Analyse prédictive de la fréquentation et IA : prévoir les comportements des visiteurs à partir des données WiFi

SCRIPT DE PODCAST : Analyse prédictive de la fréquentation et IA — Prévoir les comportements des visiteurs à partir des données WiFi Durée : ~10 minutes | Voix : Anglais britannique, ton de consultant senior --- [SEGMENT 1 — INTRODUCTION & CONTEXTE — env. 1 minute] Bienvenue. Si vous êtes responsable d'un site, d'un parc de points de vente ou d'un établissement hôtelier, on vous a probablement dit que votre réseau WiFi recèle une mine d'or de données. Et c'est vrai — mais seulement si vous savez quoi en faire. Aujourd'hui, nous allons parler de l'analyse prédictive de la fréquentation : ce que cela signifie concrètement, comment fonctionne le machine learning, de quelles données vous avez besoin pour la rendre fiable et — surtout — comment les organisations utilisent ces prévisions pour prendre de réelles décisions opérationnelles dès maintenant. Il ne s'agit pas d'un exercice théorique. Les organisations qui tirent le meilleur parti des prévisions de fréquentation basées sur le WiFi les utilisent pour réduire les coûts de personnel, limiter le gaspillage de stock et planifier leurs campagnes marketing à l'heure près. C'est ce que nous allons décrypter aujourd'hui. --- [SEGMENT 2 — PLONGÉE TECHNIQUE — env. 5 minutes] Commençons par la couche de données, car c'est là que la plupart des implémentations réussissent ou échouent avant même d'avoir commencé. Votre infrastructure WiFi — qu'il s'agisse d'un réseau géré avec des points d'accès 802.11ax ou d'un parc plus ancien en 802.11ac — collecte en continu les requêtes de sonde (probe requests) et les événements d'association de chaque appareil à portée. Chacun de ces événements comporte un horodatage, une mesure de la force du signal — le RSSI, Received Signal Strength Indicator — et, historiquement, l'adresse MAC de l'appareil. Aujourd'hui, la randomisation des adresses MAC, introduite de manière agressive depuis iOS 14 et Android 10, a rendu le suivi au niveau de l'appareil plus complexe. Mais voici le point clé : pour prévoir la fréquentation, vous n'avez pas réellement besoin d'une identité d'appareil persistante. Vous avez besoin de comptages agrégés, de distributions de temps de séjour et de schémas de transition de zone. Les données anonymisées et agrégées sont à la fois conformes au GDPR et entièrement suffisantes pour les modèles de prévision dont nous allons parler. Alors, à quoi ressemble le pipeline de données ? Lors de l'ingestion, vos points d'accès diffusent les événements de sonde et d'association vers un contrôleur central ou une plateforme cloud. La couche de prétraitement gère la déduplication — car un seul appareil génère des dizaines de requêtes de sonde par minute — et applique l'anonymisation. À partir de là, le Feature Engineering extrait les indicateurs qui alimentent réellement le modèle : comptage horaire des visiteurs par zone, temps de séjour moyen, taux d'entrée et de sortie, et surtout, des covariables externes comme le jour de la semaine, les jours fériés, les événements locaux et les données météo. Passons maintenant à la question de la sélection du modèle. C'est là que je constate le plus de confusion sur le marché. Les organisations choisissent soit par défaut des moyennes mobiles simples — qui sont pratiquement inutiles au-delà d'un horizon de 24 heures —, soit elles passent directement au deep learning sans disposer du volume de données nécessaire pour le soutenir. Voici un cadre pratique. Si vous disposez de six mois de données horaires propres et que votre site présente des schémas saisonniers relativement stables — comme un café de gare ou un supermarché —, le modèle SARIMA (Seasonal AutoRegressive Integrated Moving Average) vous donnera des prévisions solides à 7 jours avec des erreurs de pourcentage absolues moyennes (MAPE) de l'ordre de huit à douze pour cent. C'est suffisant pour guider les décisions de planification du personnel. Si vous disposez de douze mois ou plus et que vous faites face à des pics irréguliers — concerts, jours fériés, événements promotionnels —, le modèle Prophet de Facebook vaut la peine d'être déployé. Prophet gère nativement les points de rupture et les effets de jours