LIVRE BLANC

ROLE DE
L’INTELLIGENCE
ARTIFICIELLE
DANS LA RELATION
CLIENT
COMMENT OPTIMISER VOTRE RELATION CLIENT GRÂCE À LA

VALORISATION DE VOS DONNÉES ?

25 novembre 2019
 Table des
matières

I. ENJEUX DES ENTREPRISES POUR ASSOIR LEUR RELATION CLIENT __________________________3

1.1 Affronter un écosystème évolutif et déstabilisant __________________________________________ 3
1.2 Utiliser les atouts du numérique pour comprendre, anticiper et s’adapter ______________________ 4
S’appuyer sur les 4 leviers technologiques : Social, Mobilité, Analytics et Cloud _________________ 4
Appréhender les principes de l’intelligence artificielle : machine learning, deep learning __________ 4
Connaître les trois grands types d’algorithmes du machine learning __________________________ 5
Anticiper le comportement des clients grâce aux algorithmes du machine learning ______________ 6
1.3 Se différencier en proposant une offre innovante personnalisée ______________________________ 6
1.4 Adapter en continu son entreprise à l’évolution de son écosystème ___________________________ 7
II. COMPRENDRE ET ANTICIPER LE COMPORTEMENT DES CLIENTS GRÂCE À l’IA ________________8
2.1 Appréhender les évolutions de votre écosystème avec l’IA ___________________________________ 8
2.2 Anticiper le comportement de vos clients, les fidéliser et en conquérir de nouveaux ______________ 9
Analyser les tendances du marché ______________________________________________________ 9
Étudier la réputation de votre entreprise _________________________________________________ 9
Identifier les sentiments de votre cible ___________________________________________________ 9
Segmenter vos clients selon leur profil ___________________________________________________ 9
Analyser le comportement de vos clients _________________________________________________ 9
Adapter votre offre de produits et services _______________________________________________ 9
Proposer à chaque client une offre personnalisée par le canal de son choix _____________________ 9
Fidéliser vos clients en anticipant et en maitrisant le churn __________________________________ 9
Prévoir la fraude _____________________________________________________________________ 9
Conquérir des clients en déterminant le profil le plus adapté à votre offre ______________________ 9
Améliorer le service client et mettre en place des chatbots pour les cas simples _________________ 9
Anticiper le niveau des stocks nécessaires et optimiser logistique et finances __________________ 10
Détