Cette orientation vers l’avenir distingue l’analyse prédictive d’autres formes d’analyse :

• l’analyse descriptive explique ce qui s’est produit ; 
• l’analyse prédictive estime ce qui pourrait se produire ; 
• l’analyse diagnostique cherche à comprendre pourquoi cela s’est produit ;
• l’analyse prescriptive utilise cette estimation pour recommander une action.

Les systèmes prédictifs imposent des exigences supplémentaires par rapport aux systèmes descriptifs et diagnostiques. Les données historiques doivent représenter suffisamment les conditions que le modèle rencontrera. Les prédictions doivent être validées sur des données que le modèle n’a pas utilisées pour son entraînement. Enfin, la performance doit être surveillée lorsque les conditions changent. Un modèle performant l’année dernière peut progressivement perdre en précision si le comportement de vos clients, les conditions du marché ou les processus opérationnels évoluent.

Le ML a élargi le champ d’application des techniques prédictives dans les organisations. Les méthodes de prévision statistique et de classification existaient avant le machine learning moderne, mais le ML permet d’exécuter des modèles prédictifs sur de très grandes populations de clients, de produits, de transactions ou d’autres entités.

L’analyse prédictive et l’IA prédictive sont étroitement liées, mais ces deux notions ne désignent pas exactement la même chose :

• l’analyse prédictive est une discipline analytique qui utilise des schémas historiques pour estimer des résultats futurs ; 
• l’IA prédictive désigne généralement l’utilisation de modèles de machine learning pour produire ces prédictions à grande échelle.

Dans cet épisode d’« AI Builders », Dan Darnell, VP of Marketing chez Sway AI, explique comment créer un environnement no-code pour permettre aux entreprises de toutes tailles d’exploiter le ML et l’analyse prédictive :

L’analyse prédictive suit un cycle de vie composé de plusieurs étapes étroitement liées. Les décisions prises en amont façonnent toute la suite du processus. Le cycle de vie type se présente ainsi :

1. Cadrer la décision à prendre : définissez le résultat attendu, l’horizon de prédiction et l’action associée au résultat.
2. Constituer une vue historique des données : joignez les sources pertinentes et évaluez leur exhaustivité et leur homogénéité.
3. Préparer les variables utiles au modèle : transformez les observations brutes en signaux utiles pour l’entraînement et l’inférence.
4. Sélectionner et entraîner un modèle : choisissez une approche adaptée à la prédiction et aux données disponibles.
5. Valider sa performance : testez le modèle sur des données mises de côté, à l’aide de métriques qui reflètent l’objectif métier.
6. Déployer le processus de prédiction : alimentez le modèle avec les données actuelles et transmettez ses résultats aux personnes ou aux systèmes qui les utilisent.
7. Surveiller les changements et réentraîner le modèle : suivez la performance et actualisez le modèle à mesure que les schémas sous-jacents évoluent.

Commencer par la prédiction à produire

La première étape consiste à définir suffisamment précisément le résultat que le modèle doit estimer. Cette définition doit préciser :

• la cible de la prédiction ; 
• l’horizon temporel ; 
• le contexte dans lequel le résultat sera utilisé ; 
• l’action associée à la prédiction. 

Ce cadrage permet aussi de rattacher le projet à une véritable question métier. Par exemple, un modèle de prédiction du désabonnement ne doit pas se limiter à identifier les clients susceptibles de partir. Il faut également définir la période concernée :

• le client risque-t-il de partir dans les 30 prochains jours ? 
• dans les 90 prochains jours ? 
• avant le prochain renouvellement de contrat ?

Construire la vue historique

Une fois la cible de prédiction clarifiée, les équipes rassemblent les données historiques pertinentes. Cette étape consiste généralement à :

• rapprocher les données issues de plusieurs sources ;
• corriger les incohérences ;
• créer des variables qui représentent les relations que le modèle doit apprendre.

Cette phase peut prendre du temps lorsque les variables importantes sont réparties entre plusieurs systèmes, lorsque les définitions ont évolué ou lorsque des données sont manquantes ou incohérentes.

