Analyse de l’influence de l’opacité des algorithmes sur la qualité de la prise de décision

Details

Supervisors

Fouss, François

Faculty

Louvain School of Management

Degree label

Master [120] : ingénieur de gestion, à finalité spécialisée

Abstract

Dans ce mémoire, nous aborderons la problématique de l’opacité des algorithmes, avec la question de recherche suivante : « Comment l’opacité des algorithmes influence-t-elle la qualité des décisions prises par les utilisateurs ? ». Malgré l’existence de nombreuses recherches démontrant les effets bénéfiques de l’analyse de données sur la prise de décision et la performance en entreprise, il apparait que seulement 27% d’entre-elles considèrent leur investissement dans des outils d’analyse de données comme une réussite (Colas et al., 2014). En effet, trop peu de recherches, à ce jour, se sont penchées sur les conditions d’utilisation de ces outils afin d’en retirer un niveau de performance conforme aux attentes (Ghasemaghaei, 2019). Dans ce contexte, un questionnaire quantitatif a été distribué à 3 groupes de répondants différents, en se basant sur un problème de classification de clients perdus ainsi que sur les prédictions d’un arbre de décision et d’un réseau de neurones. Il a dès lors été demandé à chaque répondant de prédire si un client partira ou non, en fournissant la prédiction d’un algorithme en tant qu’aide à la décision. Pour un des trois groupes, l’explication derrière la prédiction de l’algorithme était également fournie. Les résultats, analysés en utilisant des tests d’hypothèse, nous ont permis de déterminer que l’opacité, en ne permettant pas de questionner les procédés sous-jacents des algorithmes, influence de manière positive la qualité des décisions prises par les utilisateurs. En effet, nous avons observé que les répondants de notre enquête classifiaient moins bien les clients lorsqu’ils avaient accès à l’explication derrière la prédiction de l’algorithme que lorsqu’ils avaient simplement accès à la prédiction. Cela est expliqué par le fait qu’il est plus facile pour les répondants de questionner l’algorithme lorsqu’ils peuvent observer ses règles de décision, et cela les a menés à moins faire confiance à l’algorithme que les répondants auxquels seule la prédiction était fournie. Enfin, des limites et pistes de recherche ont été dégagées. Une des limites les plus importantes de ce mémoire est que nous n’avons pas pris en compte le niveau de formation en analyse de données des répondants. Cette limite découle du choix du contexte général dans lequel veut s’inscrire ce mémoire et ouvre des pistes de recherche intéressantes pour le futur.