My Blog

Étiquette : intelligence artificielle

  • Commerce en ligne : l’IA pour inspirer, les marques pour convertir

    Étude Criteo sur les habitudes d’achats et de commerce en ligne 

    À l’heure où l’IA s’intègre de plus en plus dans le quotidien des consommateurs, Criteo se penche, dans son nouveau rapport, sur les transformations des habitudes d’achats et de commerce en ligne. Voici les principaux enseignements de l’étude Commerce & AI Trend Report*.
     

    1. Le spectre de découverte s’étend, pourtant l’achat se fait toujours au même endroit

    Le parcours d’achat commence désormais partout.
    Interrogés sur le point de départ qu’ils privilégient pour commencer leur shopping,
    36 % des consommateurs citent les marketplaces, 28 % les moteurs de recherche, 15 % les sites ou applications de retailers et 14 % les assistants IA.

    Sur ces derniers, l’usage reste concentré sur la phase d’exploration : 47 % utilisent l’IA pour comparer des produits, 39 % pour en découvrir de nouveaux et 38 % pour trouver des offres.

    Mais au moment du paiement, la prudence reprend le dessus : 55 % des consommateurs interrogés disent se montrer réticents à l’idée de partager leurs informations bancaires avec un assistant IA.

    2. La confiance : premier critère d’arbitrage

     Dans le commerce assisté par l’IA, la crainte d’être trompé dépasse celle liée à la vie privée : 52 % des consommateurs redoutent des contenus faux ou biaisés, contre 46 % qui citent la confidentialité comme principale préoccupation.
    Seuls 6 % déclarent n’avoir aucune inquiétude.

    Les consommateurs restent ouverts au partage de données avec l’IA, mais sous conditions : 52 % estiment que cela dépend du contexte et la prudence s’accentue lorsqu’il s’agit de données sensibles :

    • 57 % se disent particulièrement réticents à partager des données d’identité ou de localisation,
    • 55 % craignent le partage d’informations liées au paiement.

    Dans ce cadre, la marque et le retailer deviennent des garants de fiabilité : transparence et service client de qualité conditionnent désormais la conversion et la fidélité.

    3. La personnalisation : le retour vers la surprise et la découverte

    Face à des recommandations toujours plus précises et ciblées, les consommateurs réclament aussi de la surprise.
    56 % souhaitent que les recommandations ne se limitent pas strictement aux produits correspondant à leur recherche initiale, et 46 % privilégient un équilibre entre personnalisation et découverte, contre seulement 16 % en faveur d’un fil ultra-personnalisé.
    Par ailleurs, dans un environnement saturé de recommandations, 75 % considèrent qu’une marque forte et reconnaissable reste déterminante dans leur parcours d’achat.

    4. L’essor de l’IA agentique : des parcours plus courts, des conversions plus fortes

    Le shopping devient plus conversationnel et multimodal : 44 % des consommateurs se disent à l’aise avec la recherche par image, 26 % avec la recherche vocale, et
    59 % estiment que ces modalités les rendent plus enclins à acheter en ligne.

    Mais au-delà des nouveaux usages, l’IA agentique transforme la performance du parcours. Les visites issues d’assistants IA affichent des taux de conversion 1,5 fois supérieurs aux autres canaux, et plus de 70 % des utilisateurs provenant des LLM arrivent désormais directement sur des pages produit (vs. 50 % en 2025). L’IA ne se contente plus d’assister la recherche : elle préqualifie l’intention et compresse le chemin vers l’achat. 

    6. Quels pourraient être les prochains grands changements du commerce à l’ère de l’IA ?

    Au-delà des transformations déjà visibles aujourd’hui, l’IA agentique va redéfinir plus profondément les parcours d’achat dans les années à venir :

    • La recherche devient plus conversationnelle et multimodale, mêlant texte, voix et image.
    • Les parcours d’achat évoluent vers un shopping « par mission », où les assistants composent directement des sélections ou des paniers en fonction d’un besoin précis.
    • Les contenus (articles, vidéos, programmes TV, etc.) se transforment en surfaces d’achat, permettant d’acquérir directement les produits présentés.
    • Les assistants conversationnels s’imposent comme de nouveaux points de contact pour les marques, en influençant la découverte et les recommandations.
    • En présélectionnant les options les plus pertinentes, l’IA oriente les consommateurs directement vers les pages produit et raccourcit encore le parcours d’achat.

    Grégoire Bruni, Director, Agency Relations EMEA chez Criteo déclare : « L’IA est en train de redéfinir la logique même du commerce en ligne. Demain, les consommateurs ne navigueront plus seulement entre des pages produits : ils délégueront de plus en plus certaines étapes de leur recherche à des assistants capables de comparer, sélectionner et recommander en quelques secondes.

    Mais dans ce nouveau modèle, la technologie ne remplace pas les acteurs du commerce : elle renforce au contraire le rôle des marques et des retailers, qui restent les garants de la confiance, de la qualité de l’offre et de l’expérience d’achat. L’enjeu pour eux est d’intégrer l’IA pour continuer à accompagner le consommateur, mieux enrichir la découverte à chaque étape du parcours, tout en conservant la relation directe, de confiance, qui fonde la fidélité. »

     

     

  • Contexte mondial instable, dérèglements climatiques ou encore les incertitudes politiques, … Le nouveau rapport à l’information

    Quand les responsables de la veille deviennent les artisans discrets d’une lecture stratégique du monde, et ce en temps réel

    Selon Arnaud Marquant, Directeur des opérations chez KB Crawl SAS

    Ces dernières années ont profondément modifié notre rapport à l’information.
    Face à ce bouleversement, les professionnels de la veille jouent un rôle de plus en plus central dans l’analyse, la contextualisation et la diffusion d’une information qualifiée.

