il s’agira d’analyser les solutions possibles, en essayant de prédire à l’aide des données

Ou autrement dit de la modélisation. Quand on voit les piètres résultats des modélisations économiques par les instituts publics français, on ne peut que se réjouir de voir confier à des acteurs privés le soin de faire le boulot des guignols au pouvoir.



Cependant cela augure du pire si les politiques se servent de ces ‘résultats’ comme substitut à une ‘réflexion’ politique (même une de faible niveau est préférable) ou pour se défausser à bon compte après un échec probable suite à ladite ‘réflexion’ (le cas général).



Les prévisions des systèmes complexes restent difficiles à établir ou à se réaliser quand elles le sont, et ce n’est pas 250K malheureux € qui y changeront quelque chose : l’état de la Science en la matière n’est simplement pas assez avancé pour le moment, à supposer qu’il le soit assez un jour, ce qui n’est pas démontré.

ColinMaudry a écrit :



Le boulot du prestataire n’est pas seulement de livrer des prédictions, mais aussi d’expliquer comment les intégrer au processus de décision.



En gros, il ne s’agit pas de les utiliser comme un oracle, mais de se dire ‘telles données disent ça’, que disent nos autres sources d’information ? Y a t-il (ou non) une corrélation ?







Je visais plutôt la croyance répandue qui veut que tout ce qui sort d’un ordinateur est parole d’Évangile bénie par la sainte onction du calcul mathématique, sans aucune critique des hypothèses de départ, des présuppositions, des a prioris et des choix forcément inclus par les opérateurs pour bâtir le(s) modèle(s). Avant de proposer des prédictions, chaque modèle devra être vérifié et validé de manière indépendante a minima selon les bonnes pratiques du milieu : quelle assurance que cela sera fait et surtout comment, quand on voit la misérable somme de 250K€ proposée au regard des exemples proposés ?

ColinMaudry a écrit :



En fait il faut regarder le PDF : la création de modèles prédictifs est un type de prestation parmis une vingtaine :







3.1 Recherche et exploration de données

• enrichissement de bases de données ;
  


• appariement de données entre elles pour reconstituer un budget, un résultat de politiques
  
  publiques;
  


• détection de sources et de bases de données en rapport avec les problèmes à résoudre, tant au
  
  sein des administrations que sur des bases de données ouvertes sur Internet ;
  


• formulation de requêtes de données pour chaque analyse à mener ;
  


• mobilisation de logiciels dédiés à la collecte (connecteur, crawler, scraper), l’agrégation et la
  
  fusion de données de nature de format et de technologie hétérogènes (web sémantique) ;
  


• création d’entrepôts de données dédiés aux problèmes à résoudre.
  
  
  
  3.2 Analyse des données
  
  Il s’agit de rapprocher les données de façon itérative pour tester plusieurs hypothèses de
  
  résolution du problème posé. A titre d’exemples :
  


• méthodes de classification ;
  


• détection de signaux faibles ;
  


• application ou élaboration d’algorithmes ou de modèles prédictifs (machine learning) ;
  


• décomposition des données collectées en mots discriminants pour détecter de nouveaux
  
  comportements ou des innovations produits / de services ;
  


• analyses descriptives pour détecter les variables clés influant un résultat de politique publique
  
  (service rendu, coûts complets) ;
  


• analyses prédictives pour prédire les résultats d’une politique publique, des comportements
  
  bénéficiaires ou le potentiel d’une innovation produits / de service.
  
  
  
  3.3 Elaboration du rendu
  
  Il s’agit de présenter les solutions, pistes d’action à mener, difficultés à prendre en compte, en
  
  ayant recours à des techniques de visualisation de données. A titre d’exemples :
  


• sélection du modèle de représentation graphique le plus adapté à la situation (hiérarchique, en
  
  réseau, en cercle, symbolique, etc.) ;
  


• développement ou mise à disposition d’interfaces pour les utilisateurs et notamment
  
  d’interfaces graphiques, de dashboards interactifs ;
  


• alimentation d’interfaces graphiques avec les jeux de données nettoyés et structurés ;
  


• modification du résultat visuel selon des paramètres autorisés (temps, géographie,
  
  organisation, concept, etc.) ;
  


• création d’API permettant l’exploitation automatisée des résultats ou de certaines données
  
  issues des analyses ;
  
  
  
  
  
  
  
  Ce que je vois, c’est même s’il y aura un peu de machine learning , il s’agira surtout de mettre de l’ordre dans les données.
  
  
  
  
  
  
  
  Merci pour la copie. Effectivement il y a beaucoup de dirty work pour un pauvre quart de million d’€.

lanoux a écrit :



et??? je ne vois pas bien ton propos? par exemple, macron n’a t’il pas été t banquier d’affaires chez Rothschild & Cie?????????????? c’est pas comme si cette banque n’avait pas donné de leçons au monde entier? donc tu viens bien appuyer mon propos comme quoi ce sont tous des enc* qui soit sont au pouvoir soit vont y venir et en attendant vont pentoufler dans leur systèmes financier







Tu ne peux peut-être pas comprendre que confondre les conséquences avec les causes, et le pouvoir politique avec un acteur économique n’est pas un gage de cohérence d’un propos ? Auquel cas il est inutile de poursuivre.