fériés, et il est suffisamment interprétable pour que votre équipe opérationnelle comprenne pourquoi le modèle prévoit une affluence un samedi donné. Pour les sites disposant de variables riches — un grand parc de magasins où vous intégrez des calendriers promotionnels, l'activité des concurrents et des données de programmes de fidélité en plus des signaux WiFi —, les modèles de gradient boosting comme XGBoost surpassent systématiquement les approches statistiques. Avec douze mois de données d'entraînement et un bon Feature Engineering, vous pouvez espérer des erreurs de pourcentage absolues moyennes de l'ordre de trois à six pour cent. C'est le niveau de précision requis pour automatiser réellement les déclencheurs de réapprovisionnement des stocks. Et puis il y a LSTM — les réseaux de neurones Long Short-Term Memory. Ils sont puissants pour capturer les dépendances temporelles à long terme, mais ils nécessitent un minimum de dix-huit mois de données pour s'entraîner de manière fiable, et leur réentraînement est coûteux en ressources informatiques. Je recommanderais LSTM pour les déploiements à grande échelle — comme les chaînes de magasins multi-sites ou les exploitants de stades — où vous disposez du volume de données et des ressources d'ingénierie nécessaires pour maintenir le modèle. Une chose qui piège souvent les organisations : la différence entre un comptage de visiteurs connectés au WiFi et un comptage réel de la fréquentation. Tous les visiteurs ne se connectent pas à votre WiFi. Les taux de capture varient énormément — d'environ trente pour cent dans un restaurant à service rapide à plus de quatre-vingts pour cent dans le hall d'un hôtel où les clients recherchent activement une connexion. Vous devez calibrer vos comptages issus du WiFi par rapport à une source de vérité terrain — compteurs de portes, volumes de transactions POS ou comptages manuels — avant de pouvoir faire confiance aux chiffres absolus. Les schémas relatifs — les pics, les creux, les rythmes hebdomadaires — sont fiables presque immédiatement. Les comptages absolus nécessitent cette couche de calibration. Du côté de l'infrastructure, la densité des points d'accès importe plus qu'on ne le pense. Pour obtenir une granularité de fréquentation au niveau des zones — c'est-à-dire distinguer les différentes parties d'un étage —, vos points d'accès ne doivent pas être espacés de plus de quinze mètres, avec des cellules de couverture qui se chevauchent. Il ne s'agit pas seulement de performances de connectivité ; c'est une question de précision de triangulation pour la couche de positionnement qui alimente vos données de transition de zone. Le guide sur les systèmes de positionnement intérieur (Indoor Positioning System) sur le blog de Purple entre dans les détails techniques du positionnement basé sur l'UWB, le BLE et le WiFi si vous souhaitez approfondir le sujet. --- [SEGMENT 3 — RECOMMANDATIONS DE DÉPLOIEMENT & PIÈGES À ÉVITER — env. 2 minutes] Laissez-moi vous donner les trois éléments qui déterminent si un déploiement de fréquentation prédictive génère réellement un ROI ou s'il finit en un tableau de bord coûteux que personne ne consulte. Premièrement : la qualité des données prime sur la sophistication du modèle. J'ai vu des organisations passer six mois à sélectionner et ajuster un modèle LSTM sur des données incorrectes, alors qu'un modèle Prophet bien calibré sur des données propres aurait fourni de meilleures prévisions en six semaines. Investissez d'abord dans votre pipeline de données. Plus précisément : affinez votre logique de déduplication, gérez la randomisation MAC avec un comptage basé sur les sessions plutôt qu'un suivi au niveau de l'appareil, et établissez votre base de calibration par rapport à une source de comptage physique avant de toucher à un modèle. Deuxièmement : définissez la décision en aval avant de construire le modèle. La prévision est inutile si elle n'est pas connectée à une action. Les déploiements les plus réussis que j'ai vus commencent par la question opérationnelle — « de combien d'employés ai-je besoin sur le terrain à 14h un mardi en décembre ? » — et remontent jusqu'à la spécification du modèle. Cela détermine votre horizon de prévision, votre granularité et votre tolérance d'erreur acceptable. Une décision de planification du personnel nécessite une prévision à 7 jours à une granularité horaire. Une décision de réapprovisionnement des stocks pour un centre de distribution peut nécessiter une prévision à 14 jours à une granularité quotidienne. Ce sont des modèles différents avec des exigences de données différentes. Troisièmement : planifiez la dérive du modèle (model drift). Le comportement des visiteurs change. Un nouveau concurrent s'installe à proximité, une liaison de transport ferme, votre site est rénové. Les modèles entraînés sur des données antérieures à ces changements vont se dégrader. Intégrez une cadence de réentraînement dans votre processus opérationnel — mensuelle pour la plupart des sites, hebdomadaire si vous êtes dans un environnement à forte volatilité comme l'événementiel ou les hubs de transport. L'aspect GDPR mérite d'être souligné explicitement. Les données de fréquentation issues du WiFi, lorsqu'elles sont correctement anonymisées et agrégées, ne constituent pas des données personnelles au sens du GDPR britannique ou du GDPR de l'UE. Vous ne suivez pas des individus ; vous comptez des appareils. Cependant, votre politique de confidentialité doit mentionner l'utilisation des signaux WiFi pour l'analyse des sites, et vous devez vous assurer que vos politiques de conservation des données couvrent les données d'entraînement historiques que vous conservez. --- [SEGMENT 4 — QUESTIONS-RÉPONSES RAPIDES — env. 1 minute] Passons en revue les questions que l'on me pose le plus souvent. « De combien d'historique ai-je réellement besoin ? » Minimum six mois pour un modèle SARIMA utile. Douze mois pour capturer un cycle saisonnier complet. Dix-huit mois si vous optez pour LSTM. « À quelle précision dois-je m'attendre ? » Pour un modèle XGBoost bien implémenté avec de bonnes variables, un MAPE de trois à six pour cent sur un horizon de 7 jours est réalisable. Pour des modèles plus simples sur des horizons plus courts, huit à douze pour cent est réalisable. « Puis-je utiliser uniquement les données WiFi ? » Oui, pour la prévision de schémas relatifs. Pour la prévision de comptages absolus, vous avez besoin d'une source de calibration. « Quelle est la densité minimale de points d'accès pour des analyses par zone ? » Un point d'accès pour 150 à 200 mètres carrés pour un comptage de zone de base. Un pour 80 à 100 mètres carrés pour des données fiables sur le temps de séjour et les transitions. « Combien de temps prend un déploiement complet ? » Huit à douze semaines, de l'audit des données à la première prévision en production, en supposant une infrastructure propre et un cas d'usage défini. --- [SEGMENT 5 — RÉSUMÉ & PROCHAINES ÉTAPES — env. 1 minute] Pour résumer : l'analyse prédictive de la fréquentation à partir des données WiFi est une technologie mature. Les modèles fonctionnent, la précision est suffisante pour les décisions opérationnelles et le ROI est démontrable — généralement en matière d'efficacité du personnel et d'optimisation des stocks dès le premier trimestre de déploiement. Vos prochaines étapes immédiates : auditez votre infrastructure WiFi existante pour vérifier l'exhaustivité des données — enregistrez-vous les événements de sonde et d'association ? Établissez votre base de calibration. Définissez la décision opérationnelle que vous souhaitez automatiser ou améliorer. Et sélectionnez votre modèle en fonction de votre volume de données, et non de ce qui semble le plus impressionnant. Si vous utilisez la plateforme WiFi Analytics de Purple, le pipeline de données et la couche d'anonymisation sont déjà en place. La question est de savoir si vous utilisez les données historiques dont vous disposez déjà pour prendre des décisions prospectives, ou si vous vous contentez encore de regarder le tableau de bord de la semaine dernière. C'est la différence entre l'analyse réactive et l'intelligence prédictive. Et c'est là que réside la véritable valeur opérationnelle. Merci pour votre écoute. Les liens vers le guide technique complet, les schémas d'architecture et la liste de contrôle de mise en œuvre se trouvent dans les notes de l'émission. --- FIN DU SCRIPT Total estimated duration: ~10 minutes at 140 words per minute (script is approximately 1,380 words)