    Chacun peut constater combien le paysage informationnel traverse actuellement une mutation de fond. Longtemps structuré autour de quelques grands médias, ce paysage a progressivement muté en un écosystème complexe parce que tout à la fois enrichi, fragmenté et démultiplié.
    Aux premières loges de ces évolutions, les professionnels de la veille se trouvent de facto sommés de prendre au quotidien la mesure de la complexité informationnelle. Ils se positionnent de plus en plus comme des éclaireurs, garants d’une lecture stratégique, critique et structurée du flux continu et massif d’informations. Leur mission : capter l’essentiel sans se perdre dans l’accessoire.

    Covid, contexte mondial instable… Un nouveau rapport à l’information

    Le contexte récent n’est pas pour rien dans ces évolutions.
    Depuis 2020, plusieurs événements ont marqué une inflexion décisive dans notre manière d’appréhender l’information.
    La crise sanitaire du Covid-19, les conflits en Ukraine et au Moyen-Orient, les dérèglements climatiques ou encore les incertitudes politiques ont contribué à une densification de l’actualité. Ces événements, en évolution constante et pour certains dramatiques, ont révélé l’importance d’une information fiable, contextualisée et vérifiée.

    Les entreprises ont dû, elles aussi, s’adapter à ce tempo nouveau. Elles ne peuvent plus se contenter d’un suivi passif de l’actualité : elles ont besoin d’une veille proactive, capable d’anticiper les signaux faibles et de décrypter les impacts concrets sur leur activité. Pour elles, les veilleurs deviennent les artisans discrets d’une lecture stratégique du monde, et ce en temps réel.

    Diversification des formats : une richesse à intégrer, une complexité à gérer

    Comment aborder cette information ? Aujourd’hui, celle-ci court sur des canaux multiples : réseaux sociaux, newsletters professionnelles, vidéos courtes, blogs d’experts, chaînes YouTube et, de plus en plus, podcasts. Ces derniers ont gagné leurs lettres de noblesse. Offrant du recul, de l’analyse et une temporalité apaisée, ils séduisent un public en quête de compréhension plus que de réaction.

    Loin d’entrer en concurrence frontale avec la presse traditionnelle, ces formats divers s’inscrivent dans un champ complémentaire. Les grands médias ont pour leur part su s’adapter, en développant par exemple leurs propres podcasts et chaînes vidéo. Cette évolution démontre leur capacité d’innovation et d’adaptation, tout en conservant leur rôle fondamental de décryptage approfondi. Il en va de même de certains experts, voire de certains journalistes : spécialisés par secteurs, ils offrent des analyses poussées que nul ne peut plus ignorer.

    Les veilleurs, en toute logique, doivent composer avec cette pluralité des sources.
    Leur défi : filtrer, qualifier et synthétiser une information désormais omniprésente mais inégalement hiérarchisée.

    Un métier en mutation : entre esprit critique et intelligence artificielle

    Ainsi, le rôle du veilleur s’est nettement transformé. Face à l’infobésité et aux fake news – parfois amplifiées par des algorithmes –, l’exigence de fiabilité n’a jamais été aussi forte. Il ne s’agit plus seulement de collecter de l’information, mais de la comprendre, de la contextualiser, et souvent de l’interpréter à la lumière des enjeux spécifiques de l’organisation.

    Pour ce faire, l’intelligence artificielle, notamment générative, constitue un appui de poids. Elle accélère le traitement, aide à la synthèse, repère les signaux faibles. Mais elle ne remplace en rien le discernement humain. Le veilleur reste celui qui, par son regard critique, donne du sens à l’information.

    On l’aura compris : notre rapport à l’information est en pleine évolution.
    Cette transformation est continue, exigeante et profondément structurante.
    Dans ce nouvel écosystème, les veilleurs s’affirment comme des professionnels-clés de l’analyse, à la croisée de la technologie, de la stratégie et de l’éthique. Ils s’appuient sur le regard journalistique ainsi que sur l’expertise des spécialistes, tout en déployant une approche sur-mesure, orientée vers les besoins décisionnels des entreprises pour lesquelles ils agissent. En cela, ils incarnent une nouvelle figure de l’intelligence informationnelle, désormais indispensable pour éclairer les choix de demain.

     

     

  • #InspireYourBusiness : tous les podcasts de La Brigade du Web

    Quels enjeux pèsent l’IA sur nos métiers de communicants ?

    Vous n’êtes pas encore en vacances, et voilà qu’on vous parle déjà de podcasts pour votre veille…  Quelle plaie !
    Et pourtant, s’il y avait moyen de tout cumuler ?
    De profiter de ce temps de pause estival pour prendre du recul, réfléchir, et écouter notre série de podcasts #InspireYourBusiness.

    Influence, création de contenus, médias, retail & luxe… Quels enjeux pèsent l’IA sur nos métiers ?
    Pour y répondre, nous avons réalisé une série de podcasts sur l’impact de l’IA pour les communicants.

    👉 Quel est l’impact de l’IA sur l’Influence ? Avec Camille Jourdain & Jonathan Chan

    L’Intelligence artificielle, est-elle l’ennemie des influenceurs ou serait- elle une aide précieuse pour les professionnels du marketing?
    Comment l’IA joue t-elle un rôle fondamental pour les plateformes comme Linkedin ou X ?Face à la multiplication de fakes, faut-il redouter le binôme Influence et IA ?

    👉 Quel est l’impact de l’IA sur CANVA ? Avec Céline Beckrich & Emilie Marquois 

    Quels sont les outils et les fonctionnalités alimentées par l’IA dans Canva ?Quels sont les points forts et les inconvénients de l’outil ?
    L’IA va t-elle remplacer les créateurs ?

     👉 Quel est l’impact de l’IA sur les podcasts ? Avec Christian Belala et moi même

    Avec 134 millions de podcasts téléchargés ce nouveau média entre dans son âge d’or.
    Comment sélectionner les plateformes d’enregistrement ?
    Comment l’Intelligence artificielle peut-elle vous aider à améliorer et à optimiser votre média ?

