L’intelligence artificielle libère
le véritable potentiel de l’analytics.
2020. Amanda, directrice du marketing, surveille le déroulement
de deux importantes campagnes marketing. Toutes deux sont
primordiales pour sa réussite — ainsi que pour sa candidature
à la vice-présidence. Et ses chances de réussite seront d’autant
plus grandes si elle parvient à maintenir la progression du chiffre
d’affaires et à gérer habilement les stocks, tout en s’occupant
du lancement d’une nouvelle gamme de chaussures de running.
Il s’agit en effet d’un lancement important qui confirmera la
position dominante de son entreprise, et donnera naissance
à de nouveaux segments prometteurs appelés à remplacer ceux
actuellement en perte de vitesse. Dans ce contexte, elle n’ignore
pas qu’il lui faudra la meilleure des technologies aujourd’hui
sur le marché.
A ujourd’hui, l’intelligence artificielle (IA) et l’analytics
forment une bonne équipe. Mais dans quelques années,
Ie pilotage du second par la première vous permettra
de définir et de mener à bien toutes vos stratégies clés, sans
exception. Comme Amanda, votre réussite dépend de votre
capacité à polariser votre énergie sur l’essentiel. Et l’analytics
pilotée par l’IA vous permet, ainsi qu’à votre équipe, de vous
concentrer sur les initiatives qui importent véritablement,
plutôt que de vous plonger dans quantité de rapports.
Les solutions analytiques de base rendent compte de
ce qui s’est passé, en vous aidant à rechercher les causes.
Mais aujourd’hui, pour rester dans la course, il vous faut
L'intelligence artificielle libère le véritable potentiel de l'analytics.
impérativement aller plus loin. Vous devez franchir les montagnes
de données générées par les interactions de vos clients sur
un nombre croissant de canaux et d’écrans. Et ensuite traiter
et exploiter ces données afin de créer, sur l’ensemble
des canaux, des expériences d’exception qui séduiront vos
clients et dépasseront leurs plus grandes attentes.
Les outils analytiques qui se contentent de récapituler et
de rendre compte des événements sont certes appréciables.
Mais ces rapports ne font que répondre aux questions que
vous pouvez vous poser. Or, les volumes de données en jeu
sont tels qu’il existe quantité d’enseignements dont vous
ne soupçonnez même pas l’existence. Et, pour vous les
approprier, l’IA et l’apprentissage automatique vous sont
indispensables.
L’action est votre objectif. Si l’analyse et la connaissance sont
les moyens de parvenir à vos fins, ils ne constituent pas une
fin en soi. L’IA et l’apprentissage automatique permettent de
déterminer l’action la mieux adaptée, et il vous appartient
de décider, au cas par cas, de l’automatisation des processus
métier. Ces technologies facilitent, enrichissent et complètent
votre travail, vous libèrent du stress et vous déchargent des
activités fastidieuses. Et, utilisés à bon escient, les enseignements
tirés donnent les moyens d’agir à chacun des collaborateurs
de l’entreprise, et pas uniquement à une poignée de spécialistes.
Raison pour laquelle près de 85 % des cadres estiment que
l’IA permettra à leurs entreprises d’acquérir ou de préserver
un avantage concurrentiel, d’après une étude réalisée
par MIT Sloan.
1
 L’apport de l’IA à l’analytics.

