Big Data et RM ne font pas bon ménage

De nos jours, les nouveaux entrants sont formatés Big Data. On veut absolument inclure dans les algo de prévision de la data dès lors qu’elle est disponible : météo (comme si le Yield n’était qu’opportuniste et se jouait dans les 4 derniers jours), concurrence (comme si elle avait toujours raison), dernières notes tripadvisor (satisfaction client), visites web (qui reflète le niveau d’activité), la situation géopolitique (ben, ça compte), et j’en passe…

Beaucoup de « bruit » pour rien ? Ce que l’on pense gagner en précision, on le perd en robustesse et en confusion. Ce que l’on gagne en profondeur d’analyse, on le perd dans le labyrinthe intellectuel des réseaux de neurones ou du deep learning. C’est regrettable de ne pas comprendre sa prévision quand on fait du RM, non ?

Trouver le juste équilibre entre les maths et le bon sens n’est pas chose aisée. C’est pourtant nécessaire. Soyons ouverts aux nouvelles possibilités techniques, mais gardons en tête que le RM de nos prédécesseurs a fait ses preuves. Qui trop embrasse mal étreint…