    👉 Quel est l’impact de l’IA sur la création de contenu ? Avec Christine Soto & Martine Le Jossec  

    Pourquoi utiliser l’IA dans la création visuelle ?
    Quelles sont les campagnes qui utilisent l’IA ?
    Quels sont les meilleurs générateurs d’images ?

    👉 Quel est l’impact de l’IA sur le Retail & le Luxe ? Avec Emilie Marquois & Jérôme Monange

    Comment l’IA va t-elle révolutionner le secteur du retail ?
    Pourquoi le luxe s’empare t-il de l’IA Générative ?
    Quels sont les cas d’usage ?

    👉 Quel est l’impact de l’IA sur les Médias ?

    Certains sites expérimentent l’utilisation de robots conversationnels pour écrire tout leur contenu et se revendiquent comme tels. A l’inverse, d’autres le cachent, provoquant de l’inquiétude.
    Alors faut-il s’inquiéter ou voir l’IA générative comme un outil complémentaire pour les journalistes ?

  • Les évènements incontournables du 8 au 10 Avril : Laval Virtual – The Future of AI – Paris Blockchain Week – Comment l’acquisition façonne l’engagement ? – The Good Forum…

    #RSE – Communication : L’ère de la sobriété – By the Good

    #ENTREPRENARIAT – L’IA au service de la croissance économique une opportunité pour les PME – By CCI Ile de France

    #INNOVATIONS – Comment la RA, la 3D et l’IA captent l’attention ? By Strategies

    #INNOVATIONS – Explore the future of AI in MARKETING
    By SEMJI

    #MARKETING – Comment l’acquisition façonne l’engagement ? Les nouveaux terrains de conquête – By MC Factory

    #INNOVATIONS – Paris Blockchain Week – By Chain of Events – Woorton- V3ntures

    #INNOVATIONS- Laval Virtual- By Association Laval Virtual

    #RSE – Et si la RSE sauvait le business ? By Stratégies

    #INNOVATIONS – L’IA dans les compétitions d’agences : gagnez en efficacité – By l’ADN Data

    #INNOVATIONS – Future of AI – By le Groupe Humanskills

     

  • Cybersécurité: l’IA permet-elle de garder une longueur d’avance?

    Le Machine Learning et l’IA

     Par Filip Cerny, Product Marketing Manager, Progress

    Il est impossible d’échapper au débat sur la façon dont le Machine Learning (ML) et les systèmes d’IA vont révolutionner la façon dont les gens et les industries travaillent. La majeure partie de ce débat doit être revue. En effet, les entreprises sont toujours en train d’évaluer la façon dont les systèmes d’IA (généralement des systèmes de grand modèle de langage (LLM) comme OpenAI, ChatGPT, Google Gemini, Anthropic Claude et autres) améliorent la productivité des travailleurs et favorisent la croissance.

    La cybersécurité est un secteur où l’utilisation intensive de solutions améliorées par l’IA est courante. Mais qu’est-ce que le Machine Learning et l’IA impliquent ? Et comment sont-ils liés aux autres techniques que nous utilisons en matière de cybersécurité ?

     Comprendre l’intelligence artificielle

     L’IA est un vaste domaine qui se concentre sur la création de systèmes intelligents capables d’effectuer des tâches qui nécessitent généralement une intelligence humaine. Les systèmes d’IA peuvent apprendre à partir de données, s’adapter à de nouvelles informations ou entrées et résoudre des problèmes complexes. Cela en fait des outils précieux pour effectuer de nombreuses tâches complexes.

    Le ML est un composant de l’IA. À la base, le ML aide un système à apprendre et à s’améliorer à partir de l’expérience sans être explicitement programmé. Les réseaux neuronaux, inspirés de l’anatomie du cerveau, sont un composant clé de nombreux systèmes d’IA, leur permettant de reconnaître des modèles et de prendre des décisions. Une application courante de l’IA est la reconnaissance d’images, dans laquelle un modèle ML est formé sur un grand ensemble de données d’images étiquetées pour identifier les modèles et les caractéristiques associés à chaque étiquette. Cela lui permet de classer avec précision de nouvelles images invisibles et fonctionne pour de nombreuses classes d’images, telles que les radiographies médicales. Ce n’est pas seulement utile pour les photos de chats !

    Les LLM mentionnés ci-dessus, qui se sont développés au cours des 18 derniers mois, utilisent une combinaison de techniques de ML supervisées et non supervisées pendant leur constitution. La plupart du temps de formation pour un modèle LLM (comme ChatGPT) se fait généralement via l’apprentissage auto-supervisé. Dans ce cas, le modèle est entraîné à prédire le mot ou le jeton suivant dans une séquence basée sur les mots précédents sans avoir d’étiquettes explicites. Cela permet aux modèles d’apprendre des modèles et des relations dans le langage. Ceci à partir de grandes quantités de données textuelles non étiquetées telles que des livres, le Web, des archives de journaux et bien plus encore.

    Il est important de souligner que les LLM utilisent des méthodes de ML, mais les LLM ne sont pas le seul moyen de créer des systèmes basés sur l’IA. Même s’ils sont sous le feu des projecteurs en 2024 et occupent une grande partie du paysage des débats liés à l’IA. D’autres techniques, qui utilisent également le ML, qui relèvent de l’IA sont utilisées depuis des années, offrant des avantages dans de nombreuses industries et secteurs, en particulier dans le domaine de la cybersécurité.

    Techniques d’IA dans les outils de cybersécurité

    En cybersécurité, les techniques de ML améliorent les capacités de divers outils, en particulier les solutions de détection et de réponse au réseau (NDR).

    Les algorithmes de ML peuvent analyser d’énormes quantités de données réseau en temps réel, ce qui améliore la capacité à identifier les anomalies et les menaces potentielles avant qu’elles ne causent des dommages importants.
    Les techniques d’apprentissage supervisé utilisent des ensembles de données étiquetés de cybermenaces connues pour classer les menaces nouvelles et inconnues. Alternativement, les techniques d’apprentissage non supervisé telles que le clustering et la détection d’anomalies peuvent identifier des modèles ou des comportements inhabituels sans s’appuyer sur des données étiquetées.

    Les modèles d’apprentissage profond, tels que les réseaux convolutifs et les réseaux récurrents, peuvent apprendre des modèles et des relations complexes dans les données de réseau. Ces modèles permettent de détecter les menaces sophistiquées en analysant les données de trafic réseau, notamment les en-têtes de paquets, les charges utiles et les informations de flux.

    Les modèles de ML s’entraînent à l’aide de différentes approches pour reconnaître le comportement normal du réseau, puis signaler les anomalies susceptibles d’indiquer des menaces potentielles telles qu’un accès non autorisé, des infections par des logiciels malveillants ou l’exfiltration de données. En apprenant et en s’adaptant en permanence, les modèles des outils basés sur le ML peuvent détecter les cybermenaces à un stade précoce, souvent avant qu’elles ne causent des dommages importants.

    Il existe des solutions qui exploitent la puissance du ML pour détecter et atténuer les cybermenaces en identifiant les anomalies en temps réel. Comme Progress Flowmon par exemple. Ces solutions combinent des techniques d’apprentissage supervisé et non supervisé pour détecter les menaces connues et inconnues. Certains modèles d’IA sont entraînés sur de grandes quantités de données réseau historiques, et ils sont continuellement mis à jour. Ils apprennent au fur et à mesure de leur fonctionnement. Lorsque de nouveaux modèles de menaces apparaissent, l’IA peut apprendre et adopter des pratiques en conséquence.

    Les techniques d’IA améliorent d’autres méthodes de détection

    Les méthodes de détection basées sur l’IA améliorent les autres techniques traditionnelles qui ont toujours leur place dans la protection de la cybersécurité. Ces autres techniques non basées sur l’IA, telles que l’heuristique et la correspondance de motifs, se combinent avec les méthodes d’IA pour offrir des capacités de sécurité robustes. Cette approche combinée signifie que les modèles d’IA peuvent identifier les comportements suspects du réseau, tels que les transferts de données inhabituels ou l’activité anormale des utilisateurs, tandis que les techniques d’heuristique et de correspondance de modèles peuvent détecter les signatures de menaces et les anomalies connues et inconnues.

    L’heuristique et le filtrage sont des techniques fondamentales utilisées dans de nombreux outils de cybersécurité, y compris les solutions NDR. Mais, ils ont toujours leur place dans une posture défensive moderne.

    Les heuristiques sont des règles pratiques qui utilisent des techniques basées sur l’expérience pour identifier rapidement les menaces. Ces méthodes basées sur des règles permettent une prise de décision rapide basée sur des caractéristiques couramment observées dans les logiciels malveillants ou d’autres types d’attaques. Lorsqu’elles sont intégrées à l’IA, les approches heuristiques réduisent les faux positifs tout en hiérarchisant les menaces réelles et affinent les capacités de détection des solutions de cybersécurité.

    Le filtrage automatique implique la recherche de séquences spécifiques dans les données. Il est efficace pour identifier les signatures de menace connues trouvées dans de nombreuses variantes de logiciels malveillants et de virus. Cependant, les cybermenaces sont de plus en plus sophistiquées, contournant souvent les techniques traditionnelles de correspondance de motifs. C’est là que l’IA amplifie le filtrage des modèles, car elle peut apprendre et identifier des variations ou des modèles entièrement nouveaux qui indiquent une activité malveillante. Cela améliore ainsi considérablement l’efficacité et la réactivité des défenses de cybersécurité.

    Les méthodes de détection basées sur l’IA s’intègrent aux techniques traditionnelles pour fournir une approche multicouche de la détection des menaces. C’est le cas de Progress Flowmon. Ainsi, voici comment l’IA améliore les autres méthodes de détection:

    • Heuristique – Les modèles d’IA peuvent aider à affiner et à optimiser les règles heuristiques basées sur des données historiques et des renseignements sur les menaces en temps réel. Cela réduit les faux positifs et améliore la précision des heuristiques basées sur le comportement.
    • Correspondance de modèles – Certaines techniques d’IA améliorent la correspondance de modèles en apprenant à identifier de nouveaux modèles de menaces et des variantes qui peuvent échapper à la détection traditionnelle basée sur les signatures. Les modèles ML apprennent et s’adaptent également en permanence.
    • Détection d’anomalies – Les algorithmes d’apprentissage fonctionnent avec des méthodes statistiques de détection d’anomalies pour identifier des modèles ou des comportements inhabituels dans le trafic réseau qui peuvent indiquer une attaque ou une menace.

    Conclusion

     Ainsi, certaines solutions combinent la puissance de l’IA et du ML avec d’autres méthodes de détection efficaces pour créer une approche approfondie et flexible permettant d’identifier et d’atténuer les cybermenaces en temps réel. En utilisant le ML, l’heuristique, la correspondance de modèles et la détection des anomalies, elles permettent aux entreprises de garder une longueur d’avance sur l’évolution des menaces et de maintenir une posture de sécurité solide.

    Alors que les cybermenaces continuent de croître en sophistication et en fréquence, l’adoption de solutions de cybersécurité basées sur l’IA aidera les entreprises à garder une longueur d’avance et à maintenir une sécurité solide.

  • IA & BI : le combo gagnant des PME

    BI & IA: duo gagnant des PME dans l’usage de la donnée ?

    par Frédéric Simon – Directeur des Services chez MyReport

    Parmi les objectifs de sa stratégie nationale pour l’intelligence artificielle (SNIA) à l’horizon 2025, le gouvernement souhaite accompagner 500 PME et ETI françaises dans l’adoption de solutions IA visant à accroître leur productivité.
    Et pour ce faire, ce sont près de 2,5 milliards d’euros du plan France 2030 qui sont dédiés à la SNIA. Opéré par BPI France jusqu’à fin 2026, le programme IA Booster France 2030, financé par l’État à hauteur de 25 millions d’euros, s’adresse lui particulièrement aux PME et ETI françaises de tous secteurs d’activité. Un focus IA imparable aujourd’hui pour les PME qui doivent savoir jongler avec les nouveaux enjeux du numérique et appréhender l’IA stratégique comme un allié à même de leur faire gagner un temps précieux.
    Aussi, la Business Intelligence (BI) s’attèle depuis de nombreuses années à faciliter le quotidien des entreprises de toutes tailles en leur permettant de traiter, analyser et optimiser l’usage d’une quantité astronomique de données déjà disponibles dans un soucis de gain de temps et de rentabilité financière grâce à une prise de décision plus éclairée.

    IA et BI offrent-elles aujourd’hui le combo gagnant pour les chefs d’entreprises (temps et rentabilité) et l’ensemble de leurs salariés (temps et confort) en termes de gestion de la donnée – Saint Graal de la révolution numérique – dans un contexte économique encore tendu et une concurrence toujours plus accrue ?

    De la donnée aux décisions stratégiques : la force de la BI.

    La BI ou Informatique décisionnelle, pour reprendre la terminologie française, est une solution analytique qui permet à tout un chacun de piloter la donnée, ressource Ô combien précieuse au même titre que le temps pour une PME aujourd’hui.
    Face à une concurrence toujours plus accrue, savoir collecter, analyser, partager et diffuser la donnée est devenu une condition sine qua none à toute prise de décision éclairée – gage de rentabilité financière – et c’est là toute la mission des solutions logicielles de données qui rendent leur analyse plus accessible aux petites et moyennes entreprises notamment.
    La BI est aujourd’hui un outil qui a fait ses preuves et devenu incontournable pour exploiter les données et transmettre des informations pertinentes aux responsables d’entreprise pour in fine prendre les meilleures décisions, que ce soit en termes de comptabilité, RH, commercial, mais aussi pour les directions générales.
    Tous les services et secteurs d’activité confondus sont concernés : financier, informatique, santé, BTP, transports…

    L’Informatique décisionnelle seule n’a pas de capacité de décision, au même titre que l’IA, mais elle fournit aux dirigeants d’entreprise (comme aux salariés) les outils décisionnels nécessaires. Elle permet l’optimisation des processus internes comme de l’efficacité d’une entreprise, de générer de nouveaux revenus, d’identifier des tendances marché, voire des problèmes potentiels et des pistes pour les résoudre… elle est en somme l’alliée du DAF, du SI comme du dirigeant d’entreprise.

    Elle libère un temps précieux aux salariés qu’ils peuvent consacrer à des tâches à valeur ajoutée plus rentables. Établir un plan de business intelligence à partir d’innombrables fichiers Excel relève de l’impossible sans l’outillage adapté. Gagner du temps, essentiel à la création de valeur, est un défi du quotidien auquel peuvent répondre la BI, comme l’IA… qui doit permettre aux entreprises de passer un nouveau cap !

    BI et/ou IA… (in)compatibilité ?

    L’arrivée en force de l’IA a déjà largement chamboulé les usages, vies personnelles et professionnelles confondues. Les assistants personnels vocaux (Siri, Alexa…), la reconnaissance faciale, la navigation intelligente, l’assistance à la conduite (capteurs, caméras, radars), les recommandations personnalisées du e-commerce… sont autant d’applications au quotidien d’une révolution en marche qui fait beaucoup parler d’elle. Pourtant l’IA ne date pas d’aujourd’hui, initiée déjà dans les années 1950 elle s’est depuis largement développée et ne cesse de nous surprendre.

    Si l’on parle de démocratisation de l’IA aujourd’hui, les craintes à son encontre sont encore nombreuses : méconnaissance, mauvais usages, enjeux juridiques… Environ 15% des PME aujourd’hui en France seulement utiliseraient l’IAG (Intelligence Artificielle Générative). Elle promet pourtant d’offrir des gains de productivité et d’améliorer les performances des entreprises de tous les secteurs. L’irruption massive des données dans les années 2010 a poussé les entreprises – quelle que soit leur taille – à adopter les technologies numériques à plus ou moins grande vitesse. Les freins sont plus nombreux pour les PME, tant en matière de main d’œuvre (acculturation, formation), expertise (recrutement complexe), que de coûts financiers. Si trois-quarts des TPE/PME sont convaincues par le numérique, les craintes demeurent quant au ROI possible, la régulation en place (RGPD), la perte ou le vol de données (cyberattaques). Les données restent pourtant un vivier essentiel dont les PME doivent savoir tirer profit, notamment via l’adoption d’un outil de BI qui reste une étape essentielle.

    L’Intelligence, qu’elle soit ‘Artificielle’ ou ‘Business’ (comprendre Informatique décisionnelle), abrite deux concepts différents mais dont l’usage commun peut permettre de tirer profit des données dont regorgent les PME.
    La BI reste à date un indispensable pour les entreprises qui souhaitent piloter efficacement leur performance sur la base de leurs données et l’IA permet en parallèle d’accélérer la cadence, un accès additionnel aux précieuses données dont il convient d’assurer la viabilité. L’IA offre des opportunités pour accélérer la transition numérique des TPE/PME et doit être envisagée comme un allié pour optimiser l’efficience en apportant plus de temps aux salariés libérés de tâches répétitives et plus de productivité sur le long terme à l’entreprise. En termes de données, l’IA permet de digérer un grand nombre d’informations, d’en extraire la meilleure interprétation… encore faut-il qu’un humain garde la main in fine.

    C’est un outil complémentaire à la BI, une corde supplémentaire à l’arc du décideur, dont les éditeurs de logiciels de BI doivent apprendre à tirer le meilleur parti dans les années à venir. BI et IA sont deux intelligences qui apparaissent complémentaires pour aiguiller l’intelligence humaine, ultime décisionnaire.

