My Blog

Catégorie : IA

  • Chatbots et réseaux sociaux : l’avenir de la relation client

    Chatbots et réseaux sociaux : l’avenir de la relation client

     Par Raphael Bijiaoui, responsable des offres digitales analytiques, AVANADE

    En misant sur une interaction fluide avec leurs clients, les marques les fidélisent, amplifient l’effet du bouche-à-oreille digital et améliorent la conversion. Souvenez-vous, il y a quelques années les marques voulaient toutes un site « mobile friendly » ? Puis vint la vague des apps et celle du responsive design. En 2017, pour être plus proche de son consommateur, il vaut mieux avoir un chatbot, parce qu’il réconcilie la mise à l’échelle, la rapidité et la personnalisation.

    Qu’est-ce qu’un chatbot ?

    Un chatbot, autrement appelé agent conversationnel, est un programme informatique qui permet d’automatiser des conversations sur des sujets précis. Entre les automates de réponse du type FAQ réagissant aux mots clés et les agents conversationnels intelligents, l’offre est très large. Grâce aux progrès de l’intelligence artificielle et notamment au machine learning, les chatbots les plus avancés sont capables d’apprendre de leurs erreurs, d’accumuler des connaissances, d’ « écouter » leurs interlocuteurs et leur apporter des réponses personnalisées en langage naturel. Les mieux entraînés vont jusqu’à imiter le style conversationnel d’une personne, en adaptant le ton et en jonglant avec les emojis.

    En termes d’interface, les chatbots fonctionnent :

    –       à travers le clavier sur les messageries instantanées,

    –       à travers la voix sur des enceintes connectées du type Echo d’Amazon, ou un simple micro de smartphone.

    –       à travers des canaux non-verbaux, par exemple, par la sélection parmi les images proposées.

    Nouvelles interfaces pour de nouveaux usages

    Pourquoi des chatbots ? Parce que le temps c’est de l’argent. Ce vieil adage est plus vrai que jamais. Dans le monde de l’achat en un clic et des « swipe », les marques ont de moins en moins de temps pour convaincre des consommateurs de plus en plus pressés. Dans ce contexte, les chatbots se présentent comme un outil des plus puissants. En réagissant ici et maintenant, ils adressent deux aspects clés pour la satisfaction du consommateur : son temps et son confort.

    De même, les nouveaux produits sociaux type Messenger ou WhatsApp sont mieux compris des nouvelles générations.  Ces messageries instantanées mobiless’intègrent aux plateformes des réseaux sociaux et deviennent ainsi le canal le plus accessible et le plus propice pour mettre les consommateurs en relation directe avec les marques. Les chatbots sont une solution efficace pour maintenir et gérer cette relation.

    –       D’après une étude de Desk.com, 80% des Millennials n’aiment pas l’idée de contacter le service client par téléphone, qu’ils trouvent peu pratique.

    –       Plus de 22% des Millennials qui contactent les marques via les réseaux sociaux s’attendent à recevoir une réponse dans les 10 minutes.

    –       Sans une réponse rapide, 52% vont abandonner leur achat.

    Mieux encore, en élargissant le périmètre de leur utilisation originale qui consistait à connecter les utilisateurs avec leurs amis et leur famille, ils leur permettent dorénavant d’effectuer de nombreuses autres activités sans avoir à quitter le site. Quand en avril 2016 Facebook annonçait que toutes les entreprises pourraient intégrer leur bot dans Messenger, un nouveau canal de communication s’ouvrait aux marques.

    –       La croissance d’utilisateurs de messageries instantanées se poursuit. D’après Statista, aujourd’hui Facebook Messenger et WhatsApp, également dans le giron de Facebook, affichent chacun plus de 1,3 milliard d’utilisateurs actifs (septembre 2017), Viber – 920 millions d’utilisateurs uniques (juin 2017), Snapchat– 166 millions d’utilisateurs actifs au quotidien (mai 2017).

    –       Kik seul compte plus de 300 millions d’utilisateurs qui ont échangé plus de 350 millions de messages avec les bots.

  • IA : la part entre le buzz et la réalité dans les entreprises

    Intelligence Artificielle : une enquête de SAS fait la part entre le buzz et la réalité dans les entreprises

    Une enquête menée par SAS auprès de dirigeants de 100 entreprises européennes.

    • 55% des dirigeants s’interrogent sur l’avenir des emplois humains face à l’automatisation et à l’autonomie offertes par cette technologie.
    • Seules 20% des entreprises jugent leurs équipes de data science suffisamment préparées, et 19% d’entre elles ne possèdent pas d’équipe de data scientists.
    • 76% des entreprises estiment ne pas disposer  d’une infrastructure adaptée à l’IA, 29% ne dispose d’aucune plate-forme spécifique.

    L’intelligence artificielle (IA) donne lieu à un grand battage médiatique. Néanmoins, pour la plupart des entreprises européennes interrogées dans le cadre d’une récente enquête de SAS, le leader de l’analytique, l’adoption de l’IA n’en est encore qu’à ses balbutiements, voire au stade du projet. La bonne nouvelle, c’est qu’il en est question dans la majorité d’entre elles, certaines ayant même commencé à mettre en place des projets. Le potentiel de l’intelligence artificielle suscite beaucoup d’optimisme même si, de leur propre aveu, peu d’entreprises sont déjà prêtes à en tirer parti.

    Le frein à l’adoption de l’IA n’est pas tant le déficit technologique – la plupart des dirigeants admettent d’ailleurs que les options disponibles sont nombreuses – que le manque de compétences en science des données pour valoriser cette technologie naissante, sans parler des obstacles organisationnels et sociétaux.

    Enjeux de société

    Selon 55 % des personnes interrogées, le principal défi de l’intelligence artificielle concerne l’avenir des emplois humains face à l’automatisation et à l’autonomie offertes par cette technologie. Les destructions d’emplois, mais aussi le développement de nouvelles professions exigeant des compétences liées à l’IA, font partie des effets potentiels sur le marché du travail les plus cités.

    Le deuxième problème avancé concerne les questions éthiques : 41 % des participants se demandent si les robots et les systèmes d’intelligence artificielle doivent œuvrer « pour le bien de l’humanité » ou au service d’une seule entreprise, et s’interrogent sur le devenir des personnes qui auront perdu leur emploi en raison de ces systèmes.

