3 applications concrètes de l’Intelligence Artificielle en Marketing

Le 15 novembre dernier, le Journal du Net organisait une journée de rencontres entre professionnels du martech et de l’adtech autour des enjeux de la personnalisation et de la DMP. Antoine Coubray (Directeur CustUp) y était convié pour animer un atelier et présenter 3 applications concrètes de l’Intelligence Artificielle dans le champ du marketing, en compagnie de Jean-Claude Heudin (chercheur) et de Florent Fay (sell-in).


SideTrade, ou l’intelligence artificielle au service de la personnalisation et de la recommandation marketing

 

Premier cas d’usage de l’intelligence artificielle au marketing : SideTrade, une entreprise fondée en 2000. Editeur de logiciels positionné sur la relation clients financière, la société investit depuis plusieurs années dans l’intelligence artificielle. SideTrade a acquis depuis 2016 trois startups spécialisées dans la vente et le marketing prédictifs et revendique à ce jour plus de 1 500 clients – dont des grands comptes – réparti dans 85 pays

Comme l’a rappelé en ouverture Antoine Coubray, qui dirige CustUp, un cabinet de conseil en Relation Clients, la solution d’intelligence artificielle proposée par SideTrade  permet de mettre en évidence les principes généraux de l’IA, son fonctionnement et en particulier son rapport à la donnée. SideTrade, pour le dire en un mot, permet d’anticiper les comportements d’achat de ses clients et de développer un marketing de recommandation. Les bénéfices d’une application de ce genre sont de deux types :

  • Réduire le taux de churn ou taux d’attrition, c’est-à-dire limiter la perte de clients en proposant des offres et des contenus ciblés générateurs d’engagement et de fidélisation.
  • Développer le chiffre d’affaires, en développant les ventes par up-sell et cross-sell.

L’outil de prédiction proposé par SideTrade utilise une série d’algorithmes alimentés par des données très diverses : données CRM, données marketing – analytics, données financières, données third party. 

Les données sont au cœur des technologies d’intelligence artificielle. C’est un point sur lequel est longuement revenu, Jean-Claude Heudin, chercheur en intelligence artificielle et auteur de plusieurs livres dont Intelligence artificielle, Manuel de Survie publié aux Editions Science eBook. 

Les données constituent la matière première de l’intelligence artificielle. La puissance de l’intelligence artificielle dépend étroitement du volume de données exploitée et de la pertinence des modèles mis en œuvre. Pas d’IA sans données. Pas d’IA non plus sans une compréhension fine des données et une identification claire des objectifs poursuivis à travers l’intelligence artificielle. « La réussite d’un projet dans le domaine de l’IA réside à 80% dans les data et à 20% dans les technologies utilisées ». 

La mise en œuvre de l’intelligence artificielle suppose l’exploitation de données par des technologies spécifiques – essentiellement des algorithmes. A ce sujet, Jean-Claude Heudin en a profité pour rappeler l’une des grandes faiblesses de l’IA : « l’effet boîte noire ».  Si l’on connaît les données qui entrent dans les algorithmes et celles qui en sortent sous forme de résultats/de prédictions, le fonctionnement des algorithmes en eux-mêmes reste très largement opaque – pour les concepteurs des algorithmes, et a fortiori pour les marketers qui en font usage. Cette opacité implique, pour les entreprises, l’adoption d’une démarche pragmatique, basée sur des tests. Les modèles algorithmiques se perfectionnent par essais et erreurs

SideTrade permet de générer des recommandations, d'affiner les scorings et de faire remonter ces données dans le CRM pour accompagner les commerciaux dans leurs prises de décision. Il y a une question que l’on peut légitimement se poser face à ce type d’application : en quoi l’intelligence artificielle vient-elle bouleverser les pratiques anciennes de segmentation ? Les matrices de segmentation n’ont pas attendu l’intelligence artificielle pour voir le jour. Cette question a été posée par Antoine Coubray à Jean-Claude Heudin, qui a apporté deux éléments de réponses :

  • La volumétrie des données traitées et le nombre de dimensions analysées. L’intelligence artificielle permet de prendre en compte un spectre de données et un nombre de variables beaucoup plus large.
  • La mise en évidence de corrélations qui n’avaient pas été identifiées et imaginées au départ, grâce aux algorithmes.

