Tendance : comment la PredTech sauve des millions au contribuable

La « PredTech » ou analyse prédictive s’appuie sur l’analyse de données (Big Data) et l’apprentissage automatique (machine learning) pour prévoir des événements, rendre les données intelligentes. Il s’agit de déceler les signes avant-coureurs d’une défaillance. Mais en quoi peut-elle aussi aider les contribuables à économiser des millions ?

 

Liée à l’évolution des technologies du numérique, à l’accroissement exponentiel des données et de la puissance de calcul, la « PredTech » connaît un essor considérable depuis une dizaine d’années. Elle se base sur différentes techniques issues des statistiques et de la théorie des jeux pour analyser des faits présents et passés afin de prédire des événements futurs. Il existe deux types de modèles prédictifs : le premier permet de prédire l’appartenance à une classe (modèle de classification), le second peut déterminer un nombre (modèle de régression). Parmi les techniques de modélisation prédictive, on compte notamment les arbres de décision, les réseaux de neurones et la régression.

 

L’analyse prédictive est couramment utilisée dans les boutiques de vente en ligne et dans l’optimisation des campagnes de marketing. Si un site vous propose d’acheter des articles similaires à ce que vous avez vu sur d’autres plateformes, c’est qu’il utilise l’analyse prédictive afin de vous attirer et vous fidéliser. La « PredTech » est également employée par les sociétés liées au tourisme (transport, hôtellerie) pour optimiser les opérations, par les banques et les assurances pour la détection de fraudes et des problèmes de solvabilité.

 

Les applications de l’analyse prédictive ne se limite pas au domaine marchand. La « PredTech » se généralise dans le domaine médical pour prédire divers types de maladies, dont certains cancers. Elle permet de prévoir le pourcentage de réussite de certaines opérations chirurgicales et les potentielles réhospitalisations. Elle contribue ainsi à une meilleure gestion des patients et à la réalisation d’économie. Outre la santé des humains, la « PredTech » s’applique aussi à celle des machines dans le domaine industriel. Au niveau de la gestion de la maintenance, l’analyse prédictive est couplée à l’intelligence artificielle et l’IoT. Elle permettrait d’économiser 630 milliards de dollars d’ici 2025 selon une étude du cabinet McKinsey.

 

« PredTech » et patrimoine

L’analyse prédictive est également utilisée dans la gestion du patrimoine. La solution Oxand Simeo permet d’optimiser le parc des installations et d’éviter les défaillances, comme les effondrements de ponts ou de toitures qui ont fait l’actualité récente. Malheureusement, la Cours de Comptes pointe régulièrement les failles et les insuffisances dans la gestion patrimoniale des administrations publiques locales. Depuis la mise en place de la décentralisation à la fin des années 1970, le patrimoine des collectivités territoriales et de leurs groupements s’est fortement développé et diversifié. Cet accroissement s’accompagne d’une inflation des coûts de gros entretien et de réhabilitation qui représenterait environ 80 % des dépenses d’investissement annuel entre 2010 et 2014 selon l’INSEE. Or, les restrictions budgétaires tendent à accentuer la baisse des investissements dans les infrastructures et les bâtis. Il s’agit d’une dette grise, d’un abandon progressif des investissements dans les infrastructures et l’immobilier qui à terme favorise les catastrophes comme celui du pont de Gênes.

 

Comment trouver des moyens pour faire plus avec moins ? Pour rationaliser les dépenses, commencez par un inventaire précis du patrimoine et la définition d’une stratégie permettant de réaliser des arbitrages. Dans ce but, identifiez les sources de données qui peut être utiles pour le projet. Puis, les informations pourront être transformées pour permettre aux algorithmes appropriés de dresser la liste et la chronologie des futures défaillances potentielles.

 

Oxand propose d’aller plus loin dans la gestion des risques en prenant en compte l’ensemble du cycle de vie des installations. La méthodologie permet d’identifier les données à qualifier et de capitaliser les audits techniques en les rendant digitale. En sélectionnant les données utiles, il est possible de dresser une cartographie des zones à risques variable dans le temps. Puis, la projection sur le moyen et long terme de différents scénarios de maintenance facilite la rationalisation des dépenses associées au patrimoine. Vous pourrez facilement regrouper les actions de maintenance, optimiser les devis et planifier vos investissements.