    Les data scientists sont-ils prêts à relever le défi de l’intelligence artificielle ?

    Les entreprises ne sont que 20 % à juger que leurs équipes de data science sont suffisamment préparées, tandis que 19 % d’entre elles ne possèdent aucune structure de ce type.

    Si 28 % d’entre elles ont prévu de recruter des data scientists pour développer des compétences organisationnelles, elles sont 32 % à vouloir développer les compétences de leurs équipes d’analystes actuelles par le biais de formations, de conférences et d’ateliers.

    D’autre part, la confiance est aujourd’hui un problème majeur dans la plupart des entreprises.

    Près de la moitié des dirigeants (49 %) font d’ailleurs état de difficultés d’ordre culturel dues à un manque de confiance dans l’intelligence artificielle et plus généralement dans les solutions « black box ».

    Préparation des plates-formes

    L’étude cherchait également à évaluer la préparation des entreprises quant à l’infrastructure nécessaire à l’intelligence artificielle. Un contraste est apparu entre les dirigeants qui estiment disposer d’une infrastructure adaptée à l’IA (24 %) et ceux qui pensent avoir besoin de renouveler et d’adapter leur plate-forme actuelle (24 %), voire ne disposent d’aucune plate-forme spécifique (29 %).

    Selon Oliver Schabenberger, Executive Vice President et Chief Technology Officer chez SAS, « les progrès accomplis par les algorithmes qui exécutent – avec une précision époustouflante – des tâches réalisables par l’être humain sont incroyables. » Et d’ajouter : « Le fait qu’un algorithme puisse battre le meilleur joueur de go au monde est extraordinaire. Nous pensions que le jeu de go était impossible à informatiser – par l’homme – mais une machine l’a fait pour nous. Après avoir assimilé les règles, le système a appris à jouer, et il a dominé le meilleur représentant de notre espèce. Nous pouvons utiliser ces connaissances pour créer des systèmes qui répondent aux problèmes des entreprises aussi bien, voire mieux, que les systèmes statiques dont nous nous servons aujourd’hui. Nous pouvons créer des systèmes qui assimilent des règles métiers, puis apprennent à les respecter et finissent par les améliorer. C’est précisément l’objectif de SAS. »

    Pour connaître les autres conclusions de l’enquête, téléchargez le compte rendu complet 

  • LENGOW DAY – LES TEMPS FORTS : 1milliard de livraisons / jour pour ALIBABA en 2025 ! 

    LENGOW DAY 2017  – LES TEMPS FORTS

    Lengow Day a réunit le 11 octobre dernier, plus de 400 participants autour du e-commerce européen et international.

    Depuis sa création en 2013, le Lengow Day ouvre l’horizon des e-commerçants en réunissant un panel de speakers inspirants et une sélection de solutions innovantes pour mettre en perspective les stratégies ECOMMERCE de demain.

    40 Speakers ont ainsi partagé leurs expériences, leurs conseils avisés, leurs réussites et leurs difficultés afin d’aider les ecommerçants à aborder leur développement à l’international.
    Retour sur les temps forts des plénières et des workshops opérationnels

    Le chiffre à retenir : 1milliard de livraisons / jour pour ALIBABA en 2025 ! 


    Alibaba la marketplace chinoise est la seule à peser face à la supématie américaine Amazon. Jack Ma le fondateur d’Alibaba n’a pas de frein pour ses ambitions internationales selon Guido Ghedin (Cifnews) International Marketing Consultant.

     

     

     

    Focus sur trois thématiques

     Au cours de cette journée , trois thématiques ont été abordées :
    ·      Expérience utilisateur
    ·      Business, se réinventer par l’innovation
    ·      Logistique et paiement, écouter ses clients

    Expérience utilisateur : Les entreprises de nos jours se concentrent davantage sur les moyens d’attirer de nouveaux clients et d’accroître leurs parts de marché, mais les problématiques suivantes se posent :
    Comment assurer la fidélisation des clients existants qui s’avère vitale pour l’entreprise ?
    Pour François Cousi, fondateur de PMP conseil,  la réponse tient dans une expérience d’achat qui génère de l’émotion. 7 leviers sont nécessaires pour atteindre cet objectif : l’usage du mobile, les échanges, les interactions, la personnalisation, l’expérience, les réseaux sociaux.

    Business, se réinventer par l’innovation

    Pour aborder la seconde thématique de la journée, PMP Conseil a évoqué des acteurs du marché qui avaient revus leur modèle de croissance par l’innovation, à l’image d’Amazon et son offre BtoB ou encore Prime.
    Le retour d’expérience de Renaud Montin CMO d’ERAM  a souligné l’importance de devoir constamment se réinventer, même pour une entreprise comme Eram, âgée de 90 ans. Eram, lancera mi-novembre sa chaussure connectée, #Choose , la sneakers connectée, développée par Éram et la start-up Phocéis. Le principe : une bande, située sur la tige de la chaussure, change de couleur en quelques secondes, en fonction des envies de son porteur.

     

    Enfin, dans un « talk » consacré à la « self-disruption », Michel Koch (RE_SET/ Ex-Time Inc.) a notamment évoqué sa vision entre l’innovation et la disruption en particulier pour la presse écrite. « La sauvegarde de la presse écrite passe par les interactions qu’elle mettra en place avec son lectorat pour ne pas être disruptée. »

    Logistique et paiement, écouter ses clients

    La troisième thématique quant à elle était dédiée à l’une des principales problématiques à l’internationalisation : la logistique. Pour en discuter, PingKi Houang (Fashion3), Édouard Margain (Lavinia), Charles-Antoine Gondrand (Nektria) et Rémi Lengaigne (Colisweb) se sont réunis pour aborder les attentes des consommateurs, l’optimisation du processus de livraison, le dernier kilomètre…

    Mais le coup de cœur est allé vers Helen Chapman, CEO de dottyfishltd , une belle success story comme on les aime. Helen s’est lancée dans le commerce de chaussons de bébé, elle a fait appel à la marketplace eBay la première année de sa création. Le succès est au rendez-vous. Elle décide d’aller un cran plus loin en faisant produire ses chaussons en Chine et développer son Business sur AliBaba cinq après son entreprise affiche un C.A de 30 millions de dollars. Selon Helen Chapman, son business est étroitement lié aux marketplaces qui peuvent s’adapter et fournir tous les leviers logistiques pour un marché de masse.

