Des algorithmes pour prévoir nos comportements

Le Secré­ta­riat géné­ral pour la moder­ni­sa­tion de l’action publique, par l’in­ter­mé­diaire ses propres datas­cien­tists, a signé avec l’École une conven­tion pour la modé­li­sa­tion de deux pro­ces­sus ponc­tuels (amé­lio­ra­tion du retour à l’emploi et la pré­ven­tion des vols de voiture).

Pour mener à bien ces mis­sions, les datas­cien­tists de l’Administrateur géné­ral des don­nées coopé­re­ront avec le Centre de mathé­ma­tiques appli­quées de l’X dans la modé­li­sa­tion mathé­ma­tique des pro­ces­sus ponctuels.

L’élaboration d’algorithmes pré­dic­tifs, qui fait inter­ve­nir de nom­breuses tech­niques issues des sta­tis­tiques, a pour but d’associer une pro­ba­bi­li­té à un évé­ne­ment futur. Le cal­cul de cette pro­ba­bi­li­té est fon­dé sur l’observation de toutes les don­nées pas­sées carac­té­ri­sant le com­por­te­ment à prédire.

De nom­breuses poli­tiques publiques pour­ront béné­fi­cier des apports des sciences de la don­née, afin d’améliorer leur effi­ca­ci­té, leur défi­ni­tion ou encore leur pilotage.

La coopé­ra­tion avec l’École poly­tech­nique, qui enri­chi­ra les tra­vaux menés en propre par l’Administrateur géné­ral des don­nées, débu­te­ra notam­ment par deux appli­ca­tions concrètes : l’amélioration du retour à l’emploi et la pré­ven­tion des vols de voiture.

Prédire les parcours de retour à l’emploi

Le par­cours d’un deman­deur d’emploi s’étudie comme un phé­no­mène tem­po­rel pour lequel on s’intéresse à l’état binaire « cherche un emploi » / « a retrou­vé un emploi » connais­sant le par­cours pro­fes­sion­nel anté­rieur du deman­deur d’emploi ain­si que des infor­ma­tions per­son­nelles (âge, sexe, domi­cile, qua­li­fi­ca­tions, etc.).

La col­la­bo­ra­tion vise à conce­voir un modèle pré­dic­tif du temps de retour à l’emploi, à par­tir de l’analyse ano­ny­mi­sée du par­cours de deux mil­lions de chô­meurs sur trois ans. L’objectif pour­sui­vi est de four­nir des indi­ca­tions et des recom­man­da­tions per­son­na­li­sées aux deman­deurs d’emploi pour opti­mi­ser leur retour à l’emploi.

Anticiper le vol de voitures

La cri­mi­na­li­té se modé­lise comme une somme d’infractions pénales. © SDECORET / FOTOLIA

La cri­mi­na­li­té se modé­lise comme une somme d’infractions pénales. Leur inci­dence dépend de fac­teurs géo­gra­phiques, d’indicateurs sociaux et du contexte (date, don­nées météo­ro­lo­giques, etc.) qui entrent dans le cadre de l’étude des pro­ces­sus ponctuels.

La col­la­bo­ra­tion per­met­tra de déter­mi­ner un modèle de pré­dic­tion des vols de véhi­cules dans l’Oise, grâce aux don­nées four­nies par le ST(SI)² (Ser­vice des tech­no­lo­gies et des sys­tèmes d’information de la sécu­ri­té inté­rieure). Ce tra­vail vise à répondre à une demande des forces de sécu­ri­té inté­rieure d’optimiser leur allo­ca­tion de ressources.

Cette col­la­bo­ra­tion est por­tée par l’Administrateur géné­ral des don­nées pour le SGMAP et par Emma­nuel Bacry et Sté­phane Gaif­fas, cher­cheurs au Centre de mathé­ma­tiques appli­quées (CMAP – École polytechnique/CNRS).

Emma­nuel Bacry est par ailleurs res­pon­sable de la conven­tion de recherche signée avec la Caisse natio­nale d’assurance mala­die des tra­vailleurs sala­riés en jan­vier 2015, visant à favo­ri­ser le déve­lop­pe­ment des tech­no­lo­gies du big data appli­qué au domaine de la santé.

---

Articles similaires :

Quelques réflexions sur l’évolution de l’École polytechnique Ensei­gne­ment de l’histoire à l’X : agir aux sources des sciences Kes­sier un jour, kes­sier tou­jours, mer­ci aux Y Coa­ching, visi­bi­li­té, ce qu’apporte le prix X‑Impact Tech aux lauréats Anciens élèves et diplô­més de Poly­tech­nique, com­ment les distinguer ?