S
AVANTAGES PROCURÉS PAR L’IA
À L’ÉCHELLE DE L’ENTREPRISE. ans IA, l’analytics est un outil permettant de comprendre ce qui s’est passé en fonction
de données sélectionnées par vos soins et de questions pour lesquelles vous disposez
de réponses toutes prêtes. S’il faut déployer des efforts non négligeables pour créer des
75 % rapports et tableaux de bord, il faut en fournir encore davantage pour les exploiter. Vous
étudiez les données pour mettre au jour des problèmes, solutions, opportunités et risques,
vérifier que tout se passe bien, et prendre la mesure de ce qui a changé, à quel rythme
Influence sur les ventes et pour quel effet. En revanche, rien ne filtrera des aspects dont vous ignorez tout, attendu
3 entreprises sur 4 implémentant que vos tableaux de bord ne peuvent rendre compte que de ce pour quoi ils ont
l’IA augmentent de plus de 10 % été conçus.
leurs ventes de nouveaux produits
et services. Vous pouvez compulser des rapports plusieurs mois durant avant de repérer un événement
véritablement significatif. Ou alors, en présence d’un fait d’importance, passer plusieurs
heures, jours ou semaines à tenter d’établir ce qui s’est réellement passé ou la réponse
78 % à apporter. Comprendre pourquoi un événement est significatif est tout aussi essentiel,
si ce n’est davantage, que de se rendre compte de sa survenance.

Impulsion opérationnelle Par exemple, un outil d’analytics de base peut vous envoyer des alertes sur des événements,
78 % des entreprises mettant par exemple lorsque le nombre d’accès par heure à des services bancaires en ligne tombe
en œuvre l’IA accroissent de en deçà du seuil que vous avez défini. Résultat ? Vous êtes bombardé d’alertes le dimanche,
plus de 10 % leur efficacité les jours fériés, pendant les matchs de Coupe du monde — autrement dit lorsque
opérationnelle.
les opérations bancaires n’intéressent personne. À force, vous ne prêtez plus attention
à ces alertes et, le jour où il se passe vraiment quelque chose appelant une réaction
de votre part, vous réagissez trop tard. Pourtant, avec l’apprentissage automatique,
75 % votre outil d’analytics aurait identifié des séquences d’activité et ne vous aurait alerté
que si quelque chose était véritablement anormal.

Adhésion des clients Autre exemple : en tant que marketeur, vous déduisez de façon logique la conduite
75 % des entreprises faisant appel à tenir en fonction du peu d’informations dont vous disposez sur les événements.
à l’IA améliorent de plus de 10 % Constatant que les Californiens accédant à votre site depuis Facebook consultent le modèle
la satisfaction de la clientèle. de chaussure de course haut de gamme, vous pourriez raisonnablement supposer qu’il
convient de le proposer systématiquement aux internautes californiens accédant
à votre site via Facebook. Or, plusieurs dizaines d’autres facteurs et attributs peuvent
entrer en jeu et, en réalité, il est fort possible que le critère Facebook ne soit pas
79 %
pertinent. L’apprentissage automatique isole les schémas comportementaux complexes
parmi la totalité des visiteurs et prévoit le type de contenu qui se révèlera le plus
efficace — qu’il s’agisse d’une chaussure de sport, d’une vidéo ou d’un avis sur
Production de connaissances
79 % des entreprises une tenue de running.
implémentant l’IA tirent de
nouveaux enseignements et
Comme le montrent ces exemples, l’apprentissage automatique et l’IA, conjugués
améliorent leurs analyses. à l’analytics, ont le pouvoir d’aider véritablement les marketeurs à réaliser leurs objectifs
marketing les plus ambitieux. Une étude réalisée par la société de conseil Capgemini
le confirme également. Selon elle, trois entreprises sur quatre implémentant l’IA et
Source : Capgemini Digital Transformation Institute,
enquête sur l’état de l’IA l’apprentissage automatique ont augmenté de plus de 10 % leurs ventes de nouveaux
produits et services.

L'intelligence artificielle libère le véritable potentiel de l'analytics. 2

Comprendre le rôle joué par l’IA et l’apprentissage automatique
dans l’analytics.
Voici quatre stratégies d’utilisation de l’analytics permettant de dégager une valeur ajoutée en constante progression.