    Pour compléter, Simon Miss, International business & partnership Developer Cdiscount a donné quelques chiffres clés sur sa marketplace. A noter que selon la Fevad L’indice des places de marché progresse de 15%. L’indice iPM, qui mesure le volume des ventes réalisées sur les places de marché (ventes réalisées par les sites hébergés sur les places de marché de l’iCE 100), continue de progresser. L’activité sur les places de marchés progresse de 15% par rapport au 2ème trimestre de 2016. Elle pèse désormais 31% des ventes réalisées par les sites du panel iPM.

    Workshops opérationnels

    De nombreux workshops étaient organisés en parallèle. Difficile de tous les suivre, aussi j’ai écouté avec attention celui concernant Notify , et sa technologie RTB.  Elle permet aux annonceurs de savoir quasi en temps réel si le consommateur est connecté ou non derrière un écran, pour lui envoyer des notifications personnalisées. Selon Notify, 81 % des sollicitations commerciales envoyées ne sont jamais lues.

    Xavier Chauvin, CEO de Beauté Privé, explique que 60 % de son C.A passe par le mobile. Sa problématique est de pouvoir adresser les clientes actives avec un contenu ciblé sur leur mobile. La technologie de Notify repose sur une base de 20 millions de consommateurs sur laquelle l’éditeur va « matcher » avec la base de Beauté Privée et déclencher la notification adaptée.

    Pour clôturer cette édition, les startups Shopopop, Dilit, Teeps, Popsell et Shipup ont été invitées à pitcher pour faire découvrir leurs activités aux participants.

     

     

     

     

     

    Découvrez les interviews des experts de l’e-commerce présents au Lengow Day sur la chaîne Youtube de LENGOW.

    Annie ABELA – LICHTNER

  • I.A. et Big Data ne reflètent pas la réalité…

    Intelligence Artificielle et Big Data :  Quels impacts pour l’économie et l’entreprise ? 

    Par Jean-François Marcotorchino, Directeur de recherche Associé au Laboratoire de Statistique Théorique et Appliquée (LSTA) de Paris VI/UPMC. Professeur des Universités, chargé de cours à Paris VI et à l’ISUP (Institut de Statistique de l’Université de Paris). Ancien Vice-Président, Directeur scientifique de Thales SIX, et « Thales Technical Fellow ».

    Intelligence Artificielle et Big Data sont deux sujets dont on reparle aujourd’hui simultanément. Avec la robotique ils enflamment l’imagination de nos contemporains. Certes la cohabitation de l’homme avec des systèmes artificiels est depuis longtemps l’un des thèmes favoris de la science-fiction. Quant à l’économie, dans le passé, ces disciplines ont tour à tour suscité espoirs démesurés puis déceptions, et ce, de façon quasi cyclique. Mais nombre d’événements récents, souvent habilement mis en scène, laissent à penser que s’ouvre à nouveau une ère de ruptures dans la technologie. C’est pourquoi I.A. et Big Data nourrissent désormais un véritable débat de société. Dans ce livre blanc, Jean-François Marcotorchino, aidé dans sa réflexion par Christophe Faurie**, spécialiste en conduite du Changement, donnent une lecture sur l’impact réel et raisonnablement prévisible de l’I.A. et du Big Data sur l’économie et l’entreprise.

    Scientifiquement, les technologies actuelles de l’I.A. et du Big Data font appel, de plus en plus, à des algorithmes mathématiques de haut niveau s’appuyant sur des machines de plus en plus puissantes. Mais la nouveauté et les perspectives de rupture sont loin d’être aussi radicales qu’on se plaît à le faire croire. Aussi est-il important de bien faire la part entre progrès en cours de validation, et redécouverte de techniques préexistantes et peu diffusées, ou encore entre percées scientifiques réelles et validées et « relooking » d’approches déjà connues. C’est cette préoccupation qui anime cette réflexion : quel est le bénéfice de l’I.A. et du Big Data sur l’économie et l’entreprise ?

    Elle conduit à une conclusion pratique : ce que l’on entend actuellement sur I.A. et Big Data ne reflète pas la réalité.

    D’une part, s’il y a matière à une transformation radicale, elle n’est pas où nous la cherchons. Et elle n’aura pas l’impact que l’on dit. Elle est, en quelque sorte, « démocratique ». Elle sourit au talent humain ou social, et ne coûte pas cher.

    Ensuite, On a vendu la peau de l’ours avant de l’avoir tué. L’I.A. et le Big Data n’ont pas les capacités qu’on leur prête. Ils font face à des obstacles. Plus exactement : 5 « antinomies ». Cependant, Une avancée n’est pas impossible. C’est un problème de mathématiques. Or, en France, nous avons des mathématiciens et statisticiens d’un excellent niveau. Encore faut-il qu’ils ne nous quittent pas…

  • L’intelligence artificielle au service des assureurs comme des assurés

    L’intelligence artificielle au service des assureurs comme des assurés

    Par Alain Biancardi, Vice President Sales Expert System

    À l’heure où la gestion des sinistres représente 80% de l’activité des assureurs, il devient urgent de s’interroger sur les moyens de gagner en productivité et en profitabilité, tout en maintenant un niveau de satisfaction client élevé dans un climat concurrentiel particulièrement rude.

    L’intelligence artificielle pourrait-elle s’imposer comme la garante de cet équilibre, plus que jamais primordial pour les assureurs, entre profitabilité et satisfaction client ?

    UNE LECTURE DES DONNÉES CHRONOPHAGE

    Au sein des compagnies d’assurance, les milliers de documents reçus chaque jour nécessitent un travail conséquent mais obligatoire de lecture, d’interprétation, d’identification des éléments clés et des informations indispensables dans le traitement d’un dossier. Ceci afin d’étudier le bien-fondé d’une demande de remboursement, d’identifier les éventuelles tentatives de fraudes, de vérifier l’alignement entre la demande du client et les éléments pris en charge par sa police d’assurance, etc.

    Cette tâche, particulièrement chronophage, peut pourtant être déléguée à une technologie reposant sur des algorithmes d’intelligence artificielle qui reproduisent la capacité humaine à comprendre l’information dans son contexte.

    UN CROISEMENT DES DONNÉES À AUTOMATISER

    Les outils de ce type identifient tous les formats de documents aussi hétérogènes soient-ils, extraient les informations relatives aux pertes, dommages ou diagnostics médicaux à partir des rapports collectés et identifient la nature du dommage décrit dans le rapport. Ils vérifient ensuite s’il est couvert ou non par la police d’assurance souscrite, et importent les données pertinentes dans la base de données de sinistres afin d’aider les experts lors de la validation finale des demandes.

    La mise en corrélation automatique de tous les éléments du dossier d’un client permet d’éviter les situations conflictuelles en cas de souscription de plusieurs polices d’assurance. Les éventuelles incohérences affichées entre la version de l’assuré et le témoignage rapporté dans une documentation officielle sont plus facilement identifiées. Ceci afin de mieux qualifier le coût de prise en charge et d’indemnisation, et de répondre de manière factuelle aux demandes du client.

    UN TRAITEMENT DES DONNÉES PLUS RAPIDE ET PLUS FIABLE

    Outre une réduction significative de la durée de validation manuelle – les documents qui mettent en moyenne une heure pour être contrôlés par un agent sont traités en quelques secondes –, l’automatisation du process d’extraction des données pertinentes diminue les risques d’erreur d’interprétation humaine, pour une productivité accrue. Les experts ne passent plus des milliers d’heures chaque année à effectuer ce travail préliminaire pourtant essentiel. Ils peuvent ainsi se concentrer sur des tâches à plus forte valeur ajoutée, tandis que les compagnies d’assurance réalisent des économies significatives.

    En parallèle, le temps de traitement des informations (réduit en moyenne de 53%) étant considérablement raccourci, l’assuré peut recevoir plus rapidement– une réponse plus précise à sa requête. In fine, son remboursement, effectué plus rapidement, devrait concourir à accroître sa satisfaction et sa fidélité. De même, certaines tâches simples peuvent être entièrement gérées de façon automatisée, 24 heures sur 24 et 7 jours sur 7. En cas de demande de remboursement au montant peu élevé par exemple, les experts peuvent programmer des règles de remboursement croisées avec les règles de conformité prédéfinies, pour que l’ordre de paiement puisse être émis  instantanément, sans intervention humaine et même en dehors des heures et jours ouvrés.

    S’il n’est pas question que les algorithmes remplacent l’humain, l’intelligence artificielle peut représenter un formidable allié assistant les experts dans leur prise de décision et leur permettant de se concentrer sur des tâches à plus forte valeur ajoutée. À la clé pour les assureurs, une meilleure productivité, et des clients satisfaits.

     

  • Baromètre AFRC – Intelligence Artificielle vs Humain : quel avenir pour la relation client de demain ?

    L’AFRC publie : Le Baromètre AFRC de l’Effort Client

    Nouveauté 2017 : Focus sur l’Intelligence Artificielle

    Conçue et organisée par l’AFRC (l4association Française de la Relation Client), la 5ème édition de la Relation Client en Fête qui a lieu du 2 au 6 octobre 2017, a pour vocation de valoriser les stratégies d’entreprises avec les Palmes de la Relation Client (le 2 octobre), les initiatives collectives avec les 24h de la Relation Client (le 4 octobre) et enfin, de publier en exclusivité les résultats d’études prospectives (le 6 octobre), pour comprendre les leviers de la Relation et de l’Expérience Client de demain.

    La Relation Client dans le secteur du e-commerce, des télécoms, des transports et de la santé, est-elle facile ou difficile ? Quel(s) type(s) d’effort(s) doit fournir le consommateur ? Quel canal est jugé le plus efficace lors de la recherche d’information? Les Français préfèrent-ils les robots ou le contact humain ?

    Le Baromètre AFRC de l’Effort Client, réalisé par Médiamétrie, permet de mesurer à partir du CES -Customer Effort Score-, l’Effort des consommateurs dans leurs parcours client selon plusieurs critères, tels que : l’effort financier, physique, cognitif, relationnel, le temps d’attente ou la lourdeur du parcours. Depuis cette année, le Baromètre étudie également dans quelles situations les consommateurs ont volontiers recours aux assistants virtuels, ou au contraire, préfèrent le contact humain dans leur parcours client. Pour cette édition, quatre secteurs sont analysés : Télécoms, E-Commerce, Santé et les Transports en commun.

    Le Baromètre AFRC de l’Effort Client permet pour chaque secteur, de comparer le niveau d’effort et le type d’effort fournis, de mesurer la perception de la Relation Client, et d’envisager des pistes d’amélioration. Le Baromètre permet également de savoir dans quelle(s) situation(s) l’Intelligence Artificielle est préférée (ou pas) à la relation humaine.

     Quel que soit le secteur étudié sur l’ensemble du parcours client, le temps passé constitue l’effort principal des consommateurs ;

    La préférence entre la relation humaine et l’Intelligence Artificielle varie selon les secteurs, l’humain est prédominant en santé, et suivant les étapes du parcours d’achat, l’humain est privilégié pour la SAV et les réclamations pour tous les secteurs.

    • E-Commerce : une perception globalement positive de la Relation Client ;
    • Transports : une relation complexe en fin du parcours, lorsque la situation se présente (réclamations, SAV) ;
    • Santé : l’Humain est incontournable dans la relation au patient ;
    • Télécoms : enjeux d’écoute et d’accompagnement dans la Relation Client (réclamations, SAV).

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    (intégralité des résultats sur demande)

     

    Méthodologie : Etude quantitative réalisée par Internet sous système CAWI (Computer-Aided Web Interview) en cinq vagues, auprès de 5000 individus, âgés de 15 ans et plus, durant l’été 2017. 

     

     

    Conçue et organisée par l’AFRC, la 5ème édition de la Relation Client en Fête qui a lieu du 2 au 6 octobre 2017, a pour vocation de valoriser les stratégies d’entreprises avec les Palmes de la Relation Client (le 2 octobre), les initiatives collectives avec les 24h de la Relation Client (le 4 octobre) et enfin, de publier en exclusivité les résultats d’études prospectives (le 6 octobre), pour comprendre les leviers de la Relation et de l’Expérience Client de demain.

     

     

    A propos de Médiamétrie :

     

    Leader des études médias, Médiamétrie observe, mesure et analyse les comportements du public et les tendances du marché. Créée en 1985, Médiamétrie développe ses activités en France et à l’international sur la Télévision, la Radio, l’Internet, le Cinéma, le Téléphone Mobile, la Tablette et le Cross-Médias. En 2016, Médiamétrie a réalisé un chiffre d’affaires de 88,5M€.

     

     

     

  • Quand les DSI « précurseurs » utilisent le Machine Learning pour résoudre leurs problèmes quotidiens

    e Machine Learning fournit des résultats, à l’heure où auparavant il était considéré comme une simple mode

     Les DSI « précurseurs » utilisent déjà le Machine Learning pour résoudre leurs problèmes quotidiens

    Selon une étude par ServiceNow® (NYSE : NOW) menée auprès de 500 directeurs des systèmes d’information (DSI) du monde entier, l’adoption du Machine Learning se fait enfin dans l’entreprise. Mais pour en exploiter tout le potentiel, ces responsables technologiques doivent repenser leur business.

    Dans le cadre de l’étude de ServiceNow intitulée « The Global CIO Point of View », des DSI exerçant dans 25 secteurs industriels et 11 pays différents (45 en France), ont été interrogés afin de mieux connaître les avantages concurrentiels du Machine Learning et comprendre comment ils accueillent la « main-d’œuvre numérique », notamment en créant de nouveaux emplois qui mettent l’accent sur l’utilisation de machines intelligentes. Le cabinet IDC estime que les investissements dans le Machine Learning vont être multipliés par six d’ici 2020*, et une récente analyse indique que « Machine Learning specialist » représente un des postes les plus recherchés dans le secteur IT **.

    En France, des Hommes travaillent étroitement avec des machines intelligentes pour une meilleure précision, une vitesse accrue et une croissance améliorée

    Cette étude souligne un sentiment de confiance croissant pour le Machine Learning chez les cadres supérieurs en France, leur permettant une prise de décision plus rapide et plus précise.  Le logiciel de Machine Learning permet d’analyser et d’améliorer ses performances sans intervention humaine directe, ce qui leur permet de prendre des décisions de plus en plus complexes au fil du temps.

    • Près des deux tiers (65 %) des personnes interrogées déclarent avoir automatisé des tâches de routine — alertes de sécurité, par exemple — et parvenir maintenant à l’automatisation de décisions complexes, telles que la réponse aux alertes de sécurité.
    • 95 % des DSI interrogés déclarent qu’ils en tireraient une valeur significative notamment pour améliorer les décisions. En fait, 80 % d’entre eux estiment que des décisions prises par une machine sont plus précises que si elles sont prises par un être humain.
    • 60 % des personnes interrogées ont déclaré que la prise de décisions manuelle représente un processus fastidieux en ressources humaines (employés et managers), ce qui confirme le potentiel élevé de l’automatisation. Selon les DSI, cette automatisation du processus décisionnel devrait contribuer à l’augmentation des revenus de leur entreprise (78 %).

    « Il existe trois types de décisions candidates à l’automatisation : les décisions liées à la catégorisation, à l’évaluation ou aux prévisions », a déclaré Matthieu De Montvallon, Directeur Technique chez ServiceNow France. « Le travail quotidien tel que l’attribution de tickets d’incidents IT ou l’affectation de contacts produisent d’ores et déjà des résultats concrets.  Le Machine Learning n’est plus une utopie mais bel et bien une réalité. »

    Les spécialistes du Machine Learning, seuls, ne seront pas en mesure d’aider les DSI à réussir leur transformation digitale

    Plus de trois quarts (78 %) des DSI en France ont indiqué amorcer des efforts de transformation digitale dans leur entreprise, et environ trois DSI français sur cinq (62 %) estiment que le Machine Learning y joue un rôle essentiel. Plus de la moitié (58 %) des DSI français interrogés déclarent avoir utilisé le Machine Learning dans leur entreprise et 33 % d’entre eux prévoient d’adopter cette technologie.

    Mais il existe des domaines clés concernant les processus et les effectifs qui doivent être pris en compte par les entreprises afin de tirer pleinement parti de la technologie de Machine Learning :

    • Seulement 30 % des DSI français ont déjà embauché des salariés disposant de nouvelles compétences pour travailler avec des machines intelligentes.
    • Les DSI français regrettent un manque de compétences pour gérer les machines intelligentes (42 %).
    • Près de la moitié (49 %) des DSI français a redéfini les descriptions de postes pour se concentrer sur le travail avec des machines intelligentes, 41% d’entre eux citent un manque de compétences pour gérer les machines intelligentes et 44% déclarent ne pas avoir le budget nécessaire pour développer ces compétences.
    • Les DSI français citent la qualité des données (53 %) et l’obsolescence des processus (47 %) comme des obstacles importants à l’adoption du Machine Learning.
    • Presque 6 DSI français sur 10 (58 %) ont mis au point des méthodes permettant de corriger les erreurs commises par les machines.

    « Le Machine Learning permet aux entreprises de numériser leur activité selon une approche totalement inédite », a ajouté Matthieu De Montvallon. « Pour exploiter pleinement le potentiel de la technologie de Machine Learning, les DSI doivent revoir leur rôle pour devenir des ‘leaders transformationnels’ qui influencent la façon dont nos entreprises conçoivent les processus métier, organisent les données et recrutent ou forment les salariés. »

    Des avantages pour les DSI « précurseurs »

    Concernant l’utilisation du Machine Learning, un groupe restreint de DSI au niveau mondial (moins de 10 % des personnes interrogées) est en avance sur le reste de la profession. Ces « pionniers » définissent un modèle que les DSI peuvent adopter pour une meilleure utilisation du Machine Learning :

    • Près de 90 % des DSI précurseurs attendent de l’automatisation du processus décisionnel une croissance des revenus (top-line) contre 67 % pour les autres DSI ;
    • Environ 80 % des précurseurs interrogés ont mis au point des méthodes permettant de contrôler les erreurs commises par les machines contre 41 % pour les autres DSI ;
    • Plus de trois quarts de ces DSI ont modifié leurs descriptions de postes pour se concentrer sur le travail avec des machines, contre 35 % pour les autres DSI ;
    • Plus de 70 % des précurseurs ont élaboré une feuille de route concernant les futurs changements de processus métier, contre seulement 33 % pour les autres DSI.

