My Blog

Catégorie : Intelligence artificielle

  • Intelligence artificielle, Data Driven, Strategies d’influence…RDV à Cannes #CRMMmeetings

    Intelligence artificielle, Data Driven, Strategies d’influence…RDV à Cannes #CRMMmeetings

    Le 8 novembre prochain à Cannes débutera la nouvelle édition des Customer Relationship & Marketing Meetings 2017 organisée par le groupe WeYou. Cette manifestation qui dure deux journées est dédiée aux professionnels de la relation et de la connaissance client, des études et du marketing digital. Elle a pour objectif de favoriser les rencontres professionnelles entre Top Décideurs (annonceurs et dirigeants) et Exposants par le biais de rendez-vous pré-organisés et qualifiés en amont de l’événement dans un lieu d’exception (le palais des festivals de Cannes).

    A ces rendez-vous d’affaires s’ajoute une série de conférences thématiques que j’aurai le plaisir de co-animer avec Thierry Spencer, auteur du blog Le sens du client .
    Le programme de cette année comporte trois thématiques  : l’Intelligence artificielle, le Data-driven au cœur des grandes mutations et les Stratégies d’influence sociale et digitale, nouveaux usages et bonnes pratiques.

    TEMPS FORTS

    Intelligence Artificielle : comment construire une expérience client renouvelée ?
    Mercredi 8 novembre 9h00-10h30

    Les marques se doivent de comprendre les attentes individuelles des consommateurs et d’orchestrer des milliers de contenus personnalisés pour proposer une expérience client pertinente. Pour construire cette expérience, l’Intelligence artificielle enrichit et bouleverse le marketing et la relation client.
    Comment exploiter la data efficacement avec des algorithmes pour déceler les motivations de conversion des consommateurs ? Comment produire de nombreux contenus et messages totalement personnalisés en s’appuyant sur des mécaniques algorithmiques ?
    Comment proposer des parcours client scénarisés et optimisés en temps réel grâce à l’intelligence artificielle ?

    Keynote de Stéphane Mallard suivi d’une table ronde avec les intervenants suivants :

    • Stéphane MALLARD Evangéliste Digital BLU AGE
    • François LAXALT Senior Marketing Director TINYCLUES
    • Raquel GARCIA PERONA Marketing manager SUEZ
    • Olivier ONDET SVP lot & Analytics ORANGE BUSINESS SERVICE

    Le data-driven au cœur des grandes mutations du marketing et de la relation client
    Mercredi 8 novembre 18h00-19h30

    Keynote de Gilles Babinet suivi d’une table ronde avec les intervenants suivants :

    Les marques ont besoin de fluidité, d’adaptabilité, de réactivité. Si l’on convient que le client est tout sauf figé, la marque doit nécessairement être, elle aussi, mobile et réactive.
    Etre « data-driven », c’est fournir les moyens, par les données toujours plus nombreuses, de bien connaître sa cible et son environnement. Etre « data-driven », c’est pouvoir tracer et entrer en relation avec les individus tout au long de leur parcours, qu’ils soient connus comme des « consommateurs » pas toujours identifiés ou comme des « clients » proches de l’entreprise.
    Comment devient-on une entreprise pilotée par la donnée pour prendre des décisions pertinentes et éclairées ?
    Comment encourager l’expérimentation ? Comment adapter la gouvernance ?
    Des professionnels partageront leurs retours d’expériences et les pistes d’action.

