Un client va-t-il renouveler son abonnement ? Un courriel est-il indésirable ? Une demande de prêt présente-t-elle un risque élevé ? Ces questions ont un point commun : la réponse appartient à une catégorie. C’est précisément le terrain de l’apprentissage automatique par classification, une méthode de prédiction que l’on peut comprendre et expérimenter dans Excel.
Pas besoin de transformer votre classeur en laboratoire informatique. Excel ne possède pas, à lui seul, un outil universel qui entraîne tous les modèles de classification. En revanche, il permet de préparer des données, de construire une première règle de décision et d’évaluer si elle se trompe souvent. Suivez le guide : nous allons créer un exemple simple, puis voir comment l’améliorer.
Qu’est-ce que la classification des données ?
La classification consiste à attribuer une catégorie à une nouvelle observation à partir d’exemples connus. On fournit au modèle des données d’entrée ainsi que la bonne réponse associée à chacune. Il cherche alors des régularités pour prédire la catégorie d’un cas qu’il n’a pas encore vu.
Imaginez une boutique en ligne qui souhaite savoir si un client risque de ne pas renouveler son abonnement. Pour les clients passés, elle connaît leur ancienneté, le nombre de commandes, les réclamations reçues et leur décision finale : renouvellement ou départ. Ces décisions déjà connues servent d’exemples d’entraînement.
La variable à prédire s’appelle la catégorie cible, ou simplement la cible. Ici, elle peut prendre deux valeurs : « Renouvelé » et « Parti ». Les informations utilisées pour faire la prédiction, comme l’ancienneté ou le nombre de commandes, sont les variables explicatives.
La classification se distingue d’une autre famille de prédictions : la régression. Si vous cherchez à prévoir le montant dépensé par un client, vous prédisez un nombre. Si vous cherchez à savoir s’il renouvellera ou non, vous prédisez une catégorie. La nuance est importante : le bon outil dépend de la question posée.
Pourquoi utiliser Excel pour débuter ?
Excel est souvent l’endroit où les données vivent déjà. Il facilite leur lecture, leur nettoyage et leur comparaison. On peut y tester une première méthode sans installer de logiciel ni écrire de programme. C’est aussi un excellent moyen de comprendre les étapes d’un projet de prédiction avant d’aller vers des outils spécialisés.
Il faut toutefois garder les pieds sur terre : une formule construite dans une feuille ne devient pas automatiquement un modèle intelligent. Excel convient bien à une démonstration, à une analyse de taille modeste ou à un système de règles simple. Pour des milliers de variables, des données très complexes ou des décisions sensibles, il faudra probablement envisager une solution plus adaptée.
Préparer un tableau propre et exploitable
La qualité des résultats dépend d’abord de la qualité des données. Chaque ligne doit représenter une observation — par exemple un client — et chaque colonne une information. La cible doit être clairement renseignée pour les exemples utilisés pendant l’apprentissage.
Voici un petit jeu de données fictif :
-
Ancienneté : nombre de mois depuis l’inscription ;
-
Commandes : nombre de commandes passées ;
-
Réclamations : nombre de réclamations enregistrées ;
-
Renouvellement : « Oui » ou « Non ».
Vérifiez que les nombres sont bien enregistrés comme des nombres, que les catégories sont écrites de façon cohérente et qu’il n’y a pas de lignes en double. « Oui », « OUI » et « oui » risquent d’être interprétés comme trois valeurs distinctes par certaines méthodes. Les cellules vides méritent aussi votre attention : une donnée manquante n’équivaut pas forcément à zéro.
Évitez enfin d’intégrer une information qui révèle déjà la réponse. Si vous prédisez le départ d’un client, une colonne « Date de résiliation » rendrait l’exercice inutile : elle donne pratiquement la réponse à l’avance. Ce problème, appelé fuite d’information, peut produire des résultats flatteurs mais sans valeur réelle.
Créer une première classification avec une règle de score
Pour commencer sans module supplémentaire, construisons un score simple. Supposons qu’une réclamation soit associée à un risque de départ plus élevé, tandis qu’une ancienneté importante soit plutôt rassurante. On peut attribuer des points selon des règles définies à l’avance.
Dans une nouvelle colonne, vous pourriez calculer un score de risque avec une formule de ce type, en supposant que l’ancienneté est en A2 et le nombre de réclamations en C2 :
=SI(C2>=2;2;0)+SI(A2<6;1;0)
Cette règle attribue deux points à partir de deux réclamations et un point si l’ancienneté est inférieure à six mois. Il ne s’agit pas encore d’un modèle entraîné automatiquement : les seuils et les points ont été choisis par une personne. Mais cela permet de transformer des informations en une décision exploitable.
Ajoutez ensuite une colonne de prédiction. Si un score de trois points ou plus signale un risque élevé, vous pouvez écrire :
=SI(D2>=3;"Risque élevé";"Risque faible")
Remplacez D2 par la cellule contenant votre score. Vous obtenez une classification à deux catégories. Vous pouvez comparer la prédiction à la réalité dans la colonne « Renouvellement ». Attention, « risque élevé » n’est pas synonyme de départ certain : une prédiction exprime une estimation, pas une vérité gravée dans le marbre.
Améliorer la règle grâce aux exemples connus
Une méthode simple pour ajuster une règle consiste à tester plusieurs seuils et à mesurer les erreurs obtenues sur les données historiques. Dans Excel, créez une colonne qui compare la catégorie prédite à la catégorie réelle. Par exemple :
=SI(E2=F2;"Correct";"Erreur")
Vous pouvez ensuite compter les résultats avec la fonction NB.SI ou résumer les données avec un tableau croisé dynamique. Essayez différents seuils de score : deux, trois ou quatre points. Le seuil qui fonctionne le mieux dépend de votre objectif et des conséquences d’une erreur.
Un commerçant qui souhaite contacter les clients susceptibles de partir préférera peut-être repérer un maximum de personnes à risque, même s’il contacte parfois des clients qui seraient restés. À l’inverse, une entreprise qui doit éviter des alertes inutiles pourra privilégier des prédictions plus prudentes. Il n’existe donc pas toujours un seuil « parfait » : tout dépend du coût des erreurs.
Évaluer le résultat sans se raconter d’histoires
Le taux de bonnes réponses est facile à comprendre : il correspond au nombre de prédictions correctes divisé par le nombre total de prédictions. Mais il peut être trompeur. Si seulement 5 % des clients partent, une règle qui prédit systématiquement « Renouvellement » aura déjà 95 % de bonnes réponses. Impressionnant ? Pas vraiment : elle ne repère aucun départ.
Pour y voir plus clair, construisez un tableau croisant la réalité et la prédiction. Dans un problème à deux catégories, ce tableau permet de distinguer :
-
les départs correctement repérés ;
-
les départs manqués ;
-
les clients signalés à tort comme étant à risque ;
-
les renouvellements correctement identifiés.
La précision indique, parmi les cas signalés comme positifs, quelle part l’est réellement. Le rappel mesure la proportion des cas positifs réels que le système a retrouvés. Dans notre exemple, la précision répond à « Parmi les clients signalés à risque, combien sont effectivement partis ? », tandis que le rappel répond à « Parmi tous les clients partis, combien avons-nous détectés ? ».
On peut calculer ces indicateurs avec des formules, à condition de définir clairement quelle catégorie est considérée comme positive. Dans Excel, NB.SI.ENS est pratique pour compter les lignes qui répondent à plusieurs critères. Les noms de fonctions et le séparateur peuvent varier selon la langue et la configuration de votre version.
Séparer les données d’apprentissage et de test
Si vous ajustez votre règle sur toutes les lignes, puis l’évaluez sur ces mêmes lignes, le résultat risque d’être trop optimiste. Le système a déjà été réglé en fonction de ces exemples. Pour vérifier s’il sait traiter des cas nouveaux, gardez une partie des observations à l’écart pendant la mise au point.
Par exemple, consacrez environ 80 % des lignes à l’apprentissage et réservez les 20 % restantes au test. Sur le premier groupe, vous choisissez vos seuils ou vos paramètres. Sur le second, vous mesurez les performances sans modifier la règle après avoir vu le résultat. Le partage doit être représentatif : si les départs sont rares, veillez à ce que les deux groupes contiennent une proportion raisonnable de cette catégorie.
Pour une analyse simple, ajoutez une colonne indiquant « Apprentissage » ou « Test », puis répartissez les lignes. Si vous mélangez les données avant de les partager, conservez une méthode reproductible afin de pouvoir refaire l’évaluation dans les mêmes conditions.
Quelles autres possibilités dans Excel ?
Une règle de score est un bon point de départ, mais elle reste limitée. Pour aller plus loin, plusieurs approches sont envisageables selon votre version d’Excel et votre aisance technique. Le Solveur peut aider à ajuster des paramètres sous certaines contraintes. Des compléments ou des outils d’analyse connectés à Excel peuvent aussi entraîner des modèles plus avancés.
Une autre option consiste à calculer une probabilité avec une régression logistique, puis à transformer cette probabilité en catégorie à l’aide d’un seuil. Cette approche demande de comprendre les coefficients et les calculs associés ; elle est donc moins immédiate qu’une formule SI. L’important est de choisir une méthode que vous pourrez expliquer et vérifier.
Dans tous les cas, documentez les règles : quelles colonnes sont utilisées, comment les valeurs manquantes sont traitées, quel seuil a été choisi et sur quelles données les performances ont été mesurées. Un classeur lisible vaut mieux qu’une formule mystérieuse recopiée sur 40 000 lignes.
Les erreurs fréquentes à éviter
-
Confondre association et cause : une caractéristique liée aux départs ne les provoque pas nécessairement.
-
Évaluer uniquement le taux de bonnes réponses : examinez aussi les erreurs par catégorie, surtout si les classes sont déséquilibrées.
-
Modifier la règle après chaque test : si vous optimisez sans cesse sur les mêmes données de test, elles ne sont plus vraiment indépendantes.
-
Oublier le contexte métier : une erreur peut avoir des conséquences très différentes selon l’usage de la prédiction.
-
Prendre une prédiction pour une décision automatique : dans les domaines sensibles, les résultats doivent être contrôlés et utilisés avec discernement.
La classification est donc une façon structurée de répondre à une question du type « dans quelle catégorie ce cas a-t-il le plus de chances d’entrer ? ». Avec un tableau bien préparé, une règle de score et quelques indicateurs de contrôle, Excel permet d’en saisir les principes et de mener un premier essai concret.
Commencez petit : choisissez une cible claire, quelques variables pertinentes et un jeu d’exemples fiables. Puis comparez vos prédictions à la réalité. C’est souvent là que l’exercice devient intéressant : non seulement vous découvrez si votre règle fonctionne, mais vous apprenez aussi quelles données méritent d’être mieux suivies dans votre classeur.
