Créer son IA de relation client, mode d'emploi
Se mettre à l'intelligence artificielle (IA) est autrement plus complexe qu'installer un énième logiciel d'entreprise sur son parc informatique. Qu'il s'agisse du champ d'application de l'application de l'IA, des données ou des solutions choisies, de nombreux écueils peuvent compromettre la démarche. Première étape, définir un projet. "Mieux vaut commencer par un sujet pas trop ambitieux, mais qui se voit", recommande Quentin Barenne, cofondateur de Wintics, une start-up qui développe des outils d'intelligence artificielle pour des clients dans le monde de l'aménagement urbain et des transports. "Le but avec ce premier projet sera de mettre toute l'entreprise dans une dynamique IA. Si on constate des résultats concrets, tout le monde sera dans un état d'esprit positif pour s'engager vers des projets plus ambitieux."
"Mieux vaut commencer par un sujet pas trop ambitieux, mais qui se voit"
Il faut ensuite identifier les données qui permettront d'entraîner l'intelligence artificielle. Il s'agit principalement des données de CRM (Customer relation management ou gestion de la relation client), comme l'historique d'achats des clients, leur parcours sur le site de l'entreprise ou en magasin (analysé grâce à des caméras et autres capteurs), les appels passés aux call center ou encore les interactions avec des campagnes marketing par e-mail.
Des données externes sont également accessibles, ajoute Quentin Barenne. "Par exemple, la météorologie a un fort impact sur le commerce de détail." Des informations sociodémographiques ainsi que l'analyse de conversations sur les réseaux sociaux apporteront de précieux éléments de contexte. Et de nombreuses données sont libres d'accès sur les plateformes open data de l'Etat, des collectivités et de leurs délégataires de service public. Enfin, une entreprise peut chercher des données supplémentaires en co-développant son outil avec d'autres sociétés, ou en collaborant avec ses clients et fournisseurs dans le B2B.
Une fois ces données rassemblées, le temps est venu de choisir une méthode de développement. A moins d'être une grande entreprise certaine de ses ambitions dans l'IA, il est impossible de tout développer en interne, au regard de la rareté et des salaires exorbitants des spécialistes de l'intelligence artificielle. "Cette option est chère, complexe, et à mon avis, c'est du temps perdu", tranche André Brunetière, directeur R&D et gestion produit chez Cegid, un éditeur de logiciels d'entreprises spécialisé dans les PME / TPE, qui les accompagne aussi dans le déploiement de leurs propres solutions.
"Tout développer soi-même est cher, complexe, et à mon avis, c'est du temps perdu"
"Il existe des fournisseurs de technologies d'intelligence artificielle, comme IBM Watson, Salesforce Einstein ou Microsoft Machine Learning, qui évitent de réécrire soi-même les algorithmes de réseaux neuronaux [la méthode d'analyse des données qui sous-tend l'intelligence artificielle, Ndlr]." "Le prix n'est pas le seul critère : il faut aussi penser au temps de mise sur le marché du produit", rappelle Luc Doladille, directeur du conseil en solutions business chez Umanis, une autre société de services numériques développant des solutions basées sur l'intelligence artificielle. "Lorsque l'on est pressé, il faut externaliser."
Cela ne veut pas dire pour autant que l'entreprise n'a rien à faire. Les produits choisis devront être entraînés avec ses données et personnalisés selon ses besoins. Là aussi, il faudra choisir entre le recrutement d'un prestataire et la gestion en interne. Mais gare à trop déléguer : l'entreprise doit tout de même être capable de comprendre ce que fait son prestataire. "Il faut faire en sorte que le client ait la possibilité de corriger lui-même les décisions de la machine, car c'est lui qui connaît le métier", souligne Philippe Harel, spécialiste IA et data science chez Umanis. Si l'IA devient une boîte noire aux décisions incompréhensibles, pas sûr que le retour sur investissement soit au rendez-vous.
Un article paru dans Le Figaro Tech
Cet article est originellement paru le 3 décembre dans Le Figaro Tech, supplément trimestriel du quotidien Le Figaro, fruit de la collaboration entre les équipes du Figaro Economie et du JDN. Objectif de ce cahier : créer un point de repère dans l'innovation technologique, pour distinguer les modes des phénomènes de fond.