    • Gilles BABINET Digital champion de la France auprès de LA COMMISSION EUROPÉENNE, responsable des enjeux de l’économie numérique et chargée de promouvoir les avantages d’une société numérique en France
    • Sébastien BOUCHER Directeur Digital HAVAS VOYAGES
    • Matthieu RUAULT Directeur Solutions marketing digital & Smart data VOYAGES-SNCF.COM
    • Thibault LAGORCE Directeur Général NP6 CONSULTING


    Stratégies d’influence sociale et digitale : nouveaux usages et bonnes pratiques
    Jeudi 9 novembre 9h30-11h00

    La communication par les canaux publicitaires traditionnels n’est plus seule à solliciter et influencer les clients. Aujourd’hui, les clients se tournent plutôt vers leurs amis, leurs abonnés, ou même les personnalités et célébrités sur Facebook, Twitter, Youtube, Instagram, Snapchat, Pinterest et autres plateformes avant de décider d’acheter. Plus que jamais, il semble essentiel pour une marque de ne pas uniquement délivrer un message mais d’inciter ses utilisateurs à faire vivre ce message. Les marketeurs et responsables de la relation client ne peuvent donc plus ignorer le potentiel de ces « influenceurs », ceux qui créent et génèrent de vraies conversations en ligne à propos d’une marque ou même d’une idée.
    L’Influencer Engagement » ou Earned Media séduit de plus en plus les entreprises. Qui sont les influenceurs ? Comment les entreprises s’y prennent elles pour les gérer ? Quels sont leurs conseils et les pièges à éviter ?

    Keynote de Fréderic Cavazza suivi d’une table ronde avec les intervenants suivants :

    • Frédéric CAVAZZA Marketing Influenceur
    • Jérémie CLÉVY PDG MELTYGROUP
    • Patrice HILLAIRE Directeur Médias Sociaux LA POSTE
    • Johanna GALLOU Influenceuse

  • Quand les machines anticipent mieux les défaillances techniques que les êtres humains

    D’ici 2020, les machines anticiperont mieux les défaillances techniques que les êtres humains

     La nouvelle étude GE Digital, qui concerne directement la France, souligne l’impact considérable des nouvelles technologies dans l’industrie : 39 % des décideurs des services IT et de la gestion d’équipes de terrain interrogés déclarent que la maintenance prédictive permettrait de mieux gérer leurs équipements

     Une nouvelle étude de Vanson Bourne, sponsorisée par ServiceMax, le leader des solutions de Field Service Management qui fait partie de GE Digital, révèle que 75% des leaders IT et de la gestion d’équipes de terrain estiment que les machines bénéficieront d’une meilleure prédiction de leur santé que les êtres humains d’ici 2020.

    Les responsables IT et de la gestion d’équipes de terrain interrogés estiment que les innovations technologiques et les machines sont capables de mieux prédire l’échec, et que des mesures préventives ou des actions d’ « auto-guérison » sont largement considérées comme bénéfiques pour les résultats financiers d’une entreprise. Par exemple :

    • 46 % des sondés estiment que les machines qui sollicitent elles-mêmes de l’aide permettront aux entreprises de gérer plus efficacement leurs équipements
    • 39 % des personnes interrogées déclarent que la maintenance prédictive permettrait de mieux gérer les équipements qui composent leurs actifs
    • 44 % des sondés affirment que le « digital twin » ou jumeau numérique avec la maintenance prédictive et l’intelligence artificielle aiderait à prévenir les défaillances majeures.
    • 69 % des personnes interrogées souhaiteraient que leur digital twin personnel les accompagne et que les professionnels de la santé agissent sur leur santé de manière non invasive en anticipant les actions et en prenant des mesures préventives.

    Cette nouvelle étude « After The Fall: Cost, Causes and Consequences of Unplanned Downtime » a été menée auprès de 450 décideurs des services informatiques et de la gestion d’équipes de terrain (Field Service management) des secteurs des télécoms, de la distribution, de la logistique et des transports, au Royaume-Uni, aux États-Unis, en France et en Allemagne. Selon Gartner, d’ici 2020, 10 % des travaux d’urgences sur le terrain seront déclenchés et programmés par intelligence artificielle. Cette nouvelle étude souligne l’impact considérable des nouvelles technologies – telles que l’intelligence artificielle, l’analytics et l’utilisation d’un digital twin – sur la surveillance des machines industrielles, la prévention de la défaillance d’un équipement et la maintenance préventive.

