My Blog

Étiquette : IA

  • L’intelligence artificielle : ses défis et ses limites dans l’e-commerce B2B

    L’impact de l’IA dans le e-commerce B2B :
    limites et alternatives

    Laurent Desprez, Vice President and General Manager for Europe at Oro Inc.

    L’intelligence artificielle joue un rôle clé dans les plans de transformation numérique. Elle alimente les moteurs de recherche, les assistants virtuels et les recommandations de produits. Pour les professionnels du e-commerce B2B, l’IA peut représenter un véritable avantage concurrentiel. Mais l’IA a ses défis et ses limites. Sa mise en œuvre peut être coûteuse, ce qui amène les entreprises B2B à se demander s’il existe des alternatives.

    Les limites de l’IA dans le commerce

    L’IA applique un modèle ou un algorithme pour traiter de grandes quantités de données et prédire les résultats futurs. Bien qu’elle soit très sophistiquée, elle doit être personnalisée et testée pour s’assurer qu’elle fonctionne comme prévu. L’IA ne marche pas de manière isolée. Elle est connectée à des outils, plateformes et processus existants. Sa mise en œuvre peut être coûteuse et quelque peu incertaine.

    Première limite : identifier des cas d’utilisation réalistes

    Plus de 65 % des acheteurs B2B sont susceptibles de changer de fournisseur s’il n’offre pas d’expérience personnalisée. En ce sens, les cas d’utilisation les plus populaires de l’IA dans l’ecommerce B2B se concentrent sur l’UX. Les autres éléments les mieux gérés par l’IA incluent les recommandations de produits ou l’analyse des sentiments. Par exemple, Amazon a massivement investi dans son moteur de recommandation basé sur l’IA pour comprendre les clients à chaque étape. Amazon Personalize examine les achats précédents pour optimiser l’algorithme afin d’offrir de meilleures recommandations de produits. La clé du succès d’Amazon est son engagement à créer l’expérience client la plus personnalisée.

    Deuxième limite : mettre les données en ordre

    Selon un rapport O’Reilly, 15 à 20 % des concepteurs d’IA citent des problèmes de données manquantes ou incohérentes. Les données nécessitent une analyse et une préparation avant d’être utilisées par l’algorithme. L’intervention humaine lors de la préparation peut alors entrainer des erreurs avant que l’IA ne traite les données.

    Troisième limite : mettre en place des équipes spécialisées dans l’IA

    L’IA nécessite une équipe de professionnels, d’ingénieurs et d’analystes BI pour la maintenir correctement. Malheureusement, les professionnels de l’IA sont difficiles à trouver. Le manque de talents dans l’industrie de l’IA concerne tous les niveaux de compétences et d’expérience.

    Quatrième limite : la culture et la gestion des risques

    L’IA est encore une technologie relativement nouvelle et tout le monde a une idée différente de ce qu’elle est et de ce qu’elle peut apporter à une entreprise. Pour avoir les meilleures chances de réussite, il est crucial d’intégrer toutes les parties prenantes dans sa stratégie d’IA et de les impliquer dans la définition des objectifs. Une visibilité totale conduit à la plus grande chance de succès.

    Alternatives à l’IA

    Toutefois, toutes les entreprises n’ont pas forcément besoin de l’IA. Il existe d’autres alternatives qui peuvent être déployées. Pour de nombreuses fonctions du ecommerce, un moteur d’automatisation de flux de travail basé sur des règles peut fournir les mêmes résultats à un coût réduit. Par exemple, un algorithme de recommandation de produit peut ne pas avoir besoin d’IA, pas plus qu’un processus de devis ou de paiement personnalisé.

    Flux de travail automatisés

    Les flux de travail automatisés et l’IA impliquent tous deux de s’appuyer sur des infrastructures IT performantes pour effectuer des tâches.

    L’IA est le meilleur choix pour évaluer plusieurs inconnues telles que les fluctuations de la demande et les achats anticipés. Par exemple, Amazon est bien connu pour utiliser des algorithmes pour placer stratégiquement des articles dans les entrepôts les plus proches des clients avant même qu’ils n’aient ajouté ces articles à leur chariot. Ces systèmes anticipent les goûts individuels ainsi que les conditions saisonnières, météorologiques et de circulation pour livrer les produits le plus rapidement possible. Pourtant, l’IA n’est pas nécessaire pour simplement identifier le meilleur entrepôt pour expédier les produits. Un workflowsautomatisés automatisé peut acheminer les commandes vers l’entrepôt le plus proche du client, créant ainsi la même expérience qu’Amazon offre avec l’IA. Dans ce cas, un workflow automatisé peut être mis en œuvre plus rapidement et coûte beaucoup moins cher. Les workflows automatisés peuvent être la solution idéale pour les tâches répétitives ou impliquant la manipulation de données.

    S’assurer que l’IA fonctionne pour ses besoins

    Toute solution d’IA doit fournir une valeur qui dépasse les coûts d’administration des données et de constitution d’une équipe dédiée. N’oublions pas que l’IA peut présenter une multitude de défis. Il faut donc s’assurer d’avoir un cas d’utilisation valide et les ressources à investir pour mener à bien son projet. Au regard de ces éléments, envisager des alternatives telles que les workflows automatisés est une bonne option. Enfin il est important de garder à l’esprit que la solution la plus simple est souvent la meilleure.

     

  • L’IA frugale pour un numérique plus vertueux

    L’IA frugale, la technologie qui va révolutionner l’univers du chatbot

     Par Charles Teissèdre, Directeur Scientifique – Synapse Développement

    L’intelligence artificielle entre dans une nouvelle aire avec l’émergence de la technologie dite d’IA frugale. Économe en données, en ressources machines et en énergie, l’intelligence artificielle frugale est particulièrement pertinente lorsque l’entité qui souhaite la déployer ne possède pas de volumes de données qualifiées importants. Appliquée aux nouvelles générations de chatbots intelligents, l’IA frugale permet à des industries ou des secteurs de pointes, même à partir de documents très techniques, d’adopter des agents conversationnels très performants.