L’intelligence artificielle permet de déployer des systèmes prédictifs de plus en plus puissants, utilisant un volume de données croissant et dotés de puissances de calcul de plus en plus grandes. Jean-Claude Heudin a évoqué pour conclure sa première intervention les deux principaux problèmes auxquels sont confrontées les technologies actuelles d’intelligence artificielle :

  • Les biais dans la préparation et la sélection des données utilisées pour construire les dispositifs d’intelligence artificielle. Le risque est toujours important d’utiliser des données pas suffisamment qualifiées, pas assez représentatives – aboutissant à des corrélations erronées.
  • Les limites rencontrées au niveau des techniques d’apprentissage, pourtant décisives dans la performance de l’intelligence artificielle. Les systèmes doivent être mis à jour continuellement – ce qui n’est pas toujours techniquement possible.

Antoine Coubray a conclu en présentant les différents cas d’utilisation d’une technologie de recommandations comme SideTrade :

  • La mesure et l’analyse des taux d’attrition sous différents angles analytiques.
  • La segmentation client, permettant la priorisation des clients et l’identification des clients à risque d’attrition.
  • L’analyse de la valeur vie client.
  • L’amélioration des dispositifs de marketing automation, par intégration de nouvelles variables.

Allo-Media, ou l’intelligence artificielle appliquée au traitement naturel de la langue 

Antoine Coubray a ensuite présenté Allo-Media, startup française lancée en 2011, qui vient de boucler une levée de fonds de 8 millions d’euros et prépare son déploiement à l'international. La société propose un système particulièrement innovant d’analyse des conversations téléphoniques en temps réel. A l’origine de la solution Allo-Media, deux constats simples  :

  • La place du téléphone n’a jamais été aussi forte dans les échanges entre les marques et leurs clients.
  • Le tracking des conversations téléphoniques est pratiquement inexistant. Moins de 5% des entreprises européennes auraient recours au call tracking

La solution Allo-Media permet d’extraire des données structurées, sous forme de tags, des conversations entre les chargés de clientèle et les clients appelés ou appelant. L’extraction des données s’effectue quasiment en temps réel, avec un temps de latence de 6 secondes en moyenne. Plusieurs démonstrations de l’outil sont disponibles sur la Toile.La solution permet de faire remonter les tags extraits des conversations téléphoniques dans l’historique client. Allo-Media propose des intégrateurs avec plusieurs CRM (Salesforce, Zoho…) mais aussi avec Google Analytics et quelques autres outils. Les données collectées, venant enrichir la connaissance client, permettent en aval de déclencher des actions de personnalisation, de marketing automation, de retargeting.

L’outil combine trois technologies de reconnaissance vocale (analyse du signal, modèle acoustique et modèle de langage) et une technologie d’analyse sémantique. Jean-Claude Heudin a rappelé que de grands progrès avaient été faits dans le domaine du traitement du signal – et en particulier de la voix. Les technologies ont fortement progressé en matière d’extraction des entités nommées (dates, lieux, noms…) et de détection des « intentions ». Allo-Media obtient actuellement un taux d’erreur des mots de 12%. A titre de comparaison, le taux d’erreur des mots du cerveau humain s’établit entre 7 et 8%.

Antoine Coubray est ensuite revenu sur la question de la mise en œuvre d’un tel outil dans une entreprise. Les temps de déploiement sont relativement courts : si le temps de pré-déploiement est de l’ordre de 3 semaines, le temps de déploiement proprement dit dépend de la taille du Centre du Contacts. Il faut compter entre 4 et 6 semaines pour l’étalonnage du modèle acoustique, entre une semaine et plusieurs mois pour la mise en place du dictionnaire de langage (qui nécessite l'analyse de 6 000 appels).

Allo-Media utilise actuellement un modèle de facturation « SaaS », basé sur le volume d’appels traités avec un coût par appel qui décroit avec le volume d’appels. Antoine Coubray a indiqué qu'Allo-Media travaillerait actuellement sur un modèle de facturation à la performance.

L’intérêt principal d’une solution comme Allo-Media, pour une entreprise, est l’optimisation de la productivité du Centre de Contacts et l’amélioration des KPIs du Centre de Contacts (taux de résolution au premier contact, durée moyenne de traitement, satisfaction client…). La personnalisation de la Relation Clients est également un des grands enjeux de ce type de technologie.