    « De la même façon que les entreprises souhaitent éviter tout imprévu avec leurs équipements conduisant à une perte coûteuse de production ou de service, nous souhaitons réduire nos propres « défaillances » humaines », a déclaré Mark Homer, Vice President Global Customer Transformation for ServiceMax, chez GE Digital. Nous savions auparavant détecter un disfonctionnement seulement lorsqu’il était visible – qu’il s’agisse d’une personne, d’un équipement ou d’un composant d’une machine. Aujourd’hui, les organisations sont pleinement conscientes de la valeur ajoutée d’une visibilité en temps réel sur la santé et la performance de leurs actifs critiques, et de la nécessité d’une maintenance ou d’une intervention préventive et d’un accès aux données chronologiques via les analyses prédictives. D’après cette dernière étude, plus de la moitié des entreprises prévoient d’investir dans un digital twin d’ici les trois prochaines années. La valeur de ces informations digitales dans un contexte industriel commence à générer de l’intérêt pour la maintenance préventive dans un contexte humain. »

  • Fraude en ligne : L’IA automatise la revue manuelle des transactions

    Fraude en ligne : L’IA automatise la revue manuelle des transactions

    HiPay intègre le Machine Learning pour la détection de la fraude et automatise le traitement des transactions « challengées » par le module de scoring

    L’Intelligence Artificielle plébiscitée par les retailers, c’est ce que montre une étude récente de SLI Systems : recommandation de produit, service client, chatbot, réalité augmentée… autant d’usages orientés utilisateurs. Mais pour les marchands, une des principales préoccupations reste la fraude en ligne.

    Le nombre de transactions sur les sites d’e-commerce ne cesse de croître, il a progressé de plus de 20 % sur le premier trimestre de l’année 2017 en France selon le rapport de la FEVAD. Mais les pertes dues à la fraude continuent elles aussi de croître. En France, la fraude à la carte de paiement a représenté 400 millions d’euros en 2016.

    Pour lutter contre la fraude, les acteurs du paiement tels que HiPay proposent des solutions logicielles basées sur le scoring. A partir de règles prédéfinies par le marchand et sous la supervision d’une équipe dédiée chez le prestataire, l’application calcule pour chaque transaction en cours un score qui permet d’évaluer son niveau de risque. Ce score détermine l’état final de la transaction comme étant autorisée, bloquée ou « challengée » (c’est-à-dire nécessitant une revue manuelle), ou active une demande d’authentification de type 3D-Secure.

    Dans le cadre d’une revue manuelle, la transaction est placée en suspens jusqu’à son traitement par une intervention humaine. Une attente qui tend à dégrader l’expérience d’achat des utilisateurs légitimes. L’idée d’utiliser l’Intelligence Artificielle pour automatiser cette phase manuelle n’est pas nouvelle. Mais les progrès récents dans le domaine notamment grâce au Machine Learning permettent d’envisager des solutions autonomes qui apprennent et s’adaptent par elles-mêmes.

    Avec la solution de lutte contre la fraude HiPay Sentinel, l’éditeur français se lance à son tour dans le Machine Learning. Développé en interne par l’équipe de R&D, le module prédictif Smart Decision est capable d’avaler des teras de données transactionnelles, comportementales et contextuelles relatives aux transactions, afin de prendre automatiquement une décision pertinente en cas de transaction « challengée ».

    Concrètement, comment ça marche ?

    Il y a d’abord une phase d’apprentissage dans laquelle on alimente l’algorithme avec d’une part les données transactionnelles provenant des marchands : données de paiement en ligne(mais également de paiement en magasin, ce qui permet d’avoir une meilleure connaissance du client), données des impayés provenant des banques.

