My Blog

Étiquette : modèles

  • Marché du textile : comment se réinventer pour perdurer

    L’industrie de la mode : un secteur sous pression qui doit se réinventer

    La mode traverse une crise profonde : insolvabilités en hausse, modèles historiques affaiblis, pression sur les marges. Pourtant, des leviers de transformation existent  et certains acteurs montrent déjà qu’il est possible de regagner en performance.

    Eight Advisory dévoile son nouveau livre blanc : « L’industrie de la mode à la croisée des chemins : comment se réinventer pour perdurer », un décryptage complet des ruptures du secteur et des modèles qui fonctionnent.

    Chiffres clés : un secteur fragilisé

    • –26 % de magasins de mode entrée de gamme depuis 2019
    • +274 % de licenciements dans le retail aux États-Unis (S1 2025)
    • 1 422 procédures d’insolvabilité en France en 2024
    • +70 % sur les matières premières textiles ; énergie à 1 130 €/MWh
    • Dépenses mode en France toujours –7 % vs 2019

    Les modèles gagnants qui redessinent le marché

    Le livre blanc identifie cinq modèles qui restaurent marges et désirabilité :

    • DNVB – Maîtrise totale de la chaîne de valeur, marges >70 %.
    • Précommande DTC – Production selon la demande, retours divisés par deux.
    • Circularité intégrée – Reprise, réparation, revente (ex. Zara Pre-Owned).
    • Drop model – Rareté, engagement maximal, réactivité extrême.
    • Co-création communautaire – Les clients deviennent moteurs d’innovation.

    Acteurs historiques : un rebond possible

    Les réseaux physiques disposent toujours d’avantages décisifs (notoriété, data, omnicanal), à condition d’engager une transformation en profondeur autour de cinq axes :

    • Passer du volume à la valeur – Assortiments rationalisés, full-price renforcé.
    • Redéfinir le rôle du magasin – Hubs omnicanaux et lieux d’expérience.
    • Recréer une identité produit forte – Cohérence, désirabilité, rythme maîtrisé.
    • Activer la data – Personnalisation, clienteling prédictif, drops VIP.
    • Faire de la durabilité un levier stratégique – Second-hand, transparence, circuits courts.

    Un message clair : il n’y a pas de fatalité

    La performance reste possible : réduction de la complexité, gouvernance renforcée, omnicanal optimisé, relation client augmentée, et inspiration des modèles les plus agiles.

    Pour accéder au white paper complet c’est ici 

  • 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.

  • Le futur de l’IA : ridicule, dangereux ou évident ?

    Le futur de l’IA : ridicule, dangereux ou évident ?

    L’intelligence artificielle dérange, fait peur et interroge. My Digital Week a demandé à Mohamed Senhadji, Manager Sales Strategy & Customer Experience chez SQLI, de livrer ses réflexions et son expérience sur le sujet.

    MyDigitalWeek :  Peut-on considérer l’IA comme une technologie parmi d’autres qui permet d’améliorer et perfectionner les processus existants ou va-t-elle plus loin ? Pourquoi ?

    Mohamed Senhadji : La science-fiction et Hollywood ont fait naître beaucoup de fantasmes autours de l’IA, aboutissant à des craintes pour les plus sceptiques (nous sommes encore vraiment loin de la singularité : cette intelligence supérieure qui peut s’autoaméliorer).
    L’IA est un mot fourre-tout en ce moment. Il existe plusieurs technologies en la matière et aujourd’hui, il s’agit majoritairement de technologies de traitement et d’analyse de très grandes quantités de données pour pouvoir identifier des patterns ou des modèles de systèmes.

    A mon avis, de la même façon que l’exploitation industrielle du pétrole et la découverte des ondes radio ont révolutionné ou façonné notre monde aujourd’hui, l’IA façonnera le monde de demain avec de forts impacts sociétaux. Elle ira surement au-delà du simple perfectionnement des processus existant en créant de nouveaux.