Des recherches récentes sur le machine learning industriel identifient la qualité, la rareté, le déséquilibre et l’hétérogénéité des données comme des contraintes majeures en production. Un modèle ne peut exploiter que les signaux présents dans ses données d’entraînement.

Le feature engineering consiste à transformer les observations brutes en signaux plus utiles pour la prédiction. Par exemple, une série de transactions peut être transformée en variables décrivant :

• la récence ;
• la fréquence ;
• l’évolution dans le temps ;
• les valeurs décalées dans une série temporelle.

Entraîner et valider le modèle

Une fois les données d’entraînement préparées, les équipes sélectionnent une famille de modèles adaptée et l’entraînent sur une partie des données historiques. Après l’entraînement du modèle, l’étape suivante consiste à le valider sur des données mises de côté, que le modèle n’a encore jamais vues. Cette séparation permet de mieux mesurer sa capacité à généraliser à de nouveaux cas, plutôt que sa capacité à reproduire l’échantillon historique.

Les métriques d’évaluation doivent correspondre au type de prédiction et à l’objectif métier. L’exactitude globale (accuracy) peut être trompeuse lorsqu’un événement est rare. En détection des fraudes, un modèle qui classe presque toutes les transactions comme légitimes peut obtenir un score élevé tout en manquant les fraudes. La précision (precision) et le rappel (recall) permettent alors de mieux évaluer sa capacité à détecter les cas importants. 

Mettre le modèle en production

Un modèle validé a besoin d’un workflow fiable pour transformer de nouvelles données en prédictions utilisables. Les variables doivent être générées de manière cohérente, actualisées selon le calendrier prévu et transmises au modèle sous la même forme que lors de l’entraînement. Dans le cas contraire, un décalage entre entraînement et inférence (training-serving skew) peut dégrader la performance.

L’inférence doit également avoir une fréquence et une destination clairement définies. Une prévision de la demande peut être exécutée chaque nuit, tandis qu’un modèle de détection des fraudes peut attribuer un score à une transaction presque en temps réel. Ces exigences influencent l’architecture de mise en production.

Les workflows de production doivent être reproductibles et traçables. Les équipes doivent pouvoir déterminer :

• quelle version du modèle a produit une prédiction ;
• quelles données et quelle logique de variables l’ont alimentée ;
• quand le modèle a été réentraîné pour la dernière fois.

Surveiller les changements

Le déploiement d’un modèle ne marque pas la fin du cycle de vie. La performance prédictive dépend du maintien des relations apprises à partir des données historiques.

Au fil du temps, les données entrantes peuvent changer, la relation entre une variable et un résultat peut s’affaiblir ou de nouveaux schémas peuvent apparaître. La surveillance permet de détecter ces évolutions avant qu’elles ne se traduisent par une baisse visible de la qualité des prédictions.

Le réentraînement permet au modèle d’intégrer de nouvelles observations. Selon le cas d’usage, il peut être déclenché :

• selon un calendrier défini ; 
• lorsque la dérive des données est détectée ; 
• lorsque la performance descend sous un seuil donné ; 
• après un changement important du processus métier.

Une étude de 2025 sur les systèmes de ML prédictifs a montré que le décalage temporel et la dérive conceptuelle sont des sources courantes de changement après le déploiement. Les schémas appris pendant l’entraînement doivent donc être réévalués lorsque l’environnement change.

Choisir le niveau de granularité du modèle

Le passage à l’échelle soulève une autre question : combien de modèles faut-il maintenir ? Un modèle par client, produit ou localisation peut capturer davantage de variations locales. Toutefois, chaque modèle supplémentaire implique ses propres besoins :

• entraînement ; 
• surveillance ; 
• gestion des versions ; 
• réentraînement ; 
• validation.

À grande échelle, cette approche peut créer des centaines ou des milliers de workflows parallèles à administrer.

Un modèle unique entraîné sur plusieurs entités peut parfois réduire la charge opérationnelle tout en capturant les variations nécessaires. Le bon niveau de granularité dépend donc à la fois de la performance prédictive attendue et du coût de maintenance du parc de modèles.