    On alimente d’autre part avec des données comportementales concernant les utilisateurs : vélocité des transactions sur une certaine période, heure d’achat, montant de la commande, contrôle de cohérence, etc. Lesdonnées contextuelles sont elles aussi intégrées dans l’apprentissage. On pense par exemple aurisque que peut représenter l’envoi d’une commande à une certaine adresse, ou celui que représente l’utilisation d’un certain moyen de paiement, etc. « L’ensemble de ces données sont utilisées pour entraîner les algorithmes à qualifier le risque en fonction de tous ces paramètres, sachant qu’il y a plusieurs centaines de paramètres, et à établir des modèles d’apprentissage spécifiques à chaque marchand » explique Alexandre Czech, Chef de Projet Data Science chez HiPay.  

    Après cette phase d’apprentissage, l’algorithme devient un module prédictif complètement autonome et qui a la capacité d’évoluer en fonction de l’activité du marchand. Par exemple, en cas de pic d’activités pendant les soldes, il saura ne pas qualifier de comportement frauduleux des utilisateurs qui reviennent plus fréquemment avec des montants de panier plus élevés.

    L’enjeu de l’automatisation

    Grâce à cette innovation, le temps de réponse pour l’utilisateur est instantané quel que soit le scoring de la transaction, un plus appréciable en terme d’expérience utilisateur.

    « Pour les e-commerçants, les résultats de détection des fraudes seront globalement meilleurs qu’avec une intervention humaine, certains comportements frauduleux étant relativement difficiles à appréhender dans certains cas » poursuit Cyril Tanneau, Head of Data Analyticschez HiPay.

    Avec le module prédictif, le taux de détection des fraudes est très variable et dépend de l’expertise de l’équipe dédiée à la fraude, mais on peut le réduire jusqu’à 50 % dans certains cas. « Notre objectif est d’optimiser le taux d’acceptation : on va chercher à optimiser le nombre de transactions qu’on laisse passer tout en limitant le nombre de transactions qu’on va bloquer. On ne sait jamais si la transaction qu’on a bloquée était légitime ou non, notre curseur va être de maximiser le taux d’acceptation tout en limitant la fraude, en observant sur le long terme comment se comporte notre algorithme. L’enjeu principal est que l’utilisation des algorithmes soit bénéfique pour le business de nos clients » précise le Chef de Projet Data Science de HiPay.

    Pour les clients qui n’ont pas d’équipe dédiée et qui traitent les informations de fraude par différents collaborateurs en surcharge de temps, le gain de temps est considérable.

    « La prochaine étape, c’est de déployer le Machine Learning sur l’ensemble des briques de paiement. Nous travaillons sur l’optimisation de chacune de ces briques pour perfectionner le parcours client, maximiser les performances… » nous confie Cyril Tanneau.

    Propos recueillis par @PierreTran journaliste

     

     

  • #Etude Criteo / IDC – Les machines peuvent-elles faire preuve de créativité ?

    Les machines peuvent-elles faire preuve de créativité?

    Selon une enquête récente menée par IDC et parrainée par Criteo, la priorité des responsables marketing en matière de publicité numérique vise au renforcement de la fidélisation du client aussi bien à court terme qu’à long terme. Les professionnels du marketing estiment qu’un des principaux moteurs de la fidélisation du client réside dans la « mise en œuvre d’une expérience de marque constamment de haute qualité ». Pour ce faire, ils projettent d’utiliser la personnalisation numérique afin d’améliorer la pertinence des messages destinés à leurs clients.

    Les marketeurs ont conscience de l’importance de la personnalisation numérique, qu’ils utilisent abondamment chaque jour sur l’ensemble du spectre de la communication marketing. Dans la publicité en ligne, les professionnels du marketing intègrent un certain niveau de personnalisation dans les encarts publicitaires à toutes les étapes du parcours d’achat. Ces activités de personnalisation donnent des résultats positifs ce qui incite les marketeurs à renforcer leurs investissements dans ce domaine.