Analyse descriptive
Générer des rapports et des tableaux de bord récapitulant les événements
Exemple : préparer un rapport sur le trafic et le chiffre d’affaires générés quotidiennement

Analyse diagnostique
Sélectionner, filtrer et synthétiser afin de mieux comprendre ce qui s’est passé
Exemple : définir le taux de conversion par segment et par catégorie de produit

Analyse prédictive
Prévoir les résultats les plus probables à partir de modèles
Exemple : identifier des groupes analogues de visiteurs et prévoir les actions et résultats
les plus vraisemblables pour les individus correspondant aux différents segments

Analyse prescriptive
Déterminer ce qu’il convient de faire dans certaines situations. En retirer une valeur
ajoutée encore plus élevée lorsque les actions sont entreprises automatiquement.
Exemple : isoler et déployer automatiquement l’expérience la plus performante
pour un visiteur

L'intelligence artificielle libère le véritable potentiel de l'analytics. 3

 Analyse descriptive
Christopher, chef de produit au sein de l’équipe d’Amanda,
est en charge du lancement, et plus particulièrement de l’adoption
des produits. Il entend que chaque coureur d’élite dans le monde
opte pour ses chaussures. Actuellement, il s’attache à mieux cerner
son marché cible. Ses rapports présentent les attributs des
segments inventoriés par l’analytics et les chevauchements
concernant certains membres au sein des segments. Il a
également la possibilité d’analyser des segments très similaires
à ses cibles actuelles, ce qui lui permet d’élargir sa portée
et d’atteindre plus vraisemblablement son objectif.
L’analyse descriptive est la plus élémentaire des fonctions
d’analytics. Elle récapitule et rend compte de ce qui s’est passé,
comme le taux de clics et le chiffre d’affaires par visiteur. Elle
fournit un contexte rétrospectif aux marketeurs, qui sont invités
à poser des questions en fonction du comportement antérieur
des clients. Christopher, par exemple, pourrait utiliser l’analyse
descriptive pour s’intéresser de plus près aux différents segments
et se faire une idée précise des comportements et points
de contact marketing ayant motivé les décisions d’achat
antérieures — ce faisant, il pourra en tirer des déductions
logiques quant à la manière de séduire des audiences
analogues à l’avenir.
Tous ceux qui ont recours à l’analytics se servent d’abord
de l’analyse descriptive, qui peut livrer de précieux
enseignements, mais dont la limite est celle de l’imagination
de la personne qui l’utilise. Sachant que l’analyste ou
le marketeur ne peut évaluer que les données qu’il a sous
les yeux, les réponses apportées aux questions seront
forcément circonscrites à ce jeu de données restreint.
L'intelligence artificielle libère le véritable potentiel de l'analytics.
Analyse diagnostique
Matt, sous l’autorité d’Amanda, dirige l’équipe de gestion des stocks.
Si sa fonction n’est pas aussi prestigieuse que celle de son collègue
Christopher, Matt, pour réussir sa mission, doit impérativement
garder tous les voyants au vert. Sa priorité, à l’heure actuelle,
consiste à liquider les modèles de la saison dernière afin de faire
de la place à la nouvelle gamme de chaussures. Or, il constate,
un peu déconcerté, que nombre des modèles dont il essaie de se
débarrasser se retrouvent dans des paniers qui sont abandonnés
en cours de route. Une rapide comparaison avec le contenu
d’autres paniers effectivement payés par un segment de clients
lui apprend que ceux qui achètent des chaussures complètent
également leur achat avec de petits accessoires. C’est alors qu’il
comprend. À trois centimes près, le tarif des chaussures ne donne
pas droit à la livraison gratuite. En un clin d’œil, il calcule
l’incidence d’une offre incluant la livraison gratuite sur le volume
des commandes, le chiffre d’affaires et les frais d’expédition. Il est sûr
de lui ; à l’évidence, cette offre lui permettra d’atteindre son objectif :
à savoir écouler ses stocks avant le lancement de la nouvelle gamme.
Si l’analyse descriptive a pour objet d’inciter son utilisateur
à se livrer à des déductions logiques et à se poser les bonnes
questions, l’analyse diagnostique consiste à analyser et filtrer
ces données descriptives afin de déterminer le pourquoi et le
comment des événements. Pratiquement tous ceux qui utilisent
l’analyse descriptive se posent la question « Pourquoi cela est-il
arrivé ? » et font appel à l’analyse diagnostique pour tenter
d’y répondre en comparant différents jeux de données. Ainsi,
« Pourquoi le chiffre d’affaires par visiteur est-il si faible cette
semaine ? » aboutit à « Cette faiblesse est-elle généralisée, ou
s’applique-t-elle uniquement à certains groupes ? », et permet
de déduire d’autres questions du type « Le chiffre d’affaires
est-il bas toute la semaine, ou certains jours seulement ? »
et « Est-ce qu’il augmente ou baisse encore ? »
Aussi primordiale soit-elle pour l’entreprise, cette analyse
diagnostique a également ses limites. Du fait de la progression
des volumes de données et du nombre croissant de variables
intervenant dans les comportements des clients, le pouvoir
de l’analyse diagnostique est limité à certaines situations
et anomalies bien spécifiques, laissant une multitude de
questions non formulées et sans réponse.
4
 Analyse prédictive
Amanda ne jure que par son tableau de bord marketing,
qui lui révèle si les ventes sont en passe d’atteindre ses objectifs,
à partir de modélisations prévisionnelles découlant des analyses.
La situation n’est pas aussi favorable qu’elle l’aurait souhaité mais,
forte de l’éclairage apporté par son tableau de bord, elle peut
prendre les devants en apportant des changements essentiels
à sa campagne qui auront pour effet de remettre celle-ci sur
les rails.
« Je suis à même de me concentrer sur les aspects stratégiques
car mon tableau de bord m’enseigne ce qui va se produire, et non
ce qui s’est déjà passé », précise-t-elle à ses collègues lors de la
réunion mensuelle avec l’équipe dirigeante. « L’action à mener
ne fait aucun doute. »
L’analyse prédictive s’appuie sur l’apprentissage automatique
ainsi que sur d’autres formes d’intelligence artificielle pour
s’atteler de front à ce problème d’envergure. Ces technologies
peuvent identifier des modèles, mettre en regard des événements,
et prévoir ainsi ceux qui risquent de se produire. Par exemple,
en fonction de la manière dont les clients ont réagi à une
campagne, l’analyse prédictive isolera les segments réagissant
à l’identique, donnant lieu à des résultats similaires. Elle
repèrera, parmi les groupes en question, les attributs
essentiels à la définition du segment (achat spécifique réalisé
antérieurement, volume d’achats ou localisation géographique).
À partir de là, elle « reconnaîtra » tout visiteur correspondant
à ce segment et prévoira les retombées qu’il générera.
D’après une étude menée par Narrative Science, le quart
des entreprises recourt d’ores et déjà à l’analyse prédictive.
Cette même étude fait observer qu’elles sont 61 % à avoir
déployé l’intelligence artificielle, dont elles attendent quatre
avantages majeurs : identification d’opportunités commerciales,
automatisation de tâches répétitives, amélioration de la
productivité du personnel et capacité à soutenir la concurrence.
L'intelligence artificielle libère le véritable potentiel de l'analytics.
Analyse prescriptive
Ashley, spécialisée en merchandising, travaille sur une stratégie
pour atteindre son objectif de valeur moyenne de commande.
Elle compte sur les fonctionnalités d’analyse des tendances
de sa plate-forme d’analytics pour lui suggérer quelques dizaines
d’offres groupées à ses audiences les plus intéressantes. Ces offres
sont variées : accessoires d’hydratation pour la course en milieu
désertique, protections contre la pluie pour la côte Est, jeans
« skinny » pour les passionnés de mode. Très vite, elle s’aperçoit
que la plupart des offres groupées comportent trois articles
actuellement remisés pour écouler les stocks. Ashley organise
aussitôt une réunion avec Matt en vue de préserver l’état des
stocks, dans l’optique de les écouler durant le lancement en
se ménageant une marge plus confortable.
L’analyse prescriptive s’appuie sur des prévisions pour préconiser
la ligne d’action optimale. Par exemple, après avoir mis au jour
un segment réagissant quasi-systématiquement de la même
manière à une campagne donnée, c’est-à-dire en ajoutant
un article au panier sans jamais finaliser son achat, l’analyse
prescriptive suggérera le meilleur moyen d’inciter les visiteurs
à passer à l’étape suivante. Dans certains cas, cette incitation
peut être réalisée automatiquement — en temps réel.
Dans d’autres, les marketeurs étudieront et réfléchiront à la
ligne d’action.
5
Dans quelle mesure l’IA et l’apprentissage automatique
facilitent l’analytics ?

G artner estime que, d’ici à 2022, un actif sur cinq s’employant à des tâches essentiellement non routinières aura recours à l’IA
pour exercer sa mission. L’analytics ne fait pas exception à cette règle. Outre les nouvelles possibilités offertes en dehors de
l’analyse diagnostique, l’IA et l’apprentissage automatique confèrent d’autres avantages significatifs à la pratique de l’analytics.
Ils peuvent, par exemple, se charger des tâches fastidieuses qui détournent votre attention de votre stratégie. Nombre de ces tâches
consistaient à définir et entretenir des règles pour guider l’analyse des données. Ces tâches sont essentielles, mais en les automatisant,
vous pouvez vous recentrer sur le message, la dimension créative et le contenu, et bien sûr réagir aux événements.

Miser sur l’IA et l’apprentissage automatique pour

passer de l’analytics à base de règles à l’analytics
piloté par l’IA présente des avantages significatifs.

Impératifs métier Analytics à base de règles Analytics piloté par l’IA

Être averti à chaque fois que votre activité est Vous définissez un seuil d’activité (par exemple, Votre outil d’analytics reconnaît automatiquement
supérieure ou inférieure à la moyenne. « 200 à 275 commandes par jour »), puis cherchez que l’activité est inhabituelle à cette heure précise
à savoir si chacune des alertes importe ou non. et décide que cet événement mérite une alerte.

Analyser les causes premières et recommander Vous cherchez à déterminer manuellement les Votre outil évalue automatiquement les facteurs
l’action à suivre. raisons pour lesquelles un événement a pu se ayant contribué à l’événement, et suggère une
produire et réfléchissez aux actions possibles. cause et une action.

Évaluer l’efficacité de vos campagnes. Vous définissez manuellement des règles et des Votre outil pondère et documente automatiquement
coefficients de pondération pour attribuer la valeur les facteurs ayant contribué à chaque résultat positif,
de chaque contact ayant abouti à une conversion. et en attribue le crédit à chacun des éléments ou
jalons de vos campagnes.

Repérer les clients qui risquent de vous faire Vous étudiez manuellement les rapports consacrés Votre outil repère automatiquement les segments
faux bond. aux groupes de clients passés à la concurrence présentant le risque de défection le plus important.
et tentez de définir des tendances.

Sélectionner les segments qui seront les plus Vous étudiez et formulez manuellement des Votre outil crée automatiquement des segments
sensibles à une prochaine campagne. hypothèses sur les attributs qui pourraient laisser reposant sur des attributs allant dans le sens de
deviner la réaction des clients. la réponse souhaitée.