    L’intelligence artificielle est partout… Mais bien souvent, pour déployer des technologies de Machine Learning ou Deep Learning, il est indispensable de disposer d’un volume de données considérable (Big Data). Relativement accessibles pour des domaines génériques, ces données sont en revanche bien plus rares (et bien plus chères) lorsqu’il s’agit de domaines bien spécifiques ou très techniques. On peut ainsi penser aux industries telles que l’aéronautique et le spatial, la défense, la pharmacologie, la chimie, la banque et l’assurance… et plus globalement, à tous les secteurs de pointe.

    En effet, le manque de données abondantes est un frein à l’utilisation des modèles d’intelligence artificielle aujourd’hui dominants. Dans ce contexte, l’analyse sémantique, la thématisation ou le déploiement d’un chatbot intelligent sont alors impossibles pour bon nombre de secteurs avec ces modèles. Mais désormais, la technologie dite d’intelligence artificielle frugale lève ce frein et va révolutionner, entre autres, l’univers des chatbots. Tous les secteurs, même les plus pointus, pourront ainsi se doter d’un agent conversationnel intelligent pour faciliter l’accès et le partage de connaissances.

    L’Ia frugale, comment ça marche ?

    Contrairement au modèle dominant qui repose sur le Deep Learning ou le Machine Learning, l’IA frugale ne nécessite pas de grands volumes de données pour entraîner son modèle. Il s’agit bien là de la force première de cette technologie. En effet, la plupart des entreprises qui sollicitent un spécialiste en intelligence artificielle pour, par exemple, déployer un chatbot, ne possèdent pas un volume de données suffisant. Il faut alors envisager d’utiliser des ressources libres de droits ou tierces payantes, pas forcément très représentatives de leur secteur d’activité.

    Une solution possible pour pallier ce problème est de créer ses propres ressources de données. Cette solution nécessite de mobiliser de très nombreux experts d’un sujet donné, sur le long terme. Difficile par exemple, pour un avionneur, de mobiliser des pilotes et des mécaniciens pendant des mois pour annoter des ressources documentaires. Le coût serait exorbitant et le travail particulièrement fastidieux et éloigné de leur métier. De plus, les besoins en ressources machines seraient alors particulièrement élevés, de même que la consommation d’énergie associée.

    Seconde solution, adopter des modèles qui contournent le problème d’un grand volume de données disponibles : l’IA frugale. Cette technologie est capable d’apprendre à partir de très peu d’exemples. Le défi majeur est de réussir à initier un modèle suffisamment performant dans un premier temps, afin de susciter l’adhésion des utilisateurs, et ensuite d’apprendre en continu au fil des interactions homme-machine. L’acquisition de données ne se fait donc plus uniquement en amont du projet, mais sur un temps long, sans mobiliser d’importantes ressources humaines expertes.

    L’IA frugale appliquée aux chatbots intelligents

    Certains chatbots – ou agents conversationnels – dits intelligents, sont capables de lire et de comprendre une documentation, grâce à des technologies comme le Machine Reading. Là où l’intelligence artificielle frugale va encore plus loin, c’est qu’elle permet à ce type de technologie d’être efficiente sur des corpus documentaires très techniques, avec très peu d’exemples. Ainsi, il est tout à fait envisageable pour un laboratoire pharmaceutique, une entreprise de l’aérospatiale ou encore une société spécialisée dans la finance de déployer un chatbot afin de faciliter l’accès et le partage de connaissances au sein de ses équipes.

    IA frugale, un gros plus pour un numérique plus vertueux

    Le saviez-vous ? En six ans, les besoins en calculs liés au Deep learning – modèle actuellement dominant d’intelligence artificielle – ont été multipliés par 300.000, rien que ça ! Sachez également que le coût d’entraînement de ce type de technologie double plusieurs fois chaque année ! L’intelligence artificielle est donc loin de la sobriété de l’intelligence humaine. Quand un cerveau utilise une vingtaine de watts pour fonctionner, une IA basée sur le Deep Learning nécessite près d’un demi-million de watts ! L’IA frugale apparaît clairement comme un levier considérable pour accélérer la sobriété des technologies basées sur l’intelligence artificielle.

     

  • Quand l’IA permet un gain de productivité dans l’analyse de documents

    Les chiffres clés de l’IA selon Golem.ai

    Les entreprises font face à une multiplication des données non structurées, elles commencent juste à prendre conscience des risques qu’elles encourent à ne pas les traiter. L’usage de l’IA symbolique, en particulier dans le domaine de l’analyse des documents, va permettre un gain de productivité sans précédent »
    Les données non structurées sont des données représentées ou stockées sans format prédéfini.
    L’IA symbolique est une approche de l’IA qui vise à produire du raisonnement en s’appuyant sur la manipulation de concepts (aka : des symboles)

    Golem.ai simplifie le travail au travers de solutions IA d’assistance aux métiers et d’automatisation des tâches qui accélèrent les processus lourds et répétitifs. L

  • Prévisions RH 2021 : les initiatives émergentes

    Prévisions RH 2021 : la transformation numérique s’accélère, libérant le potentiel d’une main-d’œuvre hybride

    Par Guillaume Réjou, Product Marketing Manager chez Sage

     2020 a peut-être été l’année la plus importante mais aussi la plus difficile jamais enregistrée pour les RH. Alors que les entreprises luttent contre la pandémie mondiale, 87%1 des responsables RH considèrent que leurs équipes jouent un rôle essentiel dans la conduite du changement, le travail à distance et le soutien au personnel. En 2021, les services à l’humain seront au centre de la transformation numérique, utilisant la technologie de manière innovante pour favoriser une collaboration réussie et durable.