     

  • L’IA: une révolution pour mieux prévoir les stocks pendant les soldes

    Prévoir, optimiser et automatiser, l’IA devient incontournable pour les ecommerçants

    Selon Digitalent, éditeur de logiciels no-code IA

    Durant la période des soldes, les e-commerçants font face à une période d’activité intense.
    Une gestion efficace des stocks est cruciale pour maximiser les ventes et éviter les ruptures de stock ou les surplus. L’intelligence artificielle s’impose aujourd’hui comme un outil indispensable pour aider les détaillants à mieux prévoir leurs besoins en stock et optimiser leurs opérations pendant cette période stratégique. 

    1. Prédiction précise de la demande

    Grâce à des algorithmes sophistiqués, l’IA peut analyser de vastes ensembles de données historiques et en temps réel :

    • Analyse des tendances passées : L’IA examine les données de vente des soldes précédentes pour identifier des tendances et des comportements d’achat récurrents.

    • Facteurs externes : Elle prend en compte des variables telles que les conditions météorologiques, les événements locaux et les campagnes marketing en cours pour affiner ses prédictions.

    2. Optimisation des niveaux de stock

    L’IA permet de déterminer les quantités optimales de chaque produit à commander :

    • Réduction des surplus : En ajustant les prévisions de demande, l’IA minimise les excédents de stock, réduisant ainsi les coûts de stockage et les pertes liées aux invendus.

    • Prévention des ruptures de stock : En anticipant les pics de demande, l’IA aide à s’assurer que les produits les plus populaires restent disponibles.

    3. Gestion dynamique des prix

    L’IA aide également à la gestion des prix pendant les soldes :

    • Tarification en temps réel : Elle permet d’ajuster les prix en fonction de la demande en temps réel, optimisant ainsi les marges bénéficiaires.

    • Promotions ciblées : L’IA peut identifier les moments opportuns pour lancer des promotions spécifiques, attirant plus de clients et augmentant les ventes.

    4. Automatisation et gain de temps

    L’IA automatise de nombreuses tâches de gestion des stocks, libérant ainsi du temps pour les équipes :

    • Recommandations automatiques : L’IA propose des recommandations de réapprovisionnement basées sur les données analysées.

    • Suivi continu : Elle surveille en continu les niveaux de stock et déclenche automatiquement des commandes lorsque les niveaux seuils sont atteints.

    5. Analyse et ajustement en temps réel

    Les capacités de l’IA en matière d’analyse en temps réel permettent aux commerçants d’ajuster rapidement leur stratégie

    • Rapports instantanés : L’IA génère des rapports instantanés sur les performances des ventes et les niveaux de stock.

    • Ajustements rapides : Elle permet des ajustements rapides des stratégies de vente et de stockage en fonction des données actuelles.

     

  • Comment les marques doivent repenser leur service client ?

    86% des consommateurs affirment que l’IA va complètement transformer l’expérience client

    Selon une étude HubSpot qui dévoile son rapport annuel State of Service présentant les lacunes de l’expérience client et révélant le besoin urgent de la repenser.
    Disposer d’un service client performant est en effet essentiel, surtout quand l’on sait que l’acquisition d’un nouveau client coûte entre 6 et 7 fois plus cher que la fidélisation d’un existant.
    Pourtant, la rétention n’a jamais été aussi difficile. Par manque de visibilité sur l’évolution des parcours clients, l’approche réactive actuellement adoptée par les marques a ses limites. Après l’achat, les marques ne reçoivent plus de nouvelles des clients, sauf lorsqu’il y a un problème ! L’expérience est alors rompue. Face à cette nouvelle réalité, elles doivent faire bien plus que s’adapter, elles doivent se réinventer.

    Les consommateurs sont plus exigeants que jamais

    Avec la prolifération des canaux numériques, les clients ont maintenant de nombreuses options pour contacter une entreprise, que ce soit par e-mail, chat de support, WhatsApp, Messenger, réseaux sociaux ou portails en libre-service. Cela représente ainsi un défi de taille pour garantir un service client cohérent et de qualité.

    En parallèle, les attentes en matière d’accords de niveau de service (SLA) deviennent plus élevées. Les clients s’attendent désormais à des réponses rapides. En effet, le rapport montre que 82% s’attendent à une résolution immédiate de leurs problèmes.
    78% souhaitent également avoir des interactions personnalisées plus poussées que jamais.
    Enfin, pour 79%, le service client doit être disponible sur l’ensemble des canaux utilisés et 78% préfèrent avoir la possibilité de résoudre leurs problèmes seuls.
    Ne pas répondre à ces attentes peut fragiliser la satisfaction client, avec des avis négatifs et, en fin de compte, une perte de chiffre d’affaires.
    Le service client ne peut donc plus se contenter de répondre aux problèmes rencontrés par les clients ; il doit également être en mesure de créer de façon proactive de la valeur ajoutée, afin de nouer des relations plus durables et de générer de la croissance sur le long terme.

    L’IA est l’avenir du service client

    Selon le rapport, 72% des responsables de l’expérience client déclarent que l’IA peut fournir un meilleur service qu’un être humain. Les chatbots basés sur l’IA représentent même le canal de support le plus efficace.
    91% de ceux qui utilisent des chatbots IA dans ce cadre les considèrent comme efficaces et 35% qui ne les utilisent pas se lanceront cette année.
    77% des équipes chargées de l’expérience client et qui utilisent l’IA obtiennent d’excellents résultats, que ce soit dans la réduction des délais de réponses, dans l’amélioration de leur score de satisfaction, dans la capacité à développer leurs opérations de service client pour suivre la croissance, ou encore dans la personnalisation de leurs communications.

    Les responsables du service client s’efforcent d’unifier les données et les outils pour aligner les équipes

    Les données et les outils des équipes de service client sont déconnectés. Seuls 35 % des responsables affirment que leur data est entièrement intégrée à leurs outils. Ils sont alors 225 fois plus susceptibles d’affirmer que les clients bénéficient d’une expérience plus personnalisée.