    « Les DSI précurseurs qui associent le Machine Learning à de nouveaux processus métier et de nouvelles compétences favoriseront la croissance de leur entreprise », précise Matthieu De Montvallon. « Ces DSI affichent un haut niveau de maturité dans l’utilisation des technologies fondatrices, ce qui leur permet de se concentrer sur l’innovation, par exemple l’automatisation de processus décisionnels complexes. »

    Cinq étapes pour réaliser la valeur du Machine Learning

    ServiceNow livre ses 5 recommandations auprès des DSI pour amorcer leur voyage vers la transformation digitale à l’aide du Machine Learning :

    1) Construire les fondations et améliorer la qualité des données. La qualité de données représente un des freins majeurs quant à l’adoption du Machine Learning. Si les machines prennent des décisions basées sur des mauvaises données, les résultats n’auront aucune valeur et pourraient augmenter le risque d’une prise de décision erronée. Les DSI doivent utiliser des technologies qui simplifieront la maintenance des données et la transition vers le Machine Learning.

    2) Prioriser en fonction de la réalisation de la valeur. Lors de la mise en place d’une feuille de route, il est impératif de mettre l’accent sur les services les plus couramment utilisés, car l’automatisation de ces services offrira de meilleurs résultats pour l’entreprise. À un niveau plus élevé, quels sont les modèles de travail les plus structurés qui pourraient bénéficier de l’automatisation ? Il faut dorénavant s’engager à réorganiser les services et les processus dans le cadre de cette transformation, et ne pas seulement transposer ou transférer les processus actuels vers un nouveau modèle.

    3) Construire une expérience client exceptionnelle. L’un des principaux vecteurs de la rapidité et la précision de la prise de décision réside dans la création d’une expérience client interne et externe exceptionnelle. Lors de la conception d’une feuille de route pour l’implémentation du Machine Learning, il faut imaginer une expérience client privilégiée et hiérarchiser les investissements par rapport aux objectifs fixés.

    4) Attirer de nouvelles compétences et capitaliser sur la culture. Les DSI doivent identifier les postes de demain et anticiper la façon dont les salariés se comportent avec les machines et commencer à les embaucher et à les former à l’avance. Les DSI doivent construire une culture qui englobe un nouveau modèle de travail et de compétences : cela signifie établir des lignes directrices précises pour les cadres, les ingénieurs et les salariés de première ligne sur leur collaboration avec les machines et l’avenir de l’association Homme-machine.

    5) Mesurer et signaler. Les avantages du Machine Learning peuvent être une évidence pour les DSI, mais d’autres cadres de Direction ou des Comités Executifs ont besoin d’être régulièrement informés de sa valeur ajoutée. Les DSI doivent définir les attentes, élaborer des indicateurs de réussite avant leur mise en œuvre et créer un « business case » solide afin d’acquérir et de maintenir le financement requis. Les DSI pourraient également envisager de construire des « benchmarks » concurrentiels automatisés dans leur secteur d’activité.

    Méthodologie de l’étude

    ServiceNow a demandé au cabinet Oxford Economics d’interroger 500 DSI sur l’utilisation du Machine Learning et de l’automatisation des processus décisionnels. Les personnes interrogées sont basées en Allemagne, en Autriche, en Australie, aux États-Unis, en France, en Nouvelle-Zélande, aux Pays-Bas, au Royaume-Uni, en Suède et à Singapour, et représentent un large éventail de secteurs B2B et B2C. L’étude a été réalisée par le biais d’entretiens téléphoniques assistés par ordinateur (CATI). Fondé en 1981 sous la forme d’une coentreprise avec la faculté de commerce de l’université d’Oxford, le cabinet Oxford Economics est spécialisé dans les études de marchés, d’impact économique ou de Thought Leadership.

  • Quand l’IA transforme les traditionnels 4P du marketing – produit, prix, placement, promotion –

    L’intelligence artificielle au cœur d’une nouvelle expérience client

    PAR JONATHAN PETIT, DATA SCIENCES MANAGER CHEZ AVANADE

    Les données révolutionnent le monde. Nouvel or d’une nouvelle ère, elles constituent un gisement de création de valeur dont nous ne commençons qu’à peine à saisir l’importance. Par sa capacité à traiter un nombre conséquent de variables en un temps très court, l’intelligence artificielle permet de personnaliser chaque produit et chaque service pour augmenter leur pertinence et répondre précisément aux besoins, exprimés ou non, du consommateur

    Ecouter pour fidéliser

    Confronté à une offre abondante, le consommateur adapte son processus de décision, en reconsidérant ses critères de jugement et surtout en augmentant sa surface d’informations utiles. Les entreprises qui auront l’écoute la plus fine des attentes des consommateurs distanceront leurs concurrents. Ainsi, les données constituent, pour les entreprises, le nouveau gisement de compétitivité.

    Derrière les multiples façons de personnaliser la relation avec le client se cache l’intelligence artificielle avec sa multiplicité de formes et de solutions. Elle s’appuie sur la puissance du calcul et de stockage dans le cloud pour interpréter et donner du sens à la masse de données collectées par les ordinateurs, smartphones, tablettes et objets connectées. Le paramétrage précis des modèles du machine learning, la base de l’intelligence artificielle d’aujourd’hui, permet de répondre aux défis de la personnalisation: comment personnaliser le produit, comment le proposer au moment le plus opportun, quels services surmesure feront toute la différence au moment du choix ? Dans une perspective plus stratégique, elle permet d’analyser les données passées et sur cette base, en un sens, de prédire l’avenir.