    Les RH utiliseront les outils numériques pour consolider leur position de leader en matière de résilience des entreprises et de travail durable

    Les perturbations dû à la COVID-19 étant appelées à se poursuivre, il semble que les collaborateurs resteront séparés de leur environnement professionnel. Le travail hybride, que de nombreuses entreprises ne connaissaient pas il y a seulement un an, deviendra le statu quo. Une priorité essentielle pour les entreprises sera de maintenir la cohérence et la résilience, afin que la perturbation initiale du travail causée par la pandémie ne se répète pas. Pour suivre l’évolution d’une main-d’œuvre de plus en plus numérique, nombre de cadres du secteur des ressources humaines estiment que les fonctions qui y sont associées doivent se transformer complètement. Et pour ce faire, ils peuvent s’appuyer sur leurs organisations, dont ils considèrent à 52% qu’elles se donnent les moyens de leurs ambitions selon une étude de myRHline.*

    La solidité d’une entreprise dépend de celle de ses employés. C’est pourquoi les équipes des RH et du personnel se concentrent sur leur bien-être au quotidien. Des pratiques de travail durables – où les employés se sentent heureux, en bonne santé et soutenus – sont la clé de la productivité et de la réussite d’une entreprise. Pourtant, il peut être difficile de maintenir cette atmosphère lorsque les employés sont si éloignés. Le rythme de travail, souvent intense, peut nuire à la santé mentale et au bien-être des employés. A titre d’exemple, la santé mentale des Français a violemment souffert de ce phénomène : une étude de Santé Publique France** a montré une augmentation de 12 points des états dépressifs pour l’ensemble de la population depuis septembre. Si les entreprises ne parviennent pas à atténuer ces effets, elles seront confrontées à l’épuisement professionnel et la rétention des employés sera plus compliquée.

    C’est pourquoi les RH vont probablement investir davantage dans le suivi des employés. Ces outils aideront les responsables du personnel à comprendre les changements qui se produisent dans l’organisation en temps réel. Ils peuvent voir comment l’expérience virtuelle des employés se développe et agir rapidement pour allouer des ressources et un soutien supplémentaires si nécessaire. Privilégier la flexibilité plutôt que l’efficacité semble être la stratégie à suivre pour créer des avantages concrets, ce sur quoi s’accorde 52% des responsables RH selon une étude Gartner.***

    Les événements professionnels et sociaux – mis en pause pour de nombreuses entreprises – connaîtront également un retour sous une forme virtuelle. Cette évolution s’accompagne d’initiatives émergentes, telles le trajet virtuel que certaines entreprises explorent pour encourager les salariés à se ressourcer et à se préparer à leur journée de travail. Toutefois, si elles jouent un rôle plus actif dans la vie professionnelle et personnelle des salariés, les équipes doivent veiller à avancer avec précaution. Les réunions d’équipe virtuelles doivent être planifiés au cours de la journée de travail pour éviter l’épuisement professionnel, et les emplois du temps chargés des employés doivent être pris en compte ; ceux-ci n’apprécieront pas d’avoir plus de listes de tâches à faire ou de recevoir constamment des demandes de retours des RH.

    Les outils de travail d’équipe : le nouveau bureau

    Lorsque les membres d’une même équipe sont séparés, la collaboration en souffre inévitablement. Cela s’est vu pendant la pandémie, et les entreprises commencent à comprendre qu’elles bénéficient beaucoup plus d’équipes travaillant ensemble que d’individus travaillant seuls. En 2021, les ressources humaines devront jouer un rôle plus proactif en encourageant le travail d’équipe et la collaboration. La capacité à travailler avec leurs collègues deviendra un facteur plus central dans l’évaluation et l’appréciation des employés. De même, lorsqu’un projet échoue, l’équipe élargie sera évaluée afin de comprendre où et pourquoi il y a eu dysfonctionnement.

    Maintenir la collaboration dans un environnement éloigné nécessite également un changement technologique. Les plates-formes de collaboration comme Teams ou Slack ont été essentielles pour rassembler les collègues et maintenir un flux de communication constant pendant les confinements. La prochaine étape consistera à intégrer ces outils aux systèmes de ressources humaines et autres systèmes d’entreprise, afin de permettre aux employés d’accéder plus rapidement et plus facilement aux applications, aux données et aux options de libre-service.

    L’intégration de différents outils de collaboration présente également un grand potentiel pour l’engagement des collaborateurs. Les importantes annonces des RH et les messages virtuels seront communiqués par le biais d’outils de reconnaissance des employés, c’est-à-dire intégrés aux plateformes de collaboration que le personnel utilise déjà. Lorsqu’un collègue réussit ou que son travail exclut une ou plusieurs valeurs de l’entreprise, il reçoit automatiquement des félicitations, ce qui stimule le moral et améliore son engagement malgré la distance.

    L’intelligence artificielle, futur gardien des employés 

    En 2021, l’utilisation de l’IA et de l’apprentissage technologique jouera également un rôle central dans la gestion du personnel. Selon un rapport Gartner, 47% des dirigeants RH comptent d’ailleurs augmenter leur investissement dans ces deux domaines****. L’intelligence artificielle occupe déjà une place prédominante dans la fonction de recrutement de nombreuses entreprises, mais elle permettra désormais également de fournir aux ressources humaines des capacités entièrement nouvelles.

    La puissance de l’IA pour les RH réside dans la détection de modèles et de tendances se trouvant au cœur des données qu’il est presque impossible pour l’homme de remarquer ou d’analyser. En s’appuyant sur celle-ci, les outils d’IA détiennent le pouvoir de la prédiction en fournissant de meilleurs indicateurs aux gestionnaires qui peuvent alors anticiper les problèmes éventuels au lieu de devoir y faire face lorsqu’ils se présentent. Par exemple, les responsables du personnel seront en mesure d’identifier les employés qui risquent de quitter l’entreprise, et les domaines dans lesquels l’entreprise pourrait avoir un déficit de compétences particulier dans un avenir proche. Armés de leur connaissance, ils peuvent adapter leurs politiques en toute confiance.

    Quels débats sur le respect de la vie privée et de la confiance ?

    En effet, nous arrivons au stade où toutes les conversations professionnelles, que ce soit par vidéo, par courrier électronique ou par message, peuvent être mesurées et analysées. Les organisations peuvent obtenir des données sur la durée et les heures de présence d’un employé à son poste de travail. Il serait impossible pour une équipe de RH de contrôler et d’analyser toutes ces informations – mais ce n’est pas le cas pour l’IA.

    En intégrant l’IA dans leurs piles technologiques, les équipes RH peuvent réaliser des analyses précises des sentiments et des comportements. En passant au crible toute une série de critères, du ton de leur voix à l’heure à laquelle ils commencent à travailler le matin, une entreprise peut savoir quand un employé est en difficulté et sous pression. Les RH peuvent alors intervenir pour s’assurer que le collaborateur reçoit le soutien dont il a besoin avant qu’il ne s’épuise ou ne prenne un congé. Ce genre d’activités constituera l’épine dorsale des initiatives de travail durable.

