crowdsourcing

Crowdsourcing : 5 industries qui peuvent s’inspirer de Netflix

Il y a dix ans, Netflix lançait le Netflix Prize dans le but d’améliorer sa technologie de recommandation personnalisée Cinematch. Cette compétition basée sur le crowdsourcing avait permis de créer un puissant algorithme utilisé depuis par de nombreux acteurs du e-commerce. Voici cinq industries qui pourraient être à leur tour révolutionnées par le crowdsourcing. 

Jusqu’en 2006, la technologie Cinematch Technology de Netflix était relativement limitée. Elle permettait de prédire les films qu’un utilisateur pourrait apprécier en fonction de ses données. Des listes de recommandation personnalisées étaient automatiquement dressées pour chaque usager. Le système fonctionnait bien, mais Netflix craignait de ne pas pouvoir exploiter pleinement son potentiel.

Pour l’améliorer, la firme décida de développer un algorithme plus performant que sa technologie en mettant ses données anonymes à disposition du public dans le cadre d’un concours. Le Netflix Prize fut la première compétition crowdsourced à grande échelle. Elle permit d’attirer l’attention du monde entier sur les moteurs de recommandation. Les principales de e-ommerce commencèrent à adopter des technologies similaires, et l’internet devint bien plus confortable. Le Netflix Prize ouvrit de nouvelles portes pour la science des données.

Achetez des leads sur la marketplace I.T

Près de 10 ans après, il est temps pour les autres industries d’utiliser à leur tour le crowdsourcing pour trouver des solutions basées sur le Machine Learning afin d’exploiter leurs données. Voici cinq industries qui gagneraient à organiser leur propre Netflix Prize.

5 industries que le crowdsourcing pourrait transformer

La sécurité informatique

cyebersecurite-compressed

L’industrie de la sécurité informatique, et plus précisément les méthodes d’authentification et de détection de fraude demeurent à ce jour incomplètes. Basées sur des règles fixes, ces méthodes ne sont pas en mesure de s’adapter à la nature changeante des données. De nombreuses autres données en provenance des consommateurs et de leurs appareils électroniques pourraient être utilisées.

Ainsi, une compétition crowdsourced comme le Netflix Prize pourrait permettre d’exposer des patterns sur les utilisateurs au travers des appareils, du temps et de la position géographique pour découvrir un comportement d’usager unique offrant une vie plus complète. De même, le Machine Learning pourrait permettre de développer des stratégies pour réduire les risques de fraudes et empêcher les transactions légitimes d’être soupçonnées à tort.

Santé et pharmacie

pharamacie-data

Les données peuvent sauver des vies, mais les entreprises pharmaceutiques et l’industrie des soins de santé n’exploitent pas encore suffisamment le Big Data. Une compétition basée sur le crowdsourcing pourrait permettre de remédier au problème. En 2012, l’entreprise Merck a partagé des données sur la structure chimique de milliers de molécules, et a chargé la communauté scientifique d’identifier lesquelles pourraient permettre de produire de nouveaux médicaments. Les médicaments créés dans le cadre de ce concours se sont avérés 17% plus efficaces que le benchmark standard de l’industrie.

Les données médicales conservées par des générations de patients pourraient également beaucoup servir aux médecins. Les enregistrements cardiaques, les échantillons d’urine, les historiques familiaux, les rapports de pression sanguine pourraient être soumis aux techniques de Machine Learning Big Data pour permettre de détecter des patterns et des susceptibilités dans les familles et chez les individus avant que les problèmes de santé n’apparaissent.

Publicité et marketing

identite-numerique

Face à la diversification des appareils, l’identité numérique des consommateurs pose problème. Les tablettes, PC, smartphones, téléviseurs, montres connectées, empêchent les marques de cerner l’identité de leurs clients. Facebook, Google, Amazon ou encore Netflix ont corrigé ce problème avec un système de login obligatoire. Cependant, sur le reste de l’internet, il est difficile de tracer un consommateur.

Heureusement, les Data Scientists peuvent exploiter les données de navigateur, d’appareils, de géo-localisation, ou encore de réseau pour connaître l’identité d’un utilisateur. Plusieurs entreprises y travaillent déjà activement, mais la collaboration est encore très limitée.

Une compétition basée sur le crowdsourcing pourrait permettre de révolutionner l’expérience en ligne en permettant d’identifier facilement un internaute. L’industrie publicitaire pourrait alors proposer des recommandations personnalisées plus facilement et automatiser le marketing.

Transport

data-transit

Les applications GPS comme Waze génèrent de très nombreuses données en provenance de millions d’automobilistes. Un équivalent du Netflix Prize, une compétition reposant sur le crowdsourcing basée sur ces données pourrait permettre de produire un programme open-source capable d’indiquer exactement à quelle heure partir pour éviter les embouteillages ou les retards de transports en commun ou pour arriver à une heure précise. Avec suffisamment de données à disposition des Data Scientists, le Machine Learning pourrait permettre d’aider à gérer la circulation (alternance des feux de signalisation, ouvertures des voies) plus efficacement pour fluidifier le trafic, et les bénéfices environnementaux seraient également importants.

Agriculture de précision

big_data_agriculture

L’agriculture telle qu’on la pratique aujourd’hui à l’échelle mondiale est considérée comme un fléau pour l’environnement. Les données pourraient permettre de remédier à ce problème. Les données agricoles comme les patterns météorologiques, le niveau de nutriments du sol ou les enregistrements de croissance des plantes peuvent déterminer le meilleur moment pour planter chaque espèce végétale.

Aujourd’hui une compétition basée sur le crowdsourcing pourrait permettre de combiner le Machine Learning aux innovations d’ingénierie pour créer des solutions écologiques utilisables par les générations futures.