Publié le 08/10/2020 par Mathieu Boisseau | Mis à jour le : 08/12/2022 | 6 min de lecture
Sujets : Articque Platform, Cartes & Données, Logiciel de cartographie, Sectorisation automatique
Sectorisation automatique : les promesses des algorithmes génétiques
À l’occasion de la journée du géo-décisionnel 2020, Jérôme Guyot, directeur Produits Articque, a animé une conférence dédiée à l’intelligence artificielle (IA) et à ses apports dans les problématiques territoriales. Après avoir dessiné les contours de l’intelligence artificielle (voir la vidéo ci-dessous), il a illustré le fonctionnement de la sectorisation automatique via la méthode heuristique dans les logiciels Articque. Jérôme Guyot a ensuite évoqué la genèse d’une nouvelle méthode de sectorisation automatique, dit génétique. Basée sur un algorithme éponyme issu du machine learning, elle introduit une part d’intelligence artificielle. Cette nouvelle méthode, qui s’inspire des travaux de Darwin, est porteuse de belles promesses pour les entreprises en quête d’un découpage territorial optimal. Nous vous expliquons pourquoi.
1. La sectorisation automatique, symbole de la R&D Articque
Intelligence artificielle, méthode heuristique, algorithme génétique, darwinisme, couleur de pelage des ours… Autant de notions que Jérôme Guyot a mises en relief durant son exposé devant les participants de la journée du géo-décisionnel 2020. Il a ainsi mis en avant l’effort de Recherche & Développement constant impulsé par Articque depuis 1989. Comme le signalait Georges-Antoine Strauch, président-fondateur d’Articque, le matin même lors de son discours d’ouverture, 30% du chiffre d’affaires de l’entreprise est désormais consacré à la R&D. Cet effort conséquent se traduit concrètement par le déploiement régulier de nouvelles fonctionnalités au sein des produits Articque et par l’introduction d’une part grandissante d’intelligence artificielle via la méthode génétique. La finalité est de continuer à répondre efficacement à la diversité et à la complexité des situations rencontrées par nos clients en matière de sectorisation territoriale, qu’il s’agisse de sectorisation de nature commerciale, d’implantation d’agences ou de répartition des ressources humaines.
2. Définition et limites de la méthode heuristique
Traditionnellement portée par l’innovation, Articque a d’abord développé et intégré une 1ère sectorisation automatique dans ses logiciels. Se basant sur une méthode heuristique, cette sectorisation consiste à construire, à partir des pôles de départ définis, des secteurs équilibrés répondant à des objectifs fixés par nos clients. Cette méthode crée des secteurs autour des points de départ en procédant selon des élargissements concentriques pour chaque secteur à tour de rôle, en favorisant les territoires « en retard » sur les autres en matière de potentiel à atteindre (chiffre d’affaires, nombre de prospects et de clients à visiter).
Bien que simple, rapide et assez efficace, cette méthode heuristique ne permet pas de construire de secteurs à partir d’un territoire vierge, à savoir sans point de départ. De plus, le nombre de secteurs créés dépend du nombre de points de départ. Il est impossible, par exemple, de déterminer 5 secteurs à partir de 1, 2, 3 ou 4 points de départ (1 point de départ = 1 secteur). L’autre limite de cette méthode est liée à la compacité des secteurs créés, c’est-à-dire à l’homogénéité géographique des territoires. Durant le processus de construction, les territoires « en retard » essaient de grignoter du terrain sur les autres secteurs afin que toutes les zones de la carte soient attribuées. Ce qui a pour conséquence de créer parfois des secteurs qui manquent de compacité ou d’uniformité géographique, avec, par exemple, une forme plus allongée que d’autres. Or, certains clients d’Articque préfèrent privilégier parfois des secteurs compacts plutôt qu’homogènes géographiquement, au détriment de leur équilibrage.