    Toutefois, l’IA doit être traitée avec prudence. Son introduction dans les activités des RH soulève déjà un débat sur les questions d’éthique, de respect de la vie privée et de manque de confiance dans les équipes, qui ne fera que s’amplifier à mesure que de nouveaux outils seront adoptés. Même de grands groupes, comme Microsoft, ont essuyé une salve de critiques lorsqu’il lança des capacités de notation et de suivi de la productivité sur sa plate-forme Teams, qui ont depuis été réduites. Cette controverse souligne l’importance de l’inclusion des employés lors de l’introduction de plateformes d’IA. Il est crucial que la technologie ne soit pas imposée aux employés sans leur consentement et sans qu’ils soient informés des opportunités qu’elle offre. Les équipes doivent également s’assurer que les décisions prises en matière d’IA ne conduisent pas à la discrimination ou à la victimisation des employés. Les données ne disent pas tout et le jugement humain doit rester le facteur décisif en toute circonstance.

     

     

  • Les webinars à ne pas manquer cette semaine : France AI – Hello Tomorrow – Women@IBM – Sigfox connect…

    Semaine du 16 au 20 novembre 2020 

    https://www.mdw.stellart-design.fr/event/innovations-france-is-ai-by-france-digitale/?instance_id=5255

    https://www.mdw.stellart-design.fr/event/innovations-hello-tomorrow-global-summit-by-hello-tomorrow/?instance_id=5206

    https://www.mdw.stellart-design.fr/event/reglementation-decouvrir-les-facettes-professionnelles-du-droit-du-numerique-by-efutura/?instance_id=5257

    https://www.mdw.stellart-design.fr/event/rh-womenibm-france-by-ibm-france/?instance_id=5264

    https://www.mdw.stellart-design.fr/event/marketing-reussir-sa-communication-rse-grace-aux-communautes-by-woo/?instance_id=5249

    https://www.mdw.stellart-design.fr/event/marketing-comment-maitriser-et-piloter-efficacement-sa-e-reputation-by-square/?instance_id=5248

    https://www.mdw.stellart-design.fr/event/technologies-usages-solutions-de-collaboration-de-demain-by-keyrus/?instance_id=5240

    https://www.mdw.stellart-design.fr/event/innovations-soph-i-a-summit-by-universite-cote-dazur/?instance_id=5252

    https://www.mdw.stellart-design.fr/event/innovations-sigfox-connect-by-sigfox/?instance_id=5232

    https://www.mdw.stellart-design.fr/event/innovations-ai-for-industry-by-startup-inside/?instance_id=5250

    https://www.mdw.stellart-design.fr/event/marketing-quels-outils-pour-faire-performer-vos-reseaux-sociaux-by-adetem/?instance_id=5267

    https://www.mdw.stellart-design.fr/event/rh-re-invent-by-heyteam/?instance_id=5268

    https://www.mdw.stellart-design.fr/event/marketing-comment-dessus-dessous-sest-positionne-en-leader-sur-son-marche-grace-a-linnovation-by-magento-commerce/?instance_id=5261

    https://www.mdw.stellart-design.fr/event/marketing-comment-rentabiliser-votre-site-web-by-zoho/?instance_id=5243

    https://www.mdw.stellart-design.fr/event/technologies-understand-verify-and-act-on-the-security-of-your-kubernetes-clusters-by-scaleway/?instance_id=5266

    https://www.mdw.stellart-design.fr/event/societe-feminismecamp-by-association-francaise-du-feminisme/?instance_id=5265

  • Quand la crise sanitaire fait émerger le nécessaire besoin d’agilité.

    Cyberrisque et IA : deux enjeux majeurs pour répondre aux défis économiques de la crise sanitaire

    Par Ludovic Delaire, Directeur Général du CITC – IoT Cluster et organisateur de l’IoT Week

    La crise sanitaire a fait émerger le nécessaire besoin d’agilité. Encore plus aujourd’hui, l’IA est au cœur des enjeux de croissance des entreprises. Et avec elle, la question du cyberrisque qu’on ne peut plus décorréler.

    Dans le monde de la tech, des ruptures s’opèrent tous les 10 ans

    L’Intelligence Artificielle n’est pas une question nouvelle. Le concept des réseaux de neurones artificiels, dont l’IA est étroitement associée, fut inventé en 1943 par deux chercheurs américains. Et en 1957, le plus ancien algorithme de Machine Learning, dont l’IA est une catégorie, fut créé. Mais à l’époque, la matière technologique était insuffisante pour développer ces fonctionnalités. C’était alors à l’homme de s’adapter à la machine. La technologie a évolué et depuis la fin des années 2000 les foyers se sont équipés d’un ordinateur. Puis d’un smartphone (connecté en 2007 et l’arrivée des IoT en 2009). En 2010, nous sommes arrivés à un nouveau point de rupture : l’utilisation massive du numérique et l’émergence des réseaux sociaux ont modifié les comportements. On a commencé développer plus largement les IoT et c’était alors l’amorce de la Data.

    Aujourd’hui, l’Intelligence Artificielle, couplée à l’IoT, a totalement bouleversé le business model des entreprises.  D’une économie du produit, nous sommes passées à celle du service et de l’usage. Les produits, sur la base des IoT, sont désormais des éléments de captation et de restitution de l’information.

    L’IA valorise la Data en créant de nouveaux usages, mais génère dans le même temps des nouveaux risques de sécurité

    La crise sanitaire que nous vivons oblige les entreprises à revoir leurs modèles et leurs méthodologies. L’amorce d’une transition digitale était déjà présente, notamment dans les grands groupes. Mais les TPE et PME ont été contraintes de faire bouger leurs lignes. L’Intelligence Artificielle qui était jusqu’ici encore considérée comme une sorte d’eldorado s’est faite plus concrète. Les entreprises, et notamment celles exerçant dans l’industrie ou le retail, se sont rendues compte des possibilités qu’offre une bonne gestion des données, en matière de maintenance prédictive, d’aide à la décision et d’identification de signaux faibles…

    Mais plus on intègre l’IoT, plus on se doit de sécuriser ses opérations. Numérique et cyberrisque sont étroitement liés. L’un ne peut plus fonctionner sans l’autre. Pendant très longtemps, nous étions sur la notion de IA numérique : le traitement de données de masse. C’est par exemple le chatbot d’un site e-commerce, les systèmes de recommandations… Mais cette nouvelle étape peut générer de l’IA malveillante. D’où la nécessite de coupler cyberrisque et IA. L’IA de demain est celle de la symbolique, autrement dit avoir la capacité de créer des arbres de décision et de comprendre les outils d’aide à la décision, facilitant son appropriation et réduisant les risques de cyber criminalité associés à l’IA.

    Les prochains défis de la transition digitale : l’acculturation

    Une transition digitale ne peut pas s’opérer en un claquement de doigt. Il est nécessaire d’évoluer étape par étape en validant chacune d’elles avant de passer à la suivante. Et pour que la transition digitale fonctionne, il faut aussi intégrer dès le départ l’humain. Si à l’époque la machine avait tendance à remplacer l’homme, aujourd’hui l’IA permet de donner une nouvelle valeur à certains métiers. La technologie permet d’appuyer sur un bouton. Et à l’homme de lui donner du temps de réflexion pour penser à la manière dont il faut opérer pour être plus compétitif et pour rendre des solutions plus adaptables, plus agiles. C’est l’exemple de l’Oréal qui est parvenue à reconfigurer sa chaîne de production pour fabriquer du gel hydroalcoolique. Cette marque avait déjà fait appel au Deep Learning dans le domaine du diagnostic personnalisé de la peau, via le développement d’un algorithme personnalisé.

    La formation est par ailleurs très importante pour faire évoluer des champs de compétences, sans avoir recours obligatoirement au recrutement.

    Enfin, l’un des prochains défis est aussi de « labelliser » les entreprises qui ont opéré une transition significative. Un travail est actuellement mené avec des grands groupes pour identifier des baromètres de sécurité et accompagner les entreprises à se mettre en ordre de marche. L’IA, associée à la bonne gestion du risque, est une réponse à l’accélération de l’incertitude et, par conséquent, aux défis de transition numérique.

  • L’intelligence artificielle au coeur de la compétitivité

    L’intelligence artificielle au service d’une expérience client haute définition

    Par Craig Charlton, CEO de SugarCRM

    Comment obtenir une vision haute définition du marché ? A savoir les clients, la prise en compte de chaque modification du parcours client et obtenir de meilleures prédictions pour des relations client fructueuses. 

    Au tout début des années 2000, je me souviens être allé dans une grande enseigne d’électronique pour voir ce que donnait le tout premier téléviseur haute définition. La qualité de rendu changeait vraiment la donne, l’expérience en était résolument immersive. J’eus la certitude que c’en était fini du rendu granuleux des anciens postes, qui trônaient alors dans les salons. Cette technologie allait révolutionner le divertissement à domicile. J’ai vécu un moment comparable au début de la dernière décennie avec les télévisions 4K. Nous en sommes désormais aux modèles 8K.

    C’est un peu la même chose pour les systèmes CRM. La plupart des entreprises ont encore une vision fragmentée, datée et distordue de leurs clients. Le niveau de service qu’elles peuvent proposer en pâtit, se répercutant sur leur potentiel de croissance. La mauvaise qualité des données frappe les entreprises là où ça fait mal : selon les recherches du Gartner[1], cela leur coûterait 15 millions de dollars en moyenne. Pour délivrer une expérience client de nouvelle génération, les entreprises doivent remplacer leur vue actuelle beaucoup trop floue par une vue autrement plus nette et riche. C’est ce que nous appelons l’expérience client haute définition ou « HD-CX », gage de niveaux supérieurs de performance, de prédictibilité et d’augmentation de la valeur client sur tout son cycle de vie. Or comme les études tendent à démontrer que 91% des données des systèmes CRM sont incomplètes et que 70% des données des systèmes CRM se périment chaque année[2], la route est longue.

    L’avenir de l’expérience client CX : la vision haute définition du marché, comme des clients

     Pour Forrester, au cours des 5 à 10 prochaines années, l’expérience client CX va devenir « une condition vitale de la survie des marques et le moyen d’éviter les risques de désintermédiation, de manque de pertinence, d’impersonnalisation et/ou d’incapacité à s’accorder sur le sentiment du client. »[3] Les marques qui préféreront attendre 5 ou 10 ans avant de soigner leur expérience HD-CX risquent de se faire distancer au point de péricliter.

    Pour continuer de devancer la concurrence et alimenter leur croissance, les entreprises ont absolument besoin de se doter au plus tôt d’une vision haute définition de leur marché, de leur organisation et de leurs clients, de façon à élaborer des profils du client idéal, à identifier les secteurs avec une forte propension ou intention d’achat et à réunir les conditions d’une fidélité pérenne des clients. L’expérience client HD-CX consiste à valoriser des informations précises et à jour, issues de multiples sources et de toute l’organisation, de façon à atteindre des niveaux supérieurs de performance et de prédictibilité. Et ceci vaut pour les entreprises de toute taille, tous secteurs d’industrie confondus.

    L’importance de systèmes CRM opportuns : la prise en compte de chaque modification du parcours client

    Il est temps de redéfinir le concept du client à 360 degrés et d’y ajouter le composant manquant : le temps. Comme le disait Benjamin Franklin :« Le temps perdu n’est jamais retrouvé ». Nul ne peut interrompre le flux du temps, mais nous pouvons toujours consigner un historique complet de chaque modification intervenue dans le parcours client et augmenter cette information en puisant dans un référentiel riche en données pertinentes pour mieux appréhender le client et la situation.

    Il ne suffit plus d’avoir une vue à 360 degrés d’un moment donné. C’est chaque modification du parcours client qui compte pour affiner les prédictions et générer des revenus supplémentaire. Les entreprises ont besoin de prédictions justes pour prendre les meilleures décisions, gérer le risque, réagir en cas de problème et saisir les opportunités. Elles doivent pouvoir se renseigner sur les processus passés, présents et futurs de leurs clients.