    Ces équipes qui disposent d’un centre unique d’informations sont 48% à affirmer que leur stratégie de service client est plus efficace.

    Enfin, les équipes de service client alignées avec les commerciaux et le marketing sont 374% plus susceptibles d’avoir une visibilité approfondie sur l’ensemble du parcours client que celles qui ne le sont pas.
    Pour lire le rapport complet cliquez ici.

  • Quelles sont les dernières tendances en matière d’interactions entre les marques et les consommateurs ?

    Une nouvelle étude Infobip révèle un changement de paradigme dans l’expérience client

    Cette étude témoigne de l’impact durable des expériences client conversationnelles et des développements de l’IA générative sur les interactions entre les consommateurs et les marques.

    Infobip a analysé plus de 473 milliards d’interactions numériques sur sa plateforme en 2023 entre les entreprises et les consommateurs afin d’identifier les dernières tendances mondiales en matière de conversation commerciale.

    Comme les consommateurs cherchent à établir une connexion plus pertinente avec les marques qu’ils achètent, les canaux de messagerie connaissent la croissance la plus rapide. En 2023, Infobip a enregistré une augmentation de 137 % des messages sur les applications mobiles par rapport à 2022, une hausse de 73 % des messages sur les réseaux sociaux et de 63 % des messages sur les applications de chat. Les expériences conversationnelles se multiplient tout au long du parcours client, que ce soit pour le marketing, le commerce ou une assistance.

    Assistance conversationnelle
    Qu’une personne ait affaire à un agent humain, à un chatbot ou à un mélange des deux, l’assistance conversationnelle offre une expérience efficace, efficiente et positive. WhatsApp reste le principal canal utilisé par les marques pour l’assistance conversationnelle. En effet, les entreprises envoient 90 % des messages d’assistance via l’application de chat. Cependant, les marques commencent à diversifier leurs canaux, en exploitant les applications de chat dans des régions spécifiques. Par exemple, Infobip a enregistré des augmentations de 541 %, 146 % et 284 % respectivement sur Messenger, Viber et Line.

    Les marques utilisent désormais l’IA conversationnelle pour fournir un service client et une assistance personnalisée.

    Par exemple, la plateforme Megi Health utilise un assistant virtuel sur WhatsApp pour améliorer l’expérience des patients. De son côté, la compagnie d’assurance LAQO utilise le partenariat Azure OpenAI d’Infobip pour fournir un service rapide et personnalisé, 24 heures sur 24 et 7 jours sur 7.

    Marketing conversationnel
    L’échange réciproque d’informations constitue le fondement du marketing conversationnel. Les marques redoublent d’efforts pour rencontrer leurs clients sur les canaux qu’ils utilisent avec leur famille et leurs amis.

    Dans l’ensemble, les données récoltées montrent une augmentation de 29 % de l’utilisation des applications de messagerie mobile pour le marketing en 2023 par rapport à l’année précédente. WhatsApp reste le premier canal numérique pour le marketing conversationnel en chiffres absolus. Cela s’explique par de nouvelles fonctionnalités qui permettent aux clients de commencer et de terminer un achat au sein d’une seule fenêtre de chat WhatsApp. Infobip constate également des augmentations significatives dans d’autres applications de messagerie telles que Telegram, Line, Viber et Messenger. Plus précisément, les messages WhatsApp ont augmenté de 421 % en Asie-Pacifique en 2023, tandis que la messagerie sur application mobile a augmenté de 146 % au Moyen-Orient et en Afrique du Nord et de 18 fois en Amérique du Nord. Parallèlement, la messagerie commerciale RCS est un canal émergeant pour le marketing conversationnel.

    Si l’étude de 2022 constate un pic d’adoption omnicanale avec la reconnaissance par les marques de l’importance de converser avec leurs clients sur leur canal de prédilection, celle de 2023 illustre le perfectionnement du parcours client de bout en bout par les marques. Les clients peuvent désormais suivre un parcours de manière fluide au sein d’un seul fil conversationnel sur une application de chat ou RCS.

    Avec l’émergence de l’IA interactive, nous nous attendons à ce que les marques intègrent une fédération de chatbots et d’algorithmes d’IA différents capable de travailler ensemble pour déclencher des actions aux points stratégiques du parcours client. Au cours de l’année prochaine, nous prévoyons une adoption généralisée dans le service client, le marketing et l’automatisation des ventes, ainsi que pour des cas d’usages opérationnels tels que la planification des livraisons et la gestion des paiements. »

    Différences régionales
    Si les marques adoptent les expériences conversationnelles à l’échelle mondiale, il existe quelques différences régionales :

    • Afrique : les canaux conversationnels gagnent du terrain avec des messages sur les réseaux sociaux multipliés par près de 2,5 ;
    • Asie-Pacifique : forte croissance de la messagerie sur les applications mobiles, avec WhatsApp multiplié par 4 ;
    • Europe : croissance rapide du RCS, les interactions sont multipliées par 11 ;
    • Amérique latine : forte croissance des applications mobiles de messagerie, avec une multiplication par plus de 2,5 de Viber ;
    • Moyen-Orient et Afrique du Nord : adoption rapide des canaux conversationnels, avec le double d’interactions vocales et vidéo ;
    • Amérique du Nord : croissance exponentielle de la messagerie enrichie, les interactions RCS étant multipliées par 50.

    Le rôle prépondérant du SMS
    Les données d’Infobip pour 2023 montrent que le SMS reste un canal important pour la communication des entreprises, mais l’usage évolue et le SMS est désormais couplé avec les applications de chat. Tous secteurs confondus, les marques utilisent le plus souvent les SMS avec WhatsApp, 25% des entreprises choisissant cette combinaison. En outre, lorsque les entreprises et les marques utilisent deux canaux, le SMS est l’une des deux options dans 63 % des cas.

    Pour télécharger le rapport cliquez ici 

  • IA générative en entreprise de quoi on parle ?