Identifier vos meilleurs clients.
Vous analysez manuellement vos segments
afin de cerner ce qui distingue vos clients les
plus précieux.
Votre outil isole automatiquement les attributs
statistiquement significatifs que possèdent les
clients les plus performants, et s’en sert pour créer
des segments pour vous permettre de passer
à l’action.
Critères de réussite avec
l’analytics et l’IA.
L’équipe pluridisciplinaire d’Amanda gère la campagne la plus
décisive de l’année du point de vue stratégique. Elle poursuit
un même objectif, et sa plate-forme d’analytics pilotée par l’IA
la dote d’un ensemble d’outils connectés lui permettant
de gagner en efficacité.
Pour que le succès soit au rendez-vous, il est inutile que votre
structure marketing s’initie aux principes de fonctionnement
de l’intelligence artificielle ou apprenne à créer un algorithme
efficace. Si vous vous lancez dans l’analytics piloté par l’IA,
suivez les quelques conseils ci-après :
1 Vérifiez que votre outil d’analytics intègre des
fonctionnalités IA. Faute de quoi, vous vous exposez à une
baisse de compétitivité, en déployant des campagnes de qualité
inférieure à la normale. Des techniques d’analyse jugées
« suffisantes » ne le sont plus. Sans intelligence artificielle, vous
passez votre temps à tenter de comprendre ce qui s’est passé...
Pendant que vos concurrents agissent.
2 Les fonctionnalités pilotées par l’IA ne doivent pas
être réservée aux spécialistes, mais accessibles à toute
l’entreprise. Les néophytes ou utilisateurs occasionnels
doivent être en mesure d’accéder rapidement et facilement
à des informations exploitables et utiles. Si vous disposez
d’une équipe dédiée à la science des données, ne lui faites
pas perdre un temps précieux et ne gaspillez pas ses ressources
à lui faire créer des rapports. Chacun doit être doté des moyens
nécessaires pour trouver les informations dont il a besoin,
quand il en a besoin, en s’acquittant de sa mission au
moment voulu.
3 Généralisez la constitution d’équipes pluridisciplinaires.
Analystes, marketeurs, spécialistes métier et informaticiens
vous guideront sur les méthodes d’application optimales
de l’analytics et sur les moyens de tirer le meilleur parti
des résultats.
4 Assurez-vous très tôt de l’importance et de l’impact
des projets. Évaluez les résultats fondés sur des projets.
5 Soyez confiant. L’IA est là pour vous assister et pour vous
simplifier la tâche — si ce n’est la vie.
L'intelligence artificielle libère le véritable potentiel de l'analytics.
L’heure est à l’analytics
piloté par l’IA.
G artner indique qu’en 2021, l’apport de l’IA générera une
valeur ajoutée de 2 900 milliards de dollars et permettra
de regagner 6,2 milliards d’heures de productivité. La CTA
(Consumer Technology Association) précise que les entreprises
qui adoptent l’IA à grande échelle ou dans un pôle essentiel
de leur activité font état de marges bénéficiaires supérieures
de 3 à 15 points de pourcentage à la moyenne enregistrée
dans la plupart des secteurs. Au cours des trois prochaines
années, ces leaders de l’IA s’attendent à ce que la progression
de leurs marges excède de cinq points de pourcentage
la moyenne du secteur.
Vous n’avez d’autre choix que de prendre ce train en marche.
L’analytics est un domaine où l’IA gagne en maturité, et le
moment est venu d’investir. Grâce à l’analytics piloté par l’IA,
vous prendrez une longueur d’avance sur vos concurrents et
gagnerez le cœur et l’esprit de chacun de vos clients.
Libérez le potentiel de l’analytics piloté par l’IA.
En savoir plus ›
RÉFÉRENCES
« Current and Future Prospects of Artificial Intelligence », Consumer Technology
Association, mars 2018.
Digital Transformation Institute, « Turning AI into concrete value: The successful
implementers’ toolkit », Capgemini Consulting.
« Gartner Says By 2020, Artificial Intelligence Will Create More Jobs Than
It Eliminates », Gartner Newsroom, 13 décembre 2017.
« Outlook on Artificial Intelligence in the Enterprise », Narrative Science
en partenariat avec le National Business Research Institute, 2018.
Sam Ransbotham, David Kiron, Philipp Gerbert et Martin Reeves, « Reshaping
Business with Artificial Intelligence », MIT Sloan, 6 septembre 2017.
7