Le choix d’un modèle devient plus simple lorsque la question prédictive est clairement définie. La plupart des problèmes d’analyse prédictive appartiennent à quelques grandes familles :

• Classification : à quelle catégorie cette observation appartient-elle ?
• Régression : quelle valeur numérique peut-on attendre ?
• Clustering : quels groupes naturels existent dans les données ?
• Séries temporelles : que va-t-il probablement se produire ensuite ?
• Méthodes d’ensemble : quel résultat obtient-on en combinant plusieurs modèles ?

Notez que les familles de modèles et les techniques de modélisation sont deux choses différentes. La classification décrit un objectif, tandis que plusieurs techniques peuvent être utilisées pour l’atteindre.

Modèles de classification

Les modèles de classification attribuent des observations à des catégories ou estiment la probabilité qu’une observation appartienne à une classe donnée. Un modèle de désabonnement peut par exemple estimer la probabilité qu’un client cesse d’utiliser un service au cours des 90 prochains jours. Un modèle de risque peut également répartir des candidats ou des comptes entre plusieurs catégories prédéfinies.

Des techniques comme la régression logistique, les arbres de décision, les forêts aléatoires, le gradient boosting et les réseaux de neurones permettent toutes de traiter des problèmes de classification. Le bon choix dépend en partie des exigences de performance, et en partie du niveau d’explication qu’exige la décision.

Modèles de régression

Les modèles de régression estiment des valeurs numériques continues. Les projections de chiffre d’affaires, la valeur vie client et les estimations de prix sont des exemples courants. La régression linéaire constitue un point de départ relativement transparent. Les modèles fondés sur des arbres, les méthodes d’ensemble et les réseaux de neurones peuvent prendre en charge des relations plus complexes.

Pour utiliser un modèle de régression, l’équipe doit savoir :

• quel résultat numérique l’entreprise cherche à estimer ; 
• quel niveau de précision est nécessaire ; 
• quelle décision sera prise à partir de cette estimation.

Modèles de clustering

Les algorithmes de clustering recherchent des groupes naturellement présents dans les données, sans partir d’une étiquette cible prédéfinie. Le clustering K-means peut par exemple identifier des clients dont les habitudes d’achat sont similaires, même si l’entreprise n’a pas défini ces segments à l’avance. Ces groupes peuvent ensuite servir à :

• segmenter une clientèle ; 
• personnaliser une campagne ; 
• cibler une offre ; 
• approfondir une analyse.

Le clustering découvre une structure plutôt qu’il ne prédit une cible connue. Il est donc utilisé différemment de la classification et de la régression, notamment au début d’une démarche analytique.

Modèles de séries temporelles

Les modèles de séries temporelles utilisent des observations ordonnées dans le temps pour estimer des valeurs futures. La demande, les ventes, la charge énergétique, la performance financière et les niveaux de stock entrent tous naturellement dans cette catégorie. La saisonnalité, la tendance et l’horizon de prévision déterminent la conception du modèle. Les techniques vont, quant à elles, d’approches statistiques comme ARIMA à des méthodes de ML entraînées sur plusieurs séries liées.

Cette famille de modèles est très présente dans l’analyse prédictive d’entreprise, car de nombreuses questions métier comportent une dimension temporelle : De quelle quantité de stock aurons-nous besoin le mois prochain ? Quel sera le chiffre d’affaires du prochain trimestre ? Quelle sera la demande énergétique demain ?

Méthodes d’ensemble

Les méthodes d’ensemble combinent plusieurs modèles pour améliorer la stabilité ou la performance prédictive. Les forêts aléatoires et le gradient boosting en sont des exemples bien connus. D’autres méthodes agrègent les résultats de modèles entraînés séparément, ce qui réduit la dépendance à l’égard des forces et faiblesses d’un modèle unique.