    Près de 60% des marketeurs prévoient d’utiliser « nettement
    plus » ou « plus » de publicités en ligne d’ici 2020, ce qui constitue un poste d’investissement en forte croissance pour les entreprises.

    La personnalisation de la publicité est une opération complexe et compliquée, dont l’efficacité repose sur une réactivité en temps réel face aux comportements d’achat du client, « dans l’instant » de l’acte de réflexion et d’achat. En réalité, la vitesse et la dextérité requises pour mettre en œuvre ce type de personnalisation en temps réel demeurent l’apanage des machines.

    Par conséquent, les marketeurs délaissent de plus en plus le contenu créatif produit par des humains en faveur du contenu produit par des machines. Ils projettent de confier aux machines l’automatisation de la production de contenus créatifs, par le biais de publicités en ligne à destination des consommateurs. 64% des marketeurs estiment que l’optimisation du ciblage des messages et la personnalisation en temps réel des encarts publicitaires représentent des tâches clés pour lesquelles les machines offriront des avantages opérationnels à l’horizon 2020.

    Dans ce contexte, le personnel créatif continuera à concevoir les actifs du contenu source, tandis que les technologies d’apprentissage automatique combineront des variables sans cesse plus créatives pour créer un ensemble captivant dans une trame publicitaire pour plus de pertinence et d’adhésion de la part du client. Les marketeurs estiment que l’apprentissage automatique portera ses fruits sur l’intégralité de la chaîne d’approvisionnement de la publicité numérique.

    Les experts du marketing délaissent le contenu produit par des humains au profit du contenu produit par des machines.

    Cet intérêt se reflète dans les tendances de marché identifiées par IDC. Selon les prévisions d’IDC, les dépenses consacrées aux logiciels d’IA destinés au marketing et aux activités connexes progresseront à un taux de croissance annuel moyen (TCAM) de 54% dans le monde entier, passant de près de 360 millions de dollars en 2016 à plus de deux milliards de dollars en 2020.

    Bien que les marketeurs aient conscience de la valeur et des avantages de l’apprentissage automatique au service de la personnalisation, peu d’entre eux l’utilisent actuellement. Cette situation s’explique par une absence de compétences internes en apprentissage automatique, ainsi que par un manque de confiance dans la capacité de cette technologie à assurer un niveau adéquat de confidentialité des données clients et de contrôle de la marque.

    Ne pas respecter l’identité de la marque est un des risques de l’apprentissage automatique identifié par certaines personnes interrogées. Elles avouent « douter de leur capacité à gérer et contrôler leur marque et leur création », ce qui constitue l’un des principaux obstacles limitant l’adoption de l’apprentissage automatique.

    IDC estime que les préoccupations concernant la marque disparaîtront progressivement, au fil de l’adoption de l’apprentissage automatique dans les sociétés de publicité en ligne. IDC prédit que l’apprentissage automatique se démocratisera à tous les niveaux de la chaîne de la technologie publicitaire d’ici 2022.

    Ainsi, l’arrivée de la nouvelle génération de technologie de personnalisation publicitaire et notamment de l’apprentissage automatique servira de catalyseur à la croissance rapide du marché. Voici quelques conseils à retenir pour les marketeurs et les agences :

    • Faites de la personnalisation une stratégie centrale et globale sur les plans opérationnels et marketing, afin de proposer des expériences client de haute qualité.
    • Évaluez les applications possibles de l’apprentissage automatique pour vos activités de personnalisation des publicités en ligne, en utilisant ce rapport comme référence. La personnalisation du contenu créatif doit être considérée à court et moyen terme comme axe prioritaire d’investissement.
    • Donnez une nouvelle dimension à vos stratégies de personnalisation individuelle, en déployant des éléments créatifs différents pour chaque étape du parcours d’achat dans vos publicités. L’apprentissage automatique représente l’un des principaux moteurs de cet objectif de personnalisation.Le marché publicitaire est en phase de transition. Le rôle de la publicité elle-même est en train de changer et de devenir une partie intégrante de l’expérience client dans l’intégralité du cycle d’achat. La publicité qui n’est pas pertinente, qui ne s’inscrit pas dans l’expérience client globale, ou qui tente de susciter une notoriété de manière intrusive n’est plus tolérée dans de nombreux foyers.