    L’IA générative serait un moteur pour adopter toutes les intelligences artificielles ? 

    Selon une étude Pegasystems, les entreprises prévoient d’adopter davantage d’outils d’IA pour accroître leur productivité et favoriser leur transformation.

    L’essor rapide de l’IA générative (celle de l’hémisphère droit du cerveau, qui apporte la créativité) a ouvert la voie à une plus grande adoption des solutions décisionnelles basées sur l’IA plus analytique (celle de l’hémisphère gauche du cerveau) par les entreprises mondiales. L’étude réalisée par le cabinet Savanta a interrogé plus de 500 décideurs d’entreprises du monde entier, dont des français sur leur compréhension et leur utilisation de l’IA. Ainsi que sur les défis et opportunités qu’ils rencontrent pour réussir la mise en œuvre de cette technologie.

    95 % des répondants français estiment que la forte présence de l’IA générative les a directement incités à adopter d’autres types d’outils d’IA. Un tiers d’entre elles déclarent qu’elle a joué un rôle majeur dans leur décision.
    L’étude montre également que l’IA générative est devenue la principale intelligence artificielle déployée dans les entreprises mondiales, soulignant la volonté de l’exploiter pour augmenter la productivité et favoriser l’innovation.

    Pour explorer la manière dont les entreprises mettent en œuvre l’IA, l’étude fait la distinction entre les hémisphères gauche et droit du cerveau humain :
    > le côté rationnel et analytique pour l’IA décisionnelle (le « cerveau gauche »)
    > et le côté plus créatif pour l’IA générative (le « cerveau droit »).

    L’IA générative est actuellement l’IA la plus utilisée au sein des entreprises.

    Deux répondants sur cinq (44 %) déclarent utiliser principalement l’IA générative, pour améliorer la créativité et la productivité, notamment par la création de contenu (60 %), les chatbots conversationnels (50 %) ou la gestion de grandes quantités d’informations (46%).
    À l’inverse, moins d’un tiers des français interrogées (29 %) utilisent majoritairement des solutions d’IA décisionnelle (le « cerveau droit », la partie rationnelle), comme les outils d’analyse prédictive (49 %) ou de gestion des décisions (45 %). Seuls 24 % des répondants utilisent autant d’outils d’IA du cerveau gauche que du cerveau droit.

    «Dans les années à venir, les entreprises ne se limiteront pas aux outils de productivité. L’IA deviendra un véritable partenaire pour favoriser l’innovation et optimiser les résultats pour elles et leurs clients. » déclare Don Schuerman, Chief Technology Officer chez Pega

    L’étude tire également les conclusions suivantes :

    • Les dépenses en matière d’IA sont en hausse… mais les attentes aussi :
      86 % des répondant français déclarent probable qu’elles augmentent leur utilisation de l’IA au cours des cinq prochaines années, et 67 % se disent « extrêmement » ou « très » confiantes dans la capacité de l’IA à transformer leur organisation au cours des cinq à dix prochaines années.
      À court terme, une grande majorité (85 %) pense que d’ici trois ans, jusqu’à la moitié de l’augmentation de leurs bénéfices pourrait directement provenir de leur usage de l’IA.Cependant, 87 % indiquent que près de la moitié de leur budget informatique annuel est consacré aux solutions d’IA, et 83 % admettent que certaines dépenses sont gaspillées en raison d’une stratégie inadaptée. Cela démontre l’importance de mieux surveiller la manière dont ces investissements sont décidés et les raisons qui les motivent.
    • Pourtant… les entreprises surestiment leur compréhension de l’IA :
      La grande majorité des personnes interrogées (89 %) déclarent avoir une bonne compréhension de l’IA et de son fonctionnement. Malgré tout, 76 % affirment que l’IA est utilisée par les entreprises depuis moins de cinq ans, tandis que 11 % déclarent qu’elle est utilisée depuis 10 ans ou plus. En réalité, son utilisation courante remonte aux années 1980.
      Par ailleurs, près des deux tiers (65 %) des répondants à l’international n’ont pas su donner une définition précise de l’IA générative, en France ils sont 4 % à admettre ne pas connaître cette technologie. Ces chiffres pourraient expliquer pourquoi près des deux tiers (61 %) à travers le monde déclarent avoir subi un échec sur une mise en œuvre de l’IA.
    • La confiance entre l’IA et l’entreprise ? C’est compliqué :
      En France, un tiers des personnes interrogées (33 %) craignent de faire reposer le succès de leur marque sur l’IA, tandis que 49 % admettent également être préoccupées par la transparence et les biais de l’IA. 36 % redoutent également que l’IA ne prenne leur emploi, tandis que 41 % s’inquiètent que les robots pilotés par l’IA entraînent l’asservissement de l’humanité.
      Malgré ces inquiétudes, une majorité (65 %) fait confiance dans la capacité de l’IA à gérer tout un département si elle estime que cela peut améliorer les résultats globaux. Par ailleurs, 32 % des personnes interrogées préfèrent faire confiance à un humain pour leurs relations clients, à condition d’être assisté par l’IA – contre 28 % qui font davantage confiance à un être humain sans aide de l’IA.
    • La demande de compétences en IA augmente :Près de deux personnes sur dix (23 %) pensent que leur organisation manque de compétences et d’expérience en matière d’IA, tandis que plus d’un quart (32 %) affirment que cela freine l’adoption de l’IA dans leur entreprise. Cependant, 98 % estiment que les compétences et l’expérience préalables en matière d’IA sont un critère important pour leurs recrutements, ce qui montre le besoin de développer les compétences en matière d’IA au sein des effectifs.
      Les personnes ayant une expérience pratique de l’IA, comme le « prompt engineering », sont les plus demandées (62 %), suivies par les utilisateurs occasionnels qui utilisent l’IA en tant que consommateurs (48 %). Seuls 5 % ne cherchent pas proactivement à embaucher quelqu’un ayant des compétences ou de l’expérience liées à l’IA.