Les responsables IT de 9 entreprises de divers secteurs expliquent comment ils utilisent l’intelligence artificielle (IA) et l’apprentissage machine (ML) pour obtenir des informations commerciales pertinentes et proposer de nouveaux services. Ils partagent aussi les enseignements qu’ils ont pu tirer de ces expériences.
Le logiciel apprend à mieux connaître le client, il sait mieux ce qu’il faut lui proposer chez Zulily. (Crédit D.R)
Autrefois considérés comme improbables pour les entreprises, l’intelligence artificielle (IA) et l’apprentissage machine (ML) font désormais parti des projets courants. IDC a constaté qu’en raison du manque de personnel qualifié et d’attentes irréalistes, jusqu’à 25 % des personnes interrogées avaient connu un taux d’échec de 50 % dans la mise en œuvre de leurs projets. Malgré tout, cela n’empêche pas les entreprises d’essayer. Comme ces DSI de plusieurs entreprises qui ont expérimenté, développé et utilisé des technologies d’intelligence artificielle et de machine learning. Voici leurs expériences plus quelques conseils pratiques.
Des chatbots pour améliorer l’expérience client chez Guardian Life
Chez le géant américain de l’assurance mutualiste Guardian Life, le DSI Dean Del Vecchio a utilisé l’intelligence artificielle et l’apprentissage machine pour améliorer l’expérience client (CX) et la productivité des employés. Dans son projet CX pilote, il a utilisé l’assistant virtuel Amelia de IPsoft pour automatiser le processus d’intégration et répondre aux questions des clients sur les prestations. L’objectif était de libérer du temps pour les employés et leur permettre de se concentrer sur des dossiers plus complexes. Formé à la logique d’affaires de Guardian Life, l’assistant Amelia répond à des questions telles que « Qu’entendez-vous par maladie grave ? », et à d’autres questions que les millions de clients de l’assureur pourraient poser. En interne, Gardian Life teste les capacités d’IA d’IBM Watson et comment elles peuvent aider l’entreprise à mieux comprendre la façon dont les clients interagissent avec ses offres. Dans le cadre du projet pilote, le logiciel d’informatique cognitive d’IBM lit et priorise les millions de courriels que Guardian Life reçoit chaque jour. L’analyse ne lui prend que quelques minutes et évite au personnel de consacrer des heures à lire manuellement les messages et à les classer par niveau de priorité.
Conseils : Il est important de construire ses projets de machine learning en tenant compte du contexte plus large de l’entreprise. Chez Guardian Life, l’automatisation des processus adossés à l’IA/ML ne représente qu’un aspect de la transformation numérique globale menée par son DSI. Dean Del Vecchio a entrepris une rationalisation générale des opérations tout en améliorant l’expérience client. Dans le cadre de cette rationalisation, il a engagé une migration dans Amazon Web Services, adopté un développement agile et créé une boutique d’API.
Des vêtements recommandés par l’IA chez Zulily
On pourrait affirmer que, sans machine learning, Zulily ne pourrait pas exister. En effet, le revendeur de vêtements pour femmes utilise l’apprentissage machine pour personnaliser les produits qu’il propose à ses clients. « Le logiciel s’appuie sur des dizaines d’indicateurs – notamment, l’historique des achats, le temps passé à consulter une sélection de produits, les gestes effectuées pendant la navigation sur son app mobile et l’activité dans les réseaux sociaux – pour déterminer s’il faut envoyer une offre aux acheteurs par notification push ou par e-mail », a expliqué Luke Friang, le DSI de Zulily. « À mesure que le logiciel apprend à mieux connaître le client, il sait mieux ce qu’il faut lui proposer ». Même si Zulily développe lui-même ses algorithmes personnalisés, il s’appuie sur une multitude de technologies open source, comme Hadoop, TensorFlow et H20, pour compléter ses piles ML.
Conseils : La robustesse des architectures clouds représente un avantage certain pour les projets d’intelligence artificielle. Les efforts de personnalisation de Zulily reposent sur une entente cruciale entre Amazon Web Services et Google Cloud Platform : GCP fait des recommandations qui, si elles sont sélectionnées, dirigent le consommateur vers la plate-forme de commerce électronique de Zulily, elle-même alimentée par AWS. « Cette relation entre GCP et AWS montre que la concurrence peut profiter à long terme aux DSI », a encore expliqué M. Friang.