    L’intelligence artificielle et les 4P du marketing

    Différentes techniques d’intelligence artificielle constituent la base de tous les outils aujourd’hui disponibles sur le marché et permettant d’opérer ce glissement vers une hyper-personnalisation. Comme l’indique Jonathan Petit, manager et data scientist chez Avanade :« Par sa capacité à considérer simultanément un nombre toujours plus important de paramètres, l’intelligence artificielle permet une projection toujours plus fine des situations à venir, et ce, en un temps de moins en moins perceptible à notre échelle ».

    Ainsi, l’intelligence artificielle transforme les traditionnels 4P du marketing – produit, prix, placement, promotion – pour les mettre au goût du jour.

    • La définition du produit n’est plus imaginable sans une prise en compte des attentes, en temps réel, des clients. Et par « clients » on n’entend plus des « focus group », mais des profils comportementaux réels. L’analyse des historiques de navigation, des lieux et les durées de connexion croisées avec des données concernant les relations, loisirs et centres d’intérêt permettent de « profiler » les particularités comportementales de chaque consommateur avec une précision toujours plus grande. Les interactions directes avec le client, que ce soit sur les médias sociaux ou via les chatbots, permettent de mieux comprendre ses besoins, mesurer son appétence pour tel ou tel produit ou service pour les transformer en du « sur mesure ».
    • Le prix tend vers la recherche d’une valeur symbolique, d’un seuil psychologique qui faciliterait l’achat. Plusieurs outils d’analyse et d’automatisation permettent de différencier les prix selon les canaux de distribution et la position géographique, de définir les prix de nouveaux produits et de moduler les prix de l’offre existante, de développer des services additionnels, tels que la livraison express par la mesure et la projection de l’élasticité-prix.
    • Le placement s’appuie sur des instruments de plus en plus complexes qui visent à adapter la communication aux horaires de disponibilité, aux canaux et écrans privilégiés par les consommateurs (push web, emailing, le cross-device et écrans connectés, magasins de proximité et de destination, chatbot, etc.).
    • La promotion s’appuie sur l’ensemble des éléments précédents pour faciliter la détection des moments les plus opportuns, critique notamment pour le marketing mobile.

    C’est donc une nouvelle perception d’un fondamental du marketing qu’il s’agit d’envisager. Certains auteurs, à commencer par Robert Lauterbom en 1990, théorisaient déjà la mort des 4P et l’arrivée des 4C : ainsi, le produit serait remplacé par le consommateur avec ses besoins et ses envies, le prix – par le coût à satisfaire, le placement – par le confort d’achat (« anywhere, anytime »), la promotion – par la conversation (un échange de questions, de réponses, d’intentions, de conseils que ce soit sur les médias sociaux ou à travers les chatbots). Dorénavant, l’adaptation au client et le « sur mesure » sont soutenus par l’intelligence artificielle qui participe à rendre le business « customer-oriented », c’est-à-dire, à remettre le consommateur au centre de ses préoccupations.

  • Réinventer le Service Client via l’Intelligence Artificielle

    L’Intelligence Artificielle, clé de l’intelligence émotionnelle des Services Clients  ?

    Par Jean-Cyril Schütterle, VP Product & Data Science, Groupe Sidetrade

    « Les gens oublieront ce que vous avez dit, les gens oublieront ce que vous avez fait, mais les gens n’oublieront jamais ce qu’ils ont ressenti à votre contact ». Cette célèbre citation de Maya Angelou semble destinée aux équipes des Services Clients.

    Lorsqu’il s’agit d’assister un client, la moindre difficulté peut être à l’origine d’une importante frustration. La façon dont vous prenez en considération ses demandes et communiquez avec lui jusqu’à la résolution ainsi que l’empathie dont vous faites preuve auront un effet durable sur sa perception de votre marque, quels que soient le niveau de sévérité ou l’urgence du problème et le niveau ‘Platine’, ‘Or’, ‘Argent’, ‘Cuivre’ ou ‘Fer blanc’ du service auquel il a souscrit. La succession de ces attentions pourrait bien faire la différence entre un renouvellement et une résiliation au moment des renégociations contractuelles.

    Accélérez le film jusqu’à la phase de facturation et d’encaissement : la gestion de la relation client devient encore plus délicate car c’est vous qui êtes désormais dans la position du demandeur. Vous attendez qu’il veuille bien vous régler. Si le paiement tarde, c’est souvent parce qu’un dysfonctionnement encore non détecté s’est produit en amont, ou qu’il est géré de manière inappropriée. La trajectoire de résolution peut alors s’avérer compliquée, impliquant d’autres parties prenantes que les équipes Finance, à la fois de votre côté comme du côté du client. De surcroît, ce dernier peut se trouver être de plus ou moins bonne foi. Quand bien même votre part de responsabilité serait minime, cette étape de recouvrement fait partie intégrante de la perception globale que votre client a de votre organisation.

    Cependant, si toutes les sociétés ne portent pas toujours l’attention qu’elles devraient à leur support client traditionnel, encore moins nombreuses sont celles qui passent la barre lorsqu’il faut gérer la relation avec leur client à l’étape du paiement des factures. Les fonctions de support Finance sont en effet rarement considérées comme une priorité de premier rang, d’autant plus lorsqu’elles sont n’exécuter que de ‘simples’ processus de recouvrement. Elles consacrent donc la meilleure part de leur temps à envoyer des courriers standards aux clients et à répondre à leurs questions basiques. Il leur reste peu de disponibilité pour détecter et qualifier les litiges, identifier les relais internes en charge de leur résolution et formuler une réponse, sans parler de passer un appel de courtoisie au client afin de lui fournir une explication ou des excuses. Et il suffit d’une légère augmentation du taux de litige pour que le processus s’enraye : quand la résolution interviendra enfin, les factures seront depuis bien longtemps en retard… Le client, lui, considérera qu’il s’agit au mieux d’un dysfonctionnement de votre organisation, au pire à un refus de votre part de prendre en compte ce qu’il considère comme une légitime réclamation.

