Études de cas

Au cœur des activités de Centraide se trouve une réalité importante : les employés de cet organisme consacrent énormément de temps et d'énergie à la recherche de donateurs. L’organisme sollicite l’aide des particuliers, mais également celle des compagnies, qui peuvent souvent contribuer à plus grande échelle. Trouver de nouvelles entreprises donatrices est essentiel pour assurer la pérennité des revenus et pour répondre aux grandes ambitions humaines que Centraide poursuit pour sa communauté.

Toutefois, malgré les efforts dévoués des employés et des bénévoles, il arrive que ces démarches se soldent par des refus. Ces situations, en plus d'être décevantes, ont demandé du temps aux employés en amont, les empêchant ainsi de se concentrer sur d'autres entreprises potentielles qui auraient pu apporter leur soutien financier à Centraide. C’est précisément sur ce point de douleur que Vooban a désiré travailler : optimiser la recherche de nouvelles entreprises potentielles afin de maximiser les chances de succès de Centraide dans l’obtention de nouveaux dons.

Le projet qu’on a développé s'articule autour d'un objectif clé : identifier les entreprises les plus susceptibles de devenir donatrices, à l'aide de différents facteurs mis en relation. Ces variables comprennent des listes d’entreprises, leur secteur d’activité, leur localisation, leur taille, l’historique des dons à Centraide, etc. Le but du projet est d’optimiser le temps et les ressources des employés de Centraide afin qu’ils concentrent leurs efforts et que leurs démarches génèrent le maximum de valeur pour l'organisme. 

En utilisant des techniques de machine learning classiques, on a développé un modèle d’intelligence artificielle en arbre. On l’appelle comme ça, car il représente les décisions à prendre sous forme… d’arbre! Chaque branche correspond à une décision basée sur certaines caractéristiques ou variables, et chaque feuille correspond à une conclusion ou à une prédiction. 

L’avantage de cette façon de faire est qu’elle permet de comprendre facilement comment les décisions sont prises. Dans ce cas-ci, c’est particulièrement utile pour expliquer pourquoi une entreprise est plus susceptible de donner et quelles sont les caractéristiques qui font la différence.

En connaissant mieux les facteurs qui font qu’une entreprise est plus susceptible de donner qu’une autre et en les appliquant à une base de données, nous avons pu identifier de nouvelles entreprises à fort potentiel qui n’étaient pas encore sur le radar de Centraide. Ceux-ci pourront donc concentrer leurs efforts et prioriser ces nouveaux prospects prometteurs.