    L’intelligence artificielle au service de la compétitivité : de meilleures prédictions

    Le problème pour les entreprises réside dans la valorisation de toutes ces données sachant qu’en moyenne, une entreprise détient 162,9 To de données[4]. Pour interpréter ces données, en dégager un avantage compétitif et pouvoir prétendre à un degré de prédictibilité sans précédent dans de très nombreux scénarios, elles ne pourront se passer de l’intelligence artificielle.

    Comprendre la situation et savoir comment on y est arrivé est fondamental, mais que diriez-vous de pouvoir vous projeter dans un futur souhaitable pour votre entreprise ? J’ai déjà souligné l’importance d’un historique complet de chaque modification intervenue dans le parcours client pour mieux appréhender la situation et les orientations des clients et de l’entreprise, mais l’IA apporte une dimension supplémentaire, celle du futur.

    L’IA délivre des prédictions exceptionnelles, même à partir de données CRM incomplètes ou limitées en puisant dans d’immenses référentiels de données externes pour envisager des facteurs non pris en compte par vos données et faire remonter des perspectives imprévues. Ces prédictions sans précédent permettent aux entreprises de prendre des décisions en confiance et de gagner du temps à consacrer à ce qui presse au niveau du marketing, des ventes, du service client, etc.

    A noter toutefois que la justesse des prédictions est un impératif et que toutes les prédictions à base d’IA ne se valent pas. En effet, cela suppose d’utiliser une plateforme éprouvée avec des modèles de deep learning couplés à des données CRM et des données externes d’excellente qualité, une combinaison gagnante à laquelle les entreprises ne peuvent majoritairement pas prétendre.

    Le changement est en marche. Il est certain que les entreprises capables de générer une vue haute définition et opportune de leurs clients et qui sauront utiliser l’IA pour produire des expériences client et des prédictions exceptionnelles, seront celles qui bénéficieront de relations client fructueuses. Celles qui en resteront à une vue standard passéiste de leurs clients se rendront bientôt compte combien le fossé se creuse entre elles et leurs concurrents.

     

     

  • Quand anticiper les futurs bouleversements devient la priorité des entreprises

    77 % des entreprises françaises misent sur l’automatisation intelligente des processus pour se préparer à l’impact de futures pandémies

    La dernière étude conduite par Pegasystems Inc. éditeur de logiciels expert dans la transformation digitale des entreprises, révèle que l’automatisation intelligente des processus jouera un rôle crucial pour les entreprises à court et moyen terme. L’enquête, réalisée sur un panel de plus de 3 000 cadres supérieurs et ingénieurs informatiques répartis dans le monde, a été menée par le cabinet de recherche Savanta. L’objectif est ainsi de recueillir leur point de vue sur le rôle joué par la technologie dans une sphère économique changeante.

    Selon cette étude, anticiper de futurs bouleversements à l’image de ce que nous traversons actuellement, revêt un caractère prioritaire pour beaucoup d’entreprises en France et dans le monde. En effet, 78 % des répondants estiment qu’il s’agit là d’une nécessité absolue – alors même que 41 % déclarent avoir manqué de préparation pour faire face à l’impact de pandémies telles que la COVID-19.

    L’enquête montre également que l’automatisation intelligente semble s’imposer parmi les technologies clés pour répondre à de futurs évènements externes. 76 % du panel indiquent d’ailleurs que les entreprises accroitront leurs investissements en la matière. Et ce n’est pas la seule technologie à se démarquer, la moitié des personnes interrogées affirmant vouloir augmenter leurs dépenses dans l’intelligence artificielle (IA), et ce afin de se prémunir contre l’impact économique de futures pandémies.

    « Les événements de ces derniers mois ont démontré que les technologies peuvent faciliter la collaboration et les tâches courantes lorsque des situations critiques ont lieu », a déclaré Don Schuerman, directeur technique de Pegasystems. « Les entreprises doivent investir dans des technologies de transition telles que l’automatisation intelligente ou l’intelligence artificielle. La plupart des entreprises n’étaient naturellement pas préparées à l’impact qu’une pandémie mondiale pourrait avoir sur leurs activités. Elles doivent toutefois, et dès maintenant, anticiper les risques inhérents à de telles catastrophes pour éviter les écueils liés à un manque de digitalisation ».

     Au-delà de l’aspect technologique, l’étude met en avant une mutation profonde de notre façon de travailler, et ce dans un avenir proche puisque 85 % des interrogés estiment que des changements seront opérés sur un horizon de 5 ans.

    Certaines technologies pourraient ainsi modifier pleinement nos méthodes de travail, ainsi que notre satisfaction professionnelle, et les outils que nous utilisons :

    • La technologie fait désormais partie de notre quotidien : 83 % des répondants sont à l’aise lorsqu’il s’agit de travailler avec des machines intelligentes, 60 % d’entre eux estimant même que le terme « main-d’œuvre » devrait regrouper à la fois l’humain et la machine intelligente – contre 73 % au niveau mondial. Les employés, quant à eux, ont un rôle principal à jouer dans l’utilisation de la technologie et participent aux changements de leur entreprise. 58 % des cadres interrogés ont déclaré que leurs équipes réclament une meilleure technologie pour améliorer leur façon de travailler, loin devant des horaires flexibles ou des taches motivantes.
    • Le low-code a le vent en poupe : pour 79 % des interrogés, les services informatiques devraient fournir des plateformes et des systèmes permettant aux employés de créer et de mettre en œuvre leurs propres solutions technologiques. Par ailleurs, près de la moitié des répondants (49 %) déclarent que « l’ensemble » ou « la majorité » des équipes auront besoin de compétences en matière de low-code dans les cinq prochaines années.
    • L’automatisation intelligente permet de gagner du temps et d’améliorer la créativité : 80 % du panel déclarent que l’automatisation intelligente leur permet de réduire la charge de travail des employés. Près de la moitié d’entre eux affirment qu’elle leur a déjà fait gagner entre une et neuf heures de travail par semaine au cours des deux dernières années. 52 % utilisent ce temps supplémentaire pour proposer des idées innovantes, alors que 44 % en profitent pour effectuer davantage de tâches d’analyse et de réflexion critique.

  • PME ou Multinationale  : comment le machine learning peut booster votre business

    Comment faire ce saut dans l’inconnu quand son domaine d’activité est très éloigné de cette technologie novatrice ?