    Réinventer le Service Client via l’Intelligence Artificielle

    Avec l’avènement de l’Intelligence Artificielle, le rôle des Services Clients doit être reconsidéré en profondeur. Les tâches chronophages et monotones sont automatisables, ce qui permet aux agents d’assistance et de recouvrement de se consacrer dorénavant à des activités de communication personnalisée, d’humain à humain, avec les clients.
    A la réception d’une demande d’assistance, un Service Client suit schématiquement les quatre étapes suivantes :

    1.     Identifier le compte client et accuser réception de la demande
    2.     Qualifier et affecter la demande à la bonne personne en charge de la résolution
    3.     Suivre le statut de la demande et informer régulièrement le client de celui-ci
    4.     Faire part de la résolution et clore la demande

    Les deux premières étapes peuvent peser jusqu’à un tiers du temps de travail de l’agent – notamment lorsque que les clients oublient de communiquer leur numéro de compte ou que la compréhension de la nature de la demande prend du temps. Cependant, en entraînant un algorithme de Machine Learning sur une base existante d’emails clients, il est désormais possible d’automatiser la plupart de ces tâches, y compris la classification par thème ou catégorie. Si le problème soulevé a trait au règlement d’une facture, la machine reconnaît le numéro de celle-ci au sein de l’email et peut directement l’afficher sur l’écran de l’agent de recouvrement. Même le ton du message reçu peut être apprécié à travers des fonctionnalités d’analyse de ‘sentiment’ afin de mieux prioriser les emails à traiter.

    L’étape 3 est également chronophage car les messages relatifs à un même problème peuvent se trouver éparpillés entre plusieurs personnes et devenir ainsi difficile d’accès pour la personne en charge du recouvrement. Là aussi, il est maintenant possible de parcourir automatiquement le contenu des emails reçus ou envoyés, en interne comme en externe, pour retrouver ceux qui portent sur une même demande et de les regrouper derrière un seul point d’accès. L’agent bénéficie ainsi d’un accès rapide à tout ce qui a été échangé pour tenir le client informé ou faire un point de coordination en interne.

    Replacer la satisfaction client au cœur de la relation
    Avant que la demande de support n’atteigne l’étape 4 de communication au client de sa résolution, l’agent aura de multiples occasions de le contacter pour le tenir informé. C’est là que votre organisation doit véritablement se distinguer, démontrer qu’elle se préoccupe de ses problèmes, expliquer les démarches entreprises pour lui donner satisfaction, le rassurer. Le temps gagné lors des étapes précédentes grâce à l’Intelligence Artificielle permet au Service Client de disposer de plus de temps pour se recentrer sur son activité principale : servir le client.

    Nous savons tous ce que coûte la conquête d’un nouveau client. Vous ne voulez donc pas voir votre ‘Net Promoter Score’ s’effondrer ou, pire, vos négociations contractuelles échouer, en raison d’une poignée de demandes laissées en souffrance ou d’un Service Client trop occupé à trier des emails entrants pour pouvoir appeler le client et ainsi lui prouver qu’il est attentif à ses difficultés. Ce n’est pas le moindre des paradoxes que l’Intelligence Artificielle nous restitue du temps pour faire preuve de cette qualité profondément humaine : l’empathie.

  • Etude Deloitte – Les grandes tendances d’organisation au sein des entreprises

    Les grandes tendances d’organisation au sein des entreprises

    La 9ème édition de l’enquête internationale bisannuelle de Deloitte sur les Centres de Services Partagés (CSP), met en évidence des grandes tendances d’organisation au sein des entreprises. L’enquête a été menée auprès de 333 Groupes dont les sièges sociaux se trouvent dans 37 pays différents et représentant plus de 1 100 CSP.

    Les processus fondés sur la connaissance on tel vent en poupe 

    Bien que les processus transactionnels restent prédominants dans les CSP, l’adoption de processus plus complexes, s’appuyant sur des connaissances a doublé, voire triplé dans certains cas depuis 2013.

    « Les entreprises qui ont su tirer parti de la mutualisation perçoivent mieux aujourd’hui l’intérêt des modèles centralisés et veulent aller plus loin. Des questions se posent sur des fonctions historiques hébergées par le siège ou les entités locales », commente Jean-Michel Demaison, Associé Conseil Transformation des Organisations chez Deloitte.

    En effet, les Centres de Services Partagés (CSP) créent de plus en plus de valeur ajoutée au fil des enquêtes menées par Deloitte. Cette année, 73% des répondants affichent des gains annuels de productivité en CSP de 5% ou plus. 

    Un périmètre plus large mais avec le choix de la proximité

     Même si la réduction des coûts est un critère majeur lorsqu’on établit ou relocalise des CSP, les organisations, à l’exception des multinationales très globales au fonctionnement très normé, tiennent encore souvent à la proximité avec les opérations existantes ou le Siège. En revanche, même en restant proche de leurs opérations, les entreprises tendent à élargir le périmètre fonctionnel de leurs CSP. Le nombre de CSP avec plus de 3 fonctions continue à progresser fortement : 20% en 2013, 31% en 2015 et désormais 53% en 2017.

    Florent Frontéla, Directeur Transformation des Organisations chez Deloitte, est un défenseur de la proximité : « Ouvrir un CSP en France n’est pas synonyme d’échec, bien au contraire. Les coûts salariaux seront sans doute plus élevés mais la qualité du service rendu sera meilleure et surtout la couverture sera plus large ».

    Les robots sont là

     La RPA (“Robotic process automation”) est une technologie qui a émergé rapidement et qui va fondamentalement changer la façon dont les CSP travaillent. En effet, elle vise à éliminer les tâches routinières et ouvre la voie aux applications cognitives qui augmentent voire remplacent le jugement humain dans certains processus.

    « Les outils robotiques et cognitifs sont mûrs. Leur mise en œuvre est rapide et le retour sur investissement est presque toujours garanti », conclut Jean-Michel Demaison. 58% des organisations ont lancé des phases de première investigation ou de mise en œuvre.

    Méthodologie

    Lancée en 1999, cette enquête bisannuelle Deloitte sur les Centres de Services Partagés et l’externalisation permet d’identifier les grandes tendances en matière d’organisation et d’évolution des CSP au sein des entreprises à travers le monde. Elle est menée en ligne auprès d’entreprises de toute taille (de moins de 1Md € à plus de 15Mds €) et tous secteurs d’activité. L’édition 2017 analyse les réponses de 333 Groupes, représentant plus de 1.100 CSP dans le monde.