Cette amélioration peut toutefois s’accompagner d’un compromis. Une méthode d’ensemble complexe ou un réseau neuronal est généralement moins facile à expliquer. Dans les environnements réglementés, où un auditeur ou un client peut avoir besoin de comprendre comment une décision a été prise, l’interprétabilité est non négociable.

Les modèles prédictifs estiment un résultat futur défini, comme la demande, la probabilité de désabonnement ou le risque de panne, à partir de données historiques. L’IA générative produit de nouveaux contenus (texte, images ou code) à partir de schémas appris pendant l’entraînement.

Ces deux approches sont de plus en plus complémentaires. Une plateforme d’analyse prédictive alimentée par l’IA peut par exemple utiliser un modèle génératif pour expliquer ou résumer le résultat d’un modèle prédictif. Le modèle prédictif continue quant à lui à produire la prévision ou la probabilité.

Un outil ou une plateforme d’analyse prédictive doit prendre en charge l’ensemble du workflow :

• l’endroit où le modèle est entraîné ; 
• l’endroit où les données sont stockées ; 
• les personnes qui peuvent créer ou exécuter les modèles ; 
• la destination des prédictions ; 
• la surveillance et le réentraînement. 

Ces choix d’architecture ont souvent plus d’impact opérationnel que la différence entre deux bibliothèques de modélisation.

Lors de l’évaluation d’un outil d’analyse prédictive, posez-vous les questions suivantes :

• Où le modèle est-il entraîné par rapport aux données sources gouvernées ?
• Les données doivent-elles être copiées dans un autre environnement ?
• Comment la prédiction atteint-elle une application, un tableau de bord ou un processus métier ?
• Quels utilisateurs peuvent créer ou exécuter des charges de travail prédictives ?
• Comment les versions des modèles, le lignage et le réentraînement sont-ils suivis ?
• Quelle infrastructure est nécessaire pour l’inférence ?
• Comment les coûts évoluent-ils avec le nombre de modèles ou de prédictions ?

Le déplacement des données mérite une attention particulière. Copier des données gouvernées dans un environnement de ML distinct crée :

• une nouvelle version des données à synchroniser ; 
• un pipeline supplémentaire à maintenir ; 
• une nouvelle frontière de gouvernance ; 
• un risque de décalage entre les données sources et les données utilisées par le modèle. 

Si la copie n’est plus à jour ou si un pipeline en amont échoue, le modèle ne fonctionne plus sur l’état actuel de l’activité.

Le profil des utilisateurs évolue, lui aussi. Les fonctions prédictives natives en SQL permettent aux analystes et aux analytics engineers d’exécuter des charges de travail courants, comme la prévision et la détection des anomalies, sans faire appel à une équipe de data science pour chaque demande. Les modèles personnalisés exigent toujours des environnements orientés code lorsque les équipes ont besoin de feature engineering, d’algorithmes ou d’évaluations spécialisés. Ces deux approches peuvent coexister, sans imposer une stack différente pour chaque type de charge de travail prédictif.

Les listes de secteurs peuvent donner l’impression que l’analyse prédictive recouvre une multitude de problèmes différents. En réalité, la plupart des cas d’usage reposent sur quelques questions récurrentes :

• prévoir la demande future ; 
• estimer la probabilité d’un événement ; 
• identifier un comportement anormal ; 
• anticiper une panne ; 
• attribuer un niveau de risque.

Par exemple, un fournisseur d’énergie qui réalise la prévision de sa charge énergétique et un détaillant qui prévoit la demande de produits résolvent des problèmes analytiques très proches, même si les processus métier associés n’ont rien à voir.

Prévision de la demande et du chiffre d’affaires

La prévision utilise les schémas historiques, la saisonnalité et d’autres signaux pour estimer l’activité future. La valeur ne vient pas uniquement de la prévision. Elle apparaît ensuite dans les décisions prises à partir de celle-ci. Une estimation plus rapide ou plus précise peut modifier les volumes de stock commandés, l’allocation des ressources ou les scénarios auxquels se prépare une équipe financière.