       

  • 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.

  • Le commerce n’est pas seulement connecté… il est intelligent !

    Le commerce n’est pas seulement connecté… il est intelligent !

    Axé sur la Retail Intelligence, le salon #Conext est le rendez-vous des professionnels les 17, 18 et 19 octobre 2017 à Lille au Grand Palais.

    L’intelligence sera le fil rouge du programme des conférences de l’événement et sera abordé sous ses différents aspects :  Retail Intelligence, Data Intelligence et Consumer Intelligence.
    Quels sont les temps forts de ce salon ? Quelles sont les grandes tendances du retail ? Quelle place tient la data ?
    Les réponses aves Didier Farge, Président du salon et Président de Conexance.

    Quel regard portez-vous sur ce salon dont vous avez orienté le positionnement ?

    Didier Farge : Les événements sur le commerce et l’eCommerce en particulier sont pléthores. Mon objectif est de rendre #Conext différent des autres événements. L’idée est de donner aux participants un temps d’avance sur les tendances grâce à de nombreux experts de renom qui viendront débattre. Nous apportons aussi un autre regard sur l’innovation avec plus d’une cinquantaine de startups qui présenteront des expériences inédites de la relation client.

    Le commerce intelligent qu’est-ce que cela évoque pour vous ?

    Didier Farge : Le client est infidèle, connecté, exigeant et impatient , il attend de son enseigne qu’elle lui parle de manière cohérente , fluide et surtout authentique et personnalisée.Les entreprises superformantes excellent dans leur capacité à exploiter leur connaissance client. Elles sont capables à l’instar d’Amazon qui propose de précommander votre panier, d’anticiper les attentes des consommateurs. Gare à celles qui continuer à envoyer des messages massifs et non personnalisés!

    Quel est l’impact sur la relation client ?

    Didier Farge : Les données rassemblées permettent de saisir les profils des consommateurs. Il s’agit désormais de passer de la simple collecte de données à la compréhension de l’information afin que les marques puissent interagir avec leurs clients. Cette compréhension du consommateur, va apporter aux marques une intelligence dans les interactions qu’elles doivent entretenir avec eux. La relation client se réinvente, se complexifie, mais l’intelligence artificielle et le prédictif permettent de fluidifier le parcours d’achat.

    Quelles sont les technologies émergentes ? 

    Didier Farge : Comme vu plus haut, nous entrons dans l’ère de l’hyper personnalisation des sites, qui est un enjeu clé pour servir l’expérience utilisateur et développer l’engagement client. La personnalisation n’est pas un concept nouveau mais la tendance actuelle est d’aller plus loin, en poussant cette personnalisation jusqu’au niveau individuel et en l’adaptant en temps réel. L’intelligence artificielle devient omniprésente avec les bots (robots conversationnels) qui aident les acheteurs tout au long de leur parcours d’achats, mais aussi pour la gestion des stocks, recommandation de produits, A/B testing…
    l’IA revisite le retail sous toutes ses coutures.
    La gestion des stocks est un enjeu central pour les magasins. Elle permet d’anticiper la rupture des stocks mais surtout de comprendre l’évolution de la demande et faire remonter l’information aux fournisseurs.
    Autre tendance qui n’est pas technologique mais plus sociétale : « le consommer moins pour vivre mieux », semble devenir le nouveau crédo des Français. Une économie de la frugalité qui s’accompagne paradoxalement d’une accélération de consommation des contenus.