    Au début des années 2000, l’idée majeure de la recherche autour de l’IA était de déléguer « de manière intelligente » des tâches à faibles valeurs ajoutées et répétitives : la conduite autonome et le traitement automatique des messages par exemple. Dernièrement, certaines prouesses permettent de lui attribuer une forme d’intelligence, nous avons pu notamment nous en rendre compte lorsque le programme AlphaGo de DeepMind a battu le meilleur joueur de Go alors qu’on ne le prévoyait pas cela avant une vingtaine d’année. L’IA chinoise qui permet d’identifier avec beaucoup plus de précision des tumeurs cérébrales : elle a réussi à établir 87% de diagnostics corrects sur 225 cas en seulement 15 minutes. De leur côté, les médecins ont atteint une précision de 66% en 30 minutes. En ce qui concerne les expansions d’hématome cérébral, l’IA a donné des précisions correctes dans 83% des cas contreseulement 63% pour le groupe de médecins.

    De même dans le milieu juridique, Casecrusher, l’IA avocate, a dépassé avec quasiment les mêmes taux un groupe de juristes sur des cas de ventes abusives de polices d’assurances. Effectivement, dans les situations où il s’agit de traiter ou de compiler une grande quantité de données pour faire une analyse, l’Homme est déjà dépassé, mais ce qui rend les choses un peu plus insolite, c’est quand la recherches en IA s’orientent aussi vers les domaines artistiques : des IA qui permettent de créer de la musique classique (Aiva qui a sorti son premier album l’année dernière) ou imiter des styles de peintures CAN qui a permis de présenter des œuvres à des experts qui n’ont pas réussi à savoir si c’était une œuvre d’un maitre ou une œuvre d’une machine).

    Comme je l’ai évoqué, nous sommes encore très loin de la singularité, nous ne sommes qu’aux balbutiements de ce que peut permettre l’IA car tous les exemples que j’ai évoqués sont basés sur de l’apprentissage supervisé. Mais comme le dit la loi d’Amara, nous avons tendance à surestimer l’influence d’une technologie à court terme et la sous-estimer à long terme.

    Donc oui, on ira au-delà de l’amélioration des processus existants, ils seront fortement impactés. Et l’impact qui, à mon sens, n’est pas encore assez bien anticipé est celui qu’auront  toutes ces technologies sur la société. Faudra-t-il consulter un médecin ou une IA ? Avoir recours à un avocat ou à une IA ? Faudra-t-il alors continuer à former les médecins et les juristes de la même façon ? Aura-t-on encore besoin de certaines spécialités ? Les musées exposeront-ils l’œuvre d’une machine ? Peuvent-elles gagner des Awards ? Ou dans un autre registre, comment seront assurées les voitures autonomes ?

    MyDigitalWeek : Comment l’intelligence artificielle va révolutionner l’expérience utilisateur ?

    Mohamed Senhadji : Nous sommes passés d’une logique de produit vers une logique de service dans les années 2000 (avec les imprimantes et machine Nespresso qui ont développé un modèle économique basé sur le consommable), puis à une logique d’expérience. On ne se concentre plus sur le service ou le produit qu’on va proposer au client, mais sur la façon dont laquelle il va les percevoir, voire les émotions seront provoquées ou retenues pour développer la satisfaction ou l’engagement. L’IA pour moi aura un rôle très important à jouer dans cette transition.

    Elle est déjà utilisée en partie dans l’anticipation des besoins, le traitement plus rapide des demandes ou la délégation des tâches à faibles valeur comme la prise de rendez-vous par exemple. On a tous été impressionné par la vidéo de Google présentant Google Duplex, un robot imitant le langage naturel même avec des mimiques, qui prend des rendez-vous chez un coiffeur ou dans un restaurant. Le traitement sémantique de plus en plus avancé dans les Chatbots et les Voicebot vont venir apporter une nouvelle conception du service après-vente, mais aussi avant-vente, du côté des fournisseurs de produits ou de services. Du coté bénéficiaire sera générée aussi une nouvelle perception de ces SAV qui soulèvera un certain nombre de questionnements. J’y reviendrai.

    Le CX, Customer Experience, évoluera ainsi vers une nouvelle dimension, le HX : Hybrid Experience. Les fournisseurs ne devront plus s’adresser au client de manière unique mais à un couple Client – Assistant. Une sorte de relation tripartite entre le fournisseur de produit ou de service, le client et son IA de compagnie. Une partie de la connaissance et du vécu du client sera déléguée à cette IA, et le fournisseur devra interagir avec cette dernière pour adapter aumieux son service aux attentes du client. On peut imaginer un Jarvis comme celui d’Ironman qui accompagne un client lors de différentes expériences d’achats. Concrètement une IA sur laquelle sont répertoriés les tendances, le style de la cliente et son historique d’achat pour faire matcher un article avec ce qu’elle a déjà dans son dressing.