Sectorisation automatique par méthode heuristique
– Paramètres initiaux : 5 points de départ, 5 secteurs à créer et 4 types de commerces à répartir (commerce d’alimentation générale, supérette, supermarché, hypermarché)
– Résultats : les secteurs créés sont relativement bien équilibrés en nombre de commerces mais les secteurs bleu et vert n’ont pas une bonne compacité.
3. Sectorisation automatique et algorithmes génétiques
Constatant les limites de la méthode heuristique, Jérôme Guyot et son équipe R&D ont façonné une nouvelle sectorisation automatique en s’inspirant de la théorie de Charles Darwin sur l’évolution des espèces, du machine learning et des algorithmes génétiques. Ces derniers fonctionnent à l’image de la sélection naturelle : au fil des générations, les espaces mutent et certains individus gagnent en compétitivité grâce aux mutations génétiques, qui leur offrent un avantage déterminant par rapport à leurs congénères (pour survivre et pour se reproduire, dans le cas des espèces animales). Par exemple, l’ours blanc, grâce à sa couleur de pelage, est capable de se camoufler dans la neige (contrairement à l’ours brun), ce qui donne à son espèce une avance décisive, celle de pouvoir chasser plus efficacement et donc de mieux se nourrir. En se reproduisant, ces individus plus compétitifs transmettent leurs nouvelles caractéristiques aux générations futures et participent à une évolution constante de leur espèce.
Appliquée à la cartographie, la méthode dite génétique consiste à générer aléatoirement un grand nombre de sectorisations initiales (une première génération) et à sélectionner parmi celles-ci les meilleurs individus, c’est-à-dire les sectorisations les plus pertinentes (c’est ce que l’on appelle le taux d’élitisme, qui est déterminé par l’utilisateur). Les sectorisations les plus compétitives sont ensuite reproduites entre elles pour créer une nouvelle génération de sectorisations, toutes un peu plus proches d’un optimum que leurs aïeux. Cette opération est réitérée plusieurs centaines de fois dans le logiciel en l’espace de quelques minutes seulement.
À la fin du processus, la sectorisation choisie est celle qui est la plus proche de l’objectif initialement fixé par l’utilisateur. Cet objectif, synthétisé sous la forme d’un score, prend en compte les critères comme la compacité géographique et l’équilibre mais aussi d’autres paramètres tels que le chiffre d’affaires, le nombre de clients, le nombre de concurrents, le nombre de prospects ou la population d’un IRIS…
Le but de la méthode génétique est d’offrir une solution complémentaire à la méthode heuristique dans une double direction :
– améliorer la compacité et l’équilibre des secteurs
– donner la possibilité de créer une sectorisation sans point de départ (puisque les bases du travail sont des sectorisations créées aléatoirement)
Sectorisation automatique par méthode génétique
– Paramètres initiaux :
5 points de départ, 5 secteurs à créer, 4 types de commerces cibles à répartir (commerce d’alimentation générale, supérette, supermarché, hypermarché)
2000 itérations, temps maximum : 240 secondes, 1000 sectorisations aléatoires étudiées à chaque itération, 10% d’élitisme
– Résultats : les secteurs créés sont géographiquement cohérents et relativement compacts. Le ratio entre compacité et équilibrage est bon.
Conclusion
La sectorisation automatique par méthode génétique offre de grandes possibilités pour optimiser le découpage des territoires mais également pour réaliser des simulations d’implantation. Cela ouvre également, pour l’utilisateur, des perspectives très intéressantes à plus long terme : le machine learning et les modèles apprenants pourraient permettre de lui suggérer des associations intelligentes (entre une donnée et un fond de carte par exemple) et de lui apporter une aide précieuse dans son travail au quotidien (suggestion de données pertinentes, proposition de cartes et d’analyses réalisées par d’autres utilisateurs).
À propos de l’auteur : Mathieu Boisseau
J’ai rejoint Articque en tant que webmarketeur afin de créer des contenus dédiés au monde de la cartographie statistique.