    Les temps forts du salon 

    1- Data – 
    Gérer l’information et maîtriser les données pour être au cœur du jeu.

    Les thématiques : référencement, affiliation, perfomance marketing, SEO, retargeting, marketing viral, marketing direct, impression…

    2- Commerce – 
    Accompagner ses clients depuis chaque point de contact, sur chacun de ses canaux, jusqu’à l’acte d’achat.

    Les thématiques : conseil et stratégie digitale, développement d’appli et de sites mobiles, animation réseaux sociaux, hébergement, solutions de paiement et sécurité…

    3- Supply Chain – 
    Livrer et être livré. Optimiser les flux, du fournisseur au client final.

    Les thématiques : transport national et international, derniers km, point relais, gestion des retours, logistique multicanal, logistique urbaine…

    4- Client – 
    Connaître ses clients, anticiper leurs besoins, maîtriser la relation.

    Pour en savoir plus sur #CONEXT cliquer ici 

  • 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.

     

     

  • Comment les algorithmes amélioreront les processus de gestion des entreprises

    Comment l’IA peut rendre les entreprises plus agiles

    Par Bruno Laborie, EMEA Alliance Director chez TRADESHIFT

    De nos jours les algorithmes, les assistants virtuels et les robots s’infiltrent dans les interfaces de conversation entre les applications métiers et contribuent à rendre les entreprises plus agiles. Ensemble, ces technologies offrent une expérience contextuelle qui aide les professionnels à prendre des décisions plus intelligentes et plus rapides.

    C’est notamment le cas des achats et des relations clients. Les chatbots et l’IA permettent par exemple de fluidifier les processus de demande et d’approbation des utilisateurs finaux lors de leurs demandes d’achats aux directions des achats. L’attrait de l’IA pourrait être encore plus grand pour les petites entreprises, car la plupart n’ont pas de politique officielle de gestion des dépenses. Globalement, les chatbots peuvent ajouter de l’intelligence aux tâches quotidiennes.

    Dans le domaine connu sous le nom d’achats indirects et de frais de déplacement, les solutions utilisant l’IA pourraient aider sur des questions générales, telles que la vérification de l’encours budgétaire ou de la validation d’une limite de dépense. Un utilisateur pourrait simplement demander au robot une question dans la même interface de messagerie où il converse avec ses collègues et obtenir une réponse instantanée.

    Pour les paiements, l’AI pourrait apprendre comment vous achetez et ensuite faire des recommandations basées sur le contexte, le fournisseur ou les données sur les produits. Dans un autre scénario, un utilisateur pourrait demander une approbation pour un achat, mais avant de le faire, s’orienter vers l’IA pour vérifier si une demande similaire a été faite par un collègue pour éviter un achat en double.

    Enfin, l’IA peut faciliter le processus d’achat en générant une méthode de paiement, comme une carte de crédit virtuelle, une fois que la transaction obtient l’approbation d’un gestionnaire pour le compte du demandeur. Ainsi, lors de l’approbation, un utilisateur recevrait une carte virtuelle cryptée avec une limite de dépenses. Cela limiterait par exemple la fraude.

    L’opportunité de l’IA va bien au-delà des transactions

    Avec le temps, l’AI évoluera pour permettre aux organisations de prendre des décisions d’achat stratégiques et répondre instantanément aux conditions commerciales changeantes. Dans le domaine de la supply chain, cela pourrait signifier des agents super-intelligents approvisionnant par exemple du caoutchouc provenant d’une région stable, déterminant quel fournisseur est le plus susceptible d’honorer leur contrat, de prévoir d’éventuelles perturbations de la chaîne d’approvisionnement, etc.

    Nous sommes en train de développer de nouveaux types d’intelligence non-consciente qui pourront gérer des tâches de plus en plus complexes. Si l’IA change le monde, cela changera certainement la manière dont les entreprises entretiennent des relations commerciales.