JiLLL, l’assistant IA du siège social de Jones Lang LaSalle
À prime abord, personne n’imaginerait que l’IA pourrait être à ce point utile dans le conseil en immobilier d’entreprise. Mais au mois de juin, Jones Lang LaSalle (JLL) s’est associé avec Google pour utiliser JiLL. Cet assistant vocal permet aux employés d’organiser des réunions, de trouver des collègues, de consulter les horaires des trains ou de remplir des demandes de service soit vocalement, soit par écrit. Par exemple, JiLL est capable de traiter des requêtes du genre « Eh JiLL, réservez une réunion hebdomadaire avec mon équipe » ou encore « Eh JiLLL, trouvez-moi un bureau ouvert au 3e étage cet après-midi », a expliqué Vinay Goel, directeur des produits numériques chez JLL. Ce dernier a déclaré dans un communiqué que JiLLL examinait les data sets détenus par JLL sur les bâtiments, et s’appuyait sur les interactions entre utilisateurs et suivait l’occupation des espaces physiques traités dans GCP et dans les conteneurs Kubernetes. « Avec le temps, la plate-forme JiLLL va devenir incontournable dans un tas de domaines pour aider les employés à améliorer leur productivité », a expliqué M. Goel.
Conseils : Les assistants virtuels peuvent représenter un investissement rentable pour les entreprises qui envisagent de s’orienter vers les services. Jones Lang LaSalle tire parti de la technologie de JiLL pour fournir des services à valeur ajoutée, l’objectif étant d’attirer davantage de clients grands comptes. JLL prévoit d’ajouter des compétences supplémentaires et d’ouvrir la plate-forme à des fonctionnalités de tierce partie, dans le cadre d’une stratégie de marché dont le but est de stimuler l’adoption. Plus largement, l’initiative suggère que les assistants virtuels, qui ont fait leur début comme gadgets pour le grand public, ont mis un pied dans les marchés verticaux.
Du ML pour combiner tarification dynamique et commodité chez Wawa
La chaîne de dépanneurs Wawa prévoit d’utiliser l’apprentissage machine pour modifier dynamiquement les prix en fonction de facteurs concurrentiels. « Une tarification dynamique permettrait à Wawa de personnaliser ses offres pour les clients abonnés à ses programmes de fidélisation », a expliqué John Collier, le DSI de Wawa. « L’exploitation des données et des algorithmes nous permettrait d’établir des règles sans prix fixe », a ajouté M. Collier. « L’astuce consiste à trouver un équilibre entre l’amélioration de l’expérience utilisateur et le coût de cette expérience », a-t-il ajouté.
Conseils : Le DSI aurait bien aimé mettre en place une tarification dynamique dès maintenant, mais il a un problème : les technologies émergentes ne s’interfacent pas de manière optimale avec ses systèmes existants. « La modernisation est essentielle à toute stratégie d’intelligence artificielle », a ajouté John Collier, en précisant que dans le cadre de sa transformation numérique, Wawa a entrepris la refonte de ses systèmes existants. « Nous investissons massivement dans notre stratégie axée sur les données ».
Évaluer le risque financier avec un moteur d’analyse ML chez Experian
Dans le cadre de sa transformation numérique, Experian, le géant du reporting sur les cartes de crédit, s’est doté d’un nouveau produit stratégique qui tire parti des capacités d’apprentissage machine : Ascend Analytics On Demand. Il s’agit d’une plate-forme d’analyse en libre-service qui permet aux entreprises de construire des modèles prédictifs pour déterminer les facteurs critiques et évaluer, par exemple, l’éligibilité de 220 millions de consommateurs à un crédit donné. « Les clients peuvent effectuer des analyses sophistiquées de ces données en quelques minutes, au lieu de plusieurs semaines normalement », a expliqué Alex Lintner, président des services d’information aux consommateurs d’Experian. Dans le meilleur des cas, l’outil permettra aux consommateurs de valider leur demande de crédit sur le champ. Selon Gartner, le lancement de la plateforme Ascend montre que les technologies d’intelligence artificielle sont omniprésentes dans presque tous les nouveaux produits logiciels et services. « Les clients veulent accéder à d’énormes data sets en temps réel », a expliqué Barry Libenson, DSI d’Experian Global, qui a supervisé le développement de la plate-forme basée sur Hadoop et d’autres outils analytiques. « L’époque de la prescription est terminée. Les clients exigent du temps réel, quand ils veulent et comme ils veulent ».
Conseils : Il n’est pas possible de construire de nouvelles plates-formes d’analyse sur des logiciels existants et imaginer qu’elles fonctionneront correctement. Pour supporter Ascend, Experian a adopté une approche de cloud hybride et l’entreprise a investi dans des outils open source, notamment des conteneurs, des moteurs d’API et des microservices. Experian a également normalisé la façon dont elle conçoit et consomme les logiciels : ses applications et son code sont réutilisables par ses employés et ses clients partout dans le monde.