Les chatbots conversationnels : l’exemple d’AccorHotels

 

Florent Fay est le fondateur de Sell-in Consulting, une société qui accompagne les entreprises – en particulier les grands groupes – sur les sujets liés à l’innovation. Sa société a développé le chatbot conversationnel du groupe AccorHotels, prénommé « Phil ». Pour ceux qui ne sont pas encore familiers avec cette technologie, un chatbot est un logiciel pouvant entretenir une discussion avec un humain par le biais d’une interface conversationnelle. Le chatbot dont il a été question dans cet atelier gère le transactionnel et permet au client d’obtenir des recommandations ou de réserver des services d’hôtellerie, des salles de réunion… 

Les chatbots conversationnels sont un exemple incontournable d’application de l’intelligence artificielle au marketing. Comme l’a rappelé Florent Fay, les chatbots ont le vent en poupe. On en parle beaucoup. On en voit également de plus en plus, en particulier sur les plateformes de messagerie. Tous ne sont pas parfaits. Mais, comme a insisté Florent Fay, cela ne doit pas étonner : un chatbot, à son lancement, ne peut pas être parfait - par construction. Un chatbot est destiné à se perfectionner dans la durée. La courbe d’apprentissage est très importante.    

Pour expliquer l’essor des chatbots, Florent Fay a mis en avant le rôle décisif joué par le développement des plateformes de messagerie, en particulier Facebook Messenger (1,3 milliard d’utilisateurs par mois), Whatsapp (1,2 milliards d’utilisateurs) et WeChat, qui rencontre un succès phénoménal en Chine. Phil, rendu public en mai dernier, fait partie des 8 premiers chatbots présents sur la plateforme Google Assistant. Florent Fay a insisté sur le caractère progressif du développement du chatbot d'AccorHotels, et des chatbots en général. Un chatbot est un outil qui se perfectionne en continu, qui suppose une grande réactivité et souplesse des équipes, qui s’améliore par essais et erreurs.

Florent Fay a précisé que sa société a fait appel à des scénaristes pour caractériser le personnage « Phil », lui donner une "âme", une personnalité. Les équipes du projet ont longuement travaillé sur le wording, sur les problématiques autour du vocabulaire, de la syntaxe, du ton à utiliser dans les conversations avec les clients de la chaîne hôtelière. Le cœur technologique du projet Phil – et de tous les chatbots en règle générale – réside dans les briques NLU / NLG :

  • NLU, pour Natural Language Understanding, qui désigne les technologies de traitement et d’analyse syntaxique du langage naturel.
  • NLG, pour Natural Langage Generation, qui fait référence aux technologies permettant à l’agent conversationnel de répondre de manière structurée et personnalisée au client, en utilisant un langage « naturel ».

Jean-Claude Heudin a rappelé à cette occasion les progrès fulgurants des technologies de chatbots au cours de ces dix dernières années. Les systèmes classiques d’inférence, très limités et fondés sur la constitution laborieuse de bases de connaissance, ont fait place à des technologies de machine learning permettant d’intégrer la dimension d’apprentissage indispensable au perfectionnement continu des chatbots et de maintenir la cohérence du modèle. La problématique principale soulevée par les chatbots, selon Jean-Claude Heudin, est de parvenir à maîtriser la conversation. Ce dernier a fait remarquer que plus la discussion était ouverte, large, plus le risque de perte de maîtrise était grand. Les chatbots les plus « opérationnels » sont ceux qui sont déployés sur un domaine spécifique, configurés pour répondre à des problématiques précises.

Jean-Claude Heudin a ensuite rappelé que le succès d’un chatbot ne se réduisait pas à l’aspect technologique. Les messages véhiculés par les agents conversationnels doivent est en concordance avec l’image de l’entreprise. D’où l’importance de faire appel à des compétences non techniques dans le développement de ce type d’outil (des scénaristes par exemple). Pour conclure son intervention, Jean-Claude Heudin a mis l’accent sur l’importance des aspects émotionnels, facteurs d’engagement et donc sur la nécessité de travailler au maximum la caractérisation du personnage.

Florent Fay est revenu, pour achever sa présentation, sur la conduite du projet mise en œuvre pour le développement du chatbot d’AccorHotels. Il a notamment expliqué qu’il a fallu pas moins d’un an de travail en amont pour trouver les talents, caractériser le personnage, maîtriser les aspects organisationnels (en particulier les enjeux de centralisation des données, au départ dispersées dans l’entreprise), maîtriser les technologies, sensibiliser le personnel sur les enjeux du projet et sourcer les techniciens en charge de la maintenance de la technologie. La mise en place d’un chatbot conversationnel est un projet de longue haleine

L’intelligence artificielle est en passe de révolutionner l'univers du Marketing et de la Relation Clients à distance. Cet atelier a permis de détailler quelques unes des applications possibles de ces nouvelles technologies pour les entreprises et d'aborder plus largement les enjeux liés à l'intelligence artificielle.

Annonces Google