Analyse de l'IA sur le web : Mesurer la performance des entreprises en matière d'innovation avec InnoProb
Robert Dehghan
Les indicateurs d'IA basés sur le web offrent une alternative complète, granulaire, actualisée et rentable aux méthodes traditionnelles de collecte de données. Chez istari.ai, nous sommes des pionniers dans le domaine de la technologie des indicateurs basés sur le web. Avec webAI, nous développons une intelligence artificielle qui fournit à nos clients des informations sur les marchés et les entreprises en temps réel.
20. novembre 2020
Les données relatives aux marchés et aux entreprises aident les acteurs du monde des affaires et de la politique à prendre des décisions éclairées. En raison de l'accélération croissante des processus sociétaux, les méthodes traditionnelles de collecte de données fournissent souvent des résultats dépassés, car il s'écoule beaucoup de temps entre la collecte et l'analyse. Une charge de travail manuelle élevée et les coûts de personnel associés empêchent d'augmenter la fréquence de la collecte de données. Par conséquent, les données pertinentes ne sont souvent pas disponibles sous une forme granulaire pour tous les niveaux d'analyse et la couverture est donc limitée.
webAI Deep Market Intelligence
Les indicateurs d'IA basés sur le web offrent une alternative complète, granulaire, actualisée et rentable. Chez istari.ai, nous sommes des pionniers dans le domaine de la technologie des indicateurs basés sur le web. Avec webAI, nous développons une intelligence artificielle qui fournit à nos clients des informations sur les marchés et les entreprises en temps réel. Avec webAI, nous recherchons des données de masse sur le web à haute fréquence et identifions les informations les plus pertinentes au moyen de l'intelligence artificielle. Le système extrait les connaissances pertinentes et les met à la disposition de nos clients sous une forme facilement accessible. C'est ce que nous appelons la "Deep Market Intelligence". Ce processus automatisé nous permet de répondre à des questions individuelles, d'actualiser les résultats quotidiennement et de réaliser des économies significatives par rapport aux méthodes traditionnelles de collecte de données.
webAI InnoProb identifie les entreprises innovantes
Le score InnoProb est un exemple d'indicateur webAI. Le score est calculé quotidiennement par istari.ai pour toutes les entreprises disposant de leur propre site web et est donc disponible de manière complète et actualisée. Une comparaison directe montre que les résultats d'InnoProb ne sont en rien inférieurs à la qualité des méthodes traditionnelles de collecte de données. Dans des études scientifiquesapprofondies1, notre méthode de collecte d'informations sur le marché à partir du web obtient d'excellents résultats, comparables à ceux obtenus à partir de sources de données traditionnelles. La carte ci-dessous, par exemple, montre la répartition détaillée des entreprises innovantes et non innovantes à Berlin : D'une part, selon les prévisions d'InnoProb ("Prédictions" - en haut à droite du graphique) et d'autre part, selon les résultats d'une enquête traditionnelle auprès des entreprises ("Enquête" - en bas à droite du graphique).
Illustration : Part des innovateurs de produits dans l'ensemble des entreprises locales prédite par InnoProb (à gauche). Comparaison entre les prévisions d'InnoProb basées sur le web et les résultats de l'enquête (Berlin Innovation Panel) sur la répartition des entreprises innovantes et non innovantes à Berlin (à droite).
Source : Kinne et Lenz : Kinne et Lenz 2021.1
Les résultats de l'enquête présentés pour Berlin(panel d'innovation de Berlin) sont uniques. En raison de la lourdeur de l'enquête, des informations aussi détaillées ne sont disponibles que pour un très petit nombre d'endroits en Allemagne. Avec l'aide de webAI InnoProb, toutes les entreprises de toutes les régions peuvent être analysées avec une fréquence élevée et les entreprises innovantes peuvent être identifiées. Ces données sont d'une grande valeur pour les analyses de marché, mais aussi pour l'évaluation des mesures de politique d'innovation. Contrairement aux méthodes d'enquête traditionnelles, toutes les entreprises sont évaluées, et pas seulement un échantillon aléatoire. Les décisions peuvent donc être prises sur la base d'une base de données très actualisée et accessible à tous.
Comment fonctionne InnoProb ?
Le modèle de prédiction de l'innovation webAI InnoProb est basé sur des textes web accessibles au public que les entreprises publient sur Internet. Ces textes sont analysés et évalués à l'aide d'un modèle d'apprentissage profond utilisant un réseau neuronal artificiel. Auparavant, le réseau InnoProb a été entraîné avec des informations provenant d'une enquête traditionnelle auprès des entreprises. Dans le cadre de cette enquête, il a été demandé aux entreprises si elles avaient récemment lancé de nouveaux produits et pouvaient donc être considérées comme des "innovateurs de produits". Par la suite, les textes web de toutes les entreprises participantes ont été téléchargés à l'aide d'un "web scraper", un outil permettant d'extraire des textes de pages web. Ces textes ont ensuite été enrichis avec les informations de l'enquête (innovateur de produit "Oui"/"Non") et utilisés comme données d'entraînement pour le réseau neuronal artificiel. Au cours de la formation, le réseau neuronal apprend comment les textes Web diffèrent entre les innovateurs de produits et les non-innovateurs, par exemple en termes de certains mots et combinaisons de mots. Sur la base des corrélations apprises, le réseau neuronal peut alors faire une prédiction (le score InnoProb) sur la probabilité qu'une entreprise soit un innovateur de produit. La figure ci-dessous illustre schématiquement le processus décrit.
Illustration : Représentation schématique du flux de travail d'InnoProb.
Source : Kinne et Axenbeck 2020 : Kinne et Axenbeck 2020.3
Que se passera-t-il après InnoProb ?
Avec un total de plus de trente présentations, InnoProb a suscité beaucoup d'intérêt de la part de la communauté scientifique, des statistiques officielles et des institutions axées sur la politique économique. Istari.ai ne cesse de faire progresser l'approche présentée ici. En tant que méthode nouvelle et potentiellement révolutionnaire pour la collecte d'informations sur le marché, des analyses complètes peuvent être conceptualisées et réalisées en peu de temps avec un minimum d'efforts de la part du personnel. Notre approche montre tout son potentiel, en particulier dans le contexte d'événements très dynamiques, qui nécessitent des données complètes, mais aussi rapidement disponibles et actualisées. En peu de temps, nous avons pu adapter la webAI pour mesurer l'impact de la pandémie de coronavirus sur les entreprises allemandes et ainsi identifier des clusters régionaux, par exemple. Dans le cadre d'un projet en cours, nous travaillons, entre autres, à l'adaptation de webAI pour l'identification des entreprises qui utilisent l'intelligence artificielle. En raison du vaste champ d'application de webAI, les données de webAI sont déjà utilisées par des scientifiques de différents domaines de recherche en Allemagne et à l'étranger. Vous en saurez plus dans nos prochains articles de blog.
Sources :
1 Kinne et Lenz 2021 : https://doi.org/10.1371/journal.pone.0249071
2 Panel d'innovation de Berlin : https://www.inno.tu-berlin.de/menue/berlin_innovation_panel/
3 Kinne et Axenbeck 2020 : https://link.springer.com/article/10.1007/s11192-020-03726-9
Intéressé par les données utilisées dans cette étude de cas ?
Il suffit de réserver une démonstration gratuite.