     Par Anaïs Cadilhac – Docteur et ingénieur en traitement automatique des langues /Synapse Développement et Clément Tourné – Ingénieur développement logiciel / Synapse Développement

    Le machine learning est une notion très abstraite pour bon nombre d’entreprises. Pourtant, cette technologie d’intelligence artificielle est capable de doper le chiffre d’affaires de toute société qui la déploie. Mais comment faire ce saut dans l’inconnu quand son domaine d’activité est très éloigné de cette technologie novatrice ?

    Préparez-vous à faire entrer votre entreprise dans l’univers de l’intelligence artificielle, et ce, en toute simplicité ! Car de la société la plus modeste à la plus grande multinationale, le machine learning peut véritablement booster votre business. Les entreprises accumulent de plus en plus de données, notamment textuelles, dont la richesse est encore très (trop) peu exploitée. Tirer parti de ces données apparaît même insurmontable pour beaucoup. Et c’est bien normal, chacun sa spécialité !

    Nous sommes tous des experts dans nos domaines respectifs, mais par essence, nos compétences sont limitées. Il apparaît donc particulièrement difficile pour certaines sociétés d’exploiter des masses de données pour doper leur activité. Si seulement des machines pouvaient faire ce travail à votre place. Sachez que ces machines existent ! Il s’agit «tout simplement» de modèles dits de «machine learning».

    Qu’est-ce que le machine learning ?

     Une petite définition s’impose ! Sous le terme quelque peu barbare de «machine learning» se cache en fait des technologies de traitement automatique des données (qu’ils s’agissent de textes, sons, signaux divers, images…). Ces modèles sont capables d’apprendre par eux-mêmes, à partir d’exemples. Imaginez tout ce que vous pourriez faire si seulement vous étiez en capacité d’analyser de manière productive toutes vos données ?

    Le machine learning, très concrètement dans une entreprise, ça donne quoi ?

     Qu’il s’agisse de faciliter l’accès à la documentation de votre société par vos collaborateurs, de classifier des documents, d’analyser des avis clients ou encore d’extraire des informations pertinentes à partir de données non-structurées, le machine learning est là pour automatiser toutes ces tâches fastidieuses ! Pour rendre plus parlant les applications concrètes du machine learning au sein d’une entreprise, prenons quelques exemples.

    Imaginons tout d’abord que vous souhaitiez réaliser une classification d’emails. Facile de le faire à la main, pensez-vous ! Pourquoi pas, si le nombre d’entrées est limité. Mais si vous disposez de dizaines de milliers d’emails à classer ? Dans un tel contexte, impossible de le faire manuellement, à moins d’embaucher une armée d’intérimaires. Et là c’est votre budget qui vous stoppe dans votre élan ! À la place, confions cette tâche rébarbative à un robot doté de la technologie de machine learning. Très concrètement, cet outil peut classer ce type de données, organiser l’ensemble sous forme de rubriques et même réaliser des publications ciblées selon vos propres critères.

    Deuxième exemple : résoudre les incidents les plus récurrents. Vos clients vous remontent régulièrement divers incidents. En tant qu’entreprise responsable et soucieuse de la satisfaction de tous, vous cherchez à résoudre une à une les problématiques relevées. Mais comment rendre telle ou telle action prioritaire par rapport à une autre ? Tout simplement en laissant de l’intelligence artificielle trier ces données. Le gain est triple. Tout d’abord, vous prévenez la multiplicité du même incident. Vous faites également gagner un temps précieux à vos équipes qui se consacrent désormais à résoudre les incidents plutôt qu’à les identifier. Enfin, vous augmentez la satisfaction de vos clients par une résolution rapide de leurs problèmes.

    Restons dans le domaine de l’avis clients. Le machine learning peut tout à fait analyser et trier à votre place des milliers de commentaires utilisateurs issus d’enquêtes d’opinions ou de sources diverses (emails, réseaux sociaux…). Ainsi, l’analyse marketing des retours clients se fait automatiquement et vous permet d’agir au mieux pour répondre aux attentes du plus grand nombre, le tout de manière particulièrement rapide.

    Très concrètement, imaginez que vous fabriquiez un produit génial de couleur violette. Comme votre produit est super, vous obtenez 5 étoiles de la part de tous vos clients. Sauf que, noyé au milieu de chaque commentaire, l’écrasante majorité évoque le fait que bleu aurait été une couleur plus attrayante pour votre produit. L’intelligence artificielle saura vous remonter immédiatement cette information et de votre côté, vous pourrez ajuster le tir en transformant votre fantastique produit violet en extra-ordinaire produit bleu et ainsi doper vos ventes.

    À vous de jouer !

     Le machine learning, comme toute forme d’intelligence artificielle, a besoin de s’entrainer pour obtenir de bons résultats. Et qui est le meilleur entraineur dans votre domaine ? C’est vous ! En effet, personne n’a plus d’expertise dans votre pré carré que les collaborateurs de votre propre entreprise. Très concrètement, votre mission consistera à éduquer et superviser le travail de l’intelligence artificielle. Ceci, dans un premier temps seulement. Puisque très vite, l’intelligence artificielle sera en capacité de s’améliorer par elle-même. Ça y est, vous êtes prêt à entrer dans l’univers de l’intelligence artificielle en toute simplicité.

     

  • Où en sont les projets d’entreprise en matière d’Intelligence Artificielle ?

    The AI Powered Enterprise : unlocking the potential of AI at scale

    Un nouveau rapport du Capgemini Research Institute examine le rythme d’adoption de l’Intelligence Artificielle (IA) en entreprise au cours des trois dernières années.

    En bref  :
    Plus de la moitié (53%) des organisations ont désormais dépassé le stade des projets pilotes, ce qui représente une nette augmentation par rapport aux 36% mentionnés dans le rapport Capgemini 2017 sur le même sujet.
    En outre, 78% des organisations ayant réussi le passage à l’échelle de leurs initiatives IA1 continuent de faire avancer leurs initiatives au même rythme qu’avant le COVID-19. Mieux encore, 21% d’entre eux ont même accéléré la cadence. Cette évolution est en net contraste avec celle des « organisations en phase pilote pour leurs initiatives IA »2 : 43% d’entre elles ont cessé d’investir dans l’IA et 16% supplémentaires ont suspendu toutes les initiatives dans ce domaine en raison des incertitudes économiques liées au COVID-19.