Prédiction du désabonnement et de la fidélisation

Les modèles de désabonnement estiment la probabilité qu’un client cesse d’utiliser un produit ou un service. Le moment où la prédiction est produite est essentiel. Une information reçue après le départ du client a peu de valeur opérationnelle. Les équipes doivent disposer du signal suffisamment tôt pour déclencher :

• une prise de contact ; 
• une intervention du service client ; 
• une offre de fidélisation ; 
• une action commerciale. 

Le modèle et le processus métier doivent donc être conçus ensemble.

Détection des fraudes et des anomalies

La détection des fraudes recherche des schémas associés à un comportement suspect. La détection des anomalies identifie les observations qui s’écartent d’une référence attendue.

Les établissements financiers peuvent utiliser ces approches pour signaler des transactions ou des comptes potentiellement frauduleux. Les mêmes techniques peuvent s’appliquer :

• aux métriques opérationnelles ; 
• à la performance des équipements ; 
• aux événements de sécurité ; 
• aux processus métier ; 
• aux environnements IoT.

La valeur prédictive vient souvent de la capacité à concentrer l’attention des équipes. Au lieu d’examiner tous les événements de la même manière, elles peuvent se concentrer sur ceux qui nécessitent une action.

Maintenance prédictive

Les entreprises industrielles et les organisations qui exploitent des actifs critiques utilisent les données des équipements, des capteurs et de la maintenance pour estimer la probabilité d’une panne. Une alerte précoce permet aux opérateurs de planifier la maintenance avant qu’une panne n’interrompe la production. Le bénéfice apparaît généralement sous la forme :

• d’une réduction des arrêts non planifiés ; 
• d’une diminution des réparations d’urgence ; 
• d’une meilleure utilisation des équipes de maintenance ; 
• d’une prolongation de la durée de vie des équipements.

Scoring des risques

Les modèles prédictifs peuvent également estimer la probabilité d’un défaut de paiement, d’un sinistre, d’un départ client ou d’un autre événement associé à un risque métier. Un score permet à l’entreprise de hiérarchiser les situations et d’appliquer différents workflows selon le niveau de risque. Comme pour les autres cas d’usage, la valeur dépend de ce qui se passe une fois le score produit.

Dans tous ces scénarios, l’analyse prédictive réduit le délai entre l’apparition d’un signal important dans les données et la réponse de l’organisation.

Un modèle entraîné ne constitue qu’une partie d’un workflow prédictif en production. Les variables doivent parvenir au modèle selon le calendrier prévu. L’inférence doit s’exécuter de manière fiable et les prédictions doivent être transmises aux systèmes ou aux personnes qui les utilisent. Les équipes doivent également disposer d’un niveau de lignage suffisant pour relier une prédiction :

• à la version du modèle ; 
• aux données utilisées ; 
• aux variables produites ; 
• à la logique de transformation.

Concevoir des workflows reproductibles

La mise en production se dégrade rapidement lorsqu’un modèle dépend :

• d’un jeu de données assemblé manuellement ; 
• de transformations non documentées ; 
• d’un notebook que seule la personne qui l’a créé sait exécuter. 

La préparation des données et la logique de création des variables utilisées pendant l’entraînement doivent pouvoir être reproduites pendant l’inférence. Des processus versionnés et reproductibles réduisent également l’écart entre les données d’entraînement et les données de production.

Concevoir des modèles à grande échelle

Le nombre de modèles a un effet direct sur les coûts d’exploitation. Un modèle distinct pour chaque client, référence produit ou localisation multiplie :

• les tâches d’entraînement ; 
• les versions à gérer ; 
• les workflows de surveillance ; 
• les calendriers de réentraînement. 

Dans certains cas, un modèle unifié entraîné sur de nombreuses entités peut capturer la variabilité nécessaire avec beaucoup moins de composants à exploiter.

Relier la gouvernance au cycle de vie du modèle

Les données d’entraînement, les définitions des variables et les versions des modèles doivent être associées à un lignage lorsque les prédictions sont utilisées en production. Si les données sous-jacentes sont déjà gouvernées là où elles résident, les équipes peuvent préserver ces contrôles et ces relations tout au long du processus prédictif. Copier les données dans un autre environnement impose de recréer et de maintenir les politiques, le lignage et les définitions à un nouvel endroit. Commencer par un cas d’usage clairement défini et mesurable permet d’établir un parcours de production complet avant de le déployer sur davantage de modèles et de charges de travail.

Les modèles prédictifs ne sont pas statiques

Un modèle entraîné une seule fois et laissé sans maintenance finit par décrire une version ancienne de son environnement. Le réentraînement planifié permet au modèle d’accéder à des observations plus récentes. La surveillance des modèles vérifie si la performance évolue. La détection de la dérive des données et des concepts aide, quant à elle, à identifier les changements dans les données d’entrée ou dans la relation entre ces entrées et le résultat. Les tests champion-challenger offrent une autre approche : conserver le modèle de production actuel tout en évaluant une alternative par rapport à celui-ci.

Les charges de travail de séries temporelles nécessitent une attention particulière lors de la validation. Une répartition aléatoire des données d’entraînement et de test peut exposer le modèle à des informations futures qui n’auraient pas été disponibles au moment de la prédiction. La validation croisée des séries temporelles préserve l’ordre chronologique. Les variables décalées permettent au modèle d’utiliser les observations passées sans introduire d’informations futures dans l’entraînement. Ces pratiques maintiennent les modèles prédictifs en phase avec les conditions qu’ils sont censés prédire.

L’analyse prédictive est plus efficace lorsque les modèles restent étroitement connectés aux données qu’ils utilisent. Exécuter les charges de travail prédictives dans le même environnement gouverné que les données d’entreprise réduit le besoin de créer :

• des copies séparées ; 
• des pipelines de synchronisation ; 
• des contrôles de gouvernance supplémentaires ; 
• des environnements ML isolés des données sources. 

L'AI Data Cloud de Snowflake applique ce même principe : les workflows de machine learning, les applications d’IA et les agents peuvent fonctionner dans l’environnement gouverné où résident les données sous-jacentes.

Snowflake prend en charge deux approches pour les travaux prédictifs. Pour les cas d’usage courants, les fonctions ML proposent des fonctionnalités intégrées de :

• prévision ; 
• détection des anomalies ; 
• classification. 

Les équipes peuvent entraîner et utiliser ces modèles en SQL, notamment pour évaluer la performance des modèles et les appliquer à de nouvelles données.

Pour les modèles personnalisés, Snowflake ML prend en charge un cycle de vie plus complet du machine learning, notamment :

• l’ingénierie des variables (feature engineering) ; 
• l’entraînement ; 
• la gestion des modèles ; 
• le MLOps.

Snowpark permet aux équipes de développer des workflows de machine learning en Python sur les données dans Snowflake. Snowflake Notebooks fournit, quant à lui, un environnement intégré pour développer, expérimenter et analyser les résultats.

Ces approches répondent à différents niveaux de personnalisation, mais elles partagent le même avantage fondamental : les charges de travail prédictives restent connectées à des données gouvernées et à jour sur une plus grande partie du cycle de vie du modèle.

L’analyse prédictive est, au fond, un exercice de généralisation. Les modèles apprennent à partir de données historiques, puis rencontrent des clients, des transactions, des équipements et des conditions opérationnelles qu’ils n’ont jamais vus auparavant.

Un système prédictif fiable nécessite donc davantage qu’un bon résultat lors de l’entraînement. Les données doivent rester représentatives. L’évaluation doit refléter la tâche de prédiction réelle. La surveillance doit détecter le moment où les schémas historiques cessent de s’appliquer. Lorsque les conditions changent, le réentraînement et la gestion des modèles permettent de maintenir la cohérence entre la prédiction et l’environnement qu’elle cherche à décrire.

Cette logique s’applique aux méthodes statistiques classiques, à l’IA prédictive et aux systèmes qui combinent prédiction et IA générative. Le modèle produit une estimation de ce qui pourrait se produire. Le cycle de vie qui l’entoure détermine si cette estimation reste fiable dans le temps.