    Cette relation tripartite peut-être conçue aussi dans l’autre sens, où l’IA cette fois sera du côté du fournisseur. Le client ne s’adresse pas à un agent représentant le fournisseur, mais plutôt à un couple Agent-Assistant (d’ailleurs il peut ne pas savoir s’il s’adresse à un agent humain ou un bot). La complémentarité entre la facilité de traiter une grande quantité de données amenée par l’IA et la dimension humaine de l’agent auront pour but d’améliorer cette expérience du client.

    Mais sommes-nous prêts pour ces révolutions ? Serons-nous dans l’obligation d’annoncer, que c’est une machine qui appelle pour prendre le rendez-vous ou que vous être en train de parler à une machine quand vous contactez un SAV ? Comment cela sera perçu ?

    Un autre fait marquant qui me vient à l’esprit est la disparité sur l’enthousiasme affiché vis-à- vis de ces technologies entre les 3 blocs : US, Europe, Asie (plus précisément la Chine). Nous avons des pays asiatiques dont les populations présentent des taux d’acceptation de presque 70% de ces nouveaux outils et des impacts favorables qu’ils auront sur la société, alors que ces taux descendent à 30% aux US et encore plus en Europe. Nous sommes là, SQLI, pour participer à faire changer les choses.

    MydigitalWeek : Quelle est la position de SQLI ? Pouvez-vous décrire les missions du Lab ?

    Mohamed Senhadji : Au sein de SQLI, et plus précisément au sein de l’entité Consulting, nous portons une offre portant sur Customer Experience qui inclut, entre autres et d’une manière importante, cette dimension IA. Nous intervenons ainsi à plusieurs niveaux dans ce domaine:

    • Une dimension Stratégique : nous aidons les clients à identifier l’impact de l’implémentation de ce type de solutions sur leurs processus, vis-à-vis de leurs stratégies de ventes ou de parcours client avec la mise en valeur de ce que pourrait être leur retour sur investissement.
    • Une dimension Opérationnelle : nous aidons les clients dans l’implémentation ou l’accompagnement à l’implémentation des solutions du marché. En assurant entreautres la partie cadrage du besoin, la partie Change management vis-à-vis des collaborateurs, ainsi que la partie pilotage en identifiant les bon indicateurs pour gérer le projet et les apports de la solution mise en place.
    • Une dimension Prospective : avec la mise en place chez le client d’outils de veille technologique et sociétale sur leur secteur d’activités, en proposant des observatoires ou des labs internes. Parmi les activités de ces labs, lancer des POCs (Proof of concept) pour tester des fonctionnalités auprès des utilisateurs finaux. Par ailleurs, nous nous appuyons aussi sur les travaux de notre Lab SQLI qui lui est plus dans une réelle démarche prospective tous azimuts et non orientée vers un seul secteur d’activités. Ils participent ainsi à différents salons pour nous faire part des tendances du moment, ilsinteragissent avec l’écosystème des start-up du domaine pour les identifier puis envisager des partenariats pertinents vis-à-vis des besoins remontés par les clients. Le Lab SQLI participe aussi, bien évidement, au lancement des labs chez les clients, ce que j’ai évoqué précédemment. Sur un autre plan, nous avons également un projet de Chaire sur l’IA et la Customer Experience avec le monde académique en France : un groupement d’écoles d’ingénieur, d’écoles de commerce et de laboratoires universitaires. Un projet encore à ses débuts dont j’aurai le plaisir de vous parler quand il sera un peu plus abouti d’ici la fin de l’année.

    MyDigitalWeek : Avez-vous un message à faire passer ?

    Mohamed Senhadji : Malgré toutes ces interrogations, je suis convaincu que nous vivons les prémisses d’une révolution. Et comme toute révolution, je suis persuadé qu’elle passera par les 3 phases suivantes. Ridicule : ça ne marchera jamais, Dangereux : la survie de l’humanité en dépend, et Evident : c’est tout à fait normal d’avoir un assistant de poche, ou de parler à un robot pour accéder à certains services.

    Nous avons cette volonté chez SQLI d’être des acteurs et non de simples spectateurs de toutes les opportunités que pourraient amener l’Intelligence artificielle et d’y associer ainsi nos clients. Alors, soyez prêts à embarquer avec nous dans ce qui promet d’être une belle aventure.