    Le rapport Capgemini, « The AI Powered Enterprise: Unlocking the potential of AI at scale», révèle que la réussite du déploiement de l’IA à l’échelle apporte des avantages tangibles en termes de revenus. A ce titre, 79% des organisations ayant réussi le passage à l’échelle de leurs initiatives IA enregistrent une augmentation de plus de 25% des ventes de produits et de services traditionnels. De plus, 62% d’entre eux constatent également une diminution d’au moins 25% du nombre de réclamations de clients et 71% observent une réduction d’au moins 25% des menaces de sécurité.

    Perspective par secteur : les secteurs des Sciences de la vie et du Retail ouvrent la voie dans l’adoption de l’IA alors que les Services financiers et le secteur des Utilities sont à la traîne

    Sur le plan de l’implémentation de l’IA, cinq principales industries se démarquent. Les organisations des secteurs des sciences de la vie et du retail ont clairement une longueur d’avance : elles représentent respectivement 27% et 21% des organisations ayant réussi le passage à l’échelle de leurs initiatives IA. Elles sont suivies par les secteurs de l’automobile et des produits de consommation, qui totalisent 17% chacun, puis par les télécommunications (14%). Seulement 38% des entreprises spécialisées dans les sciences de la vie ont suspendu ou cessé leurs investissements en raison du COVID-19, contre 66% des compagnies d’assurance, 64% des banques et 64% des utilities. Cela illustre l’importance de la santé en ligne dans le contexte actuel, à l’heure où les assistants virtuels et les chatbots se multiplient et où les organisations, telle que l’Organisation mondiale de la santé, lancent des outils basés sur l’IA pour collecter et fournir des informations sur la pandémie en cours3.

    Des données fiables et de qualité sont essentielles pour déployer l’IA

    Pour les organisations ayant réussi le passage à l’échelle de leurs initiatives IA, « l’amélioration de la qualité des données » arrive en tête des approches qui les aident à tirer davantage parti de leurs systèmes IA. En ce sens, une solide stratégie de gouvernance des données garantit que les équipes IA disposent de données de bonne qualité et renforce la confiance que les cadres accordent aux données. Ainsi, la mise en place des plateformes technologiques requises, telles qu’une architecture de Cloud hybride et la démocratisation de l’accès aux données, constituent le fondement du déploiement de l’IA.

    Le recrutement de responsables IA est crucial pour soutenir les objectifs d’une organisation en matière d’IA

    Selon l’étude de Capgemini, pour 70% des entreprises, la pénurie de talents dans les postes intermédiaires et supérieurs est un défi majeur à la mise en œuvre de l’IA. Plus de la moitié des organisations ayant réussi le passage à l’échelle de leurs initiatives IA (58%) ont nommé un chef/responsable IA qui peut offrir une vision aux équipes de développement et établir des directives concernant la hiérarchisation des cas d’usage, ainsi que sur les questions d’éthique et de sécurité, tout en harmonisant l’utilisation des outils et plateformes nécessaires à l’implémentation de l’IA. Un large éventail de compétences est nécessaire pour la mise à l’échelle des applications d’IA : au-delà des compétences techniques pures, les organisations doivent impliquer business analysts et spécialistes de la gestion du changement. Toutefois, pour les disciplines telles que l’apprentissage automatique ou la visualisation de données, l’écart entre l’offre et la demande est actuellement important. La formation et le perfectionnement sont donc essentiels pour pallier ce manque et garantir que ces compétences puissent rester en interne.

    L’éthique joue un rôle clé pour générer satisfaction et confiance des clients dans l’IA

    Si les consommateurs et les réglementations mettent fortement l’accent sur une IA éthique, Capgemini a découvert que de nombreuses organisations n’abordaient pas activement certaines questions, telles que le besoin de disposer d’une équipe en charge de l’éthique. Selon le rapport, moins d’un tiers des organisations en phase pilote pour leurs initiatives IA (29% comparés aux 90% parmi les organisations ayant réussi le passage à l’échelle de leurs initiatives IA) admettent disposer de connaissances détaillées sur la manière dont les systèmes IA produisent leurs résultats ; ce qui constitue un critère important pour la confiance des dirigeants en leurs systèmes IA. Parallèlement, il est impossible de gagner la confiance des consommateurs si les employés en contact avec les clients ne font pas eux-mêmes confiance aux modèles ou données utilisés par leur entreprise.

    « A la lumière de la récente crise liée au Covid-19 et alors que les organisations se tournent vers les données et l’IA pour rendre leurs opérations plus résilientes, rapprocher l’implémentation des projets IA des objectifs tactiques et stratégiques est critique pour réussir un passage à l’échelle », explique Anne-Laure Thieullent, responsable de l’offre AI & Analytics du groupe Capgemini. « Dans notre étude, il apparaît clairement que les organisations qui réussissent le mieux combinent leurs efforts pour moderniser leur infrastructure de gouvernance des données, utilisent les forces de leurs écosystèmes de partenaires ainsi que des approches agiles telles que le DataOps4-MLOps5 pour développer et déployer des solutions d’IA, former des équipes diverses et mettre en place des modèles opérationnels d’exploitation. » 

    En conclusion du rapport : un tour d’horizon des quatre principes sur lesquels les organisations doivent se concentrer pour une implémentation réussie de l’IA :

    • Mettre l’accent sur les moyens : établir des bases solides pour accéder facilement à des données fiables et de qualité, grâce à des plateformes et outils IA et de données appropriés, ainsi qu’à des pratiques agiles.
    • Soutenir l’opérationnalisation : déployer l’IA à l’aide d’un modèle opérationnel adapté, de hiérarchiser les initiatives et de garantir une gouvernance équilibrée tout en intégrant l’éthique.
    • Développer les talents : diversifier les talents et collaborer avec des écosystèmes de partenaires.
    • Surveiller et améliorer : surveiller en permanence la précision et les performances des modèles pour générer les bénéfices métiers attendus et constamment les améliorer.

    Pour consulter le rapport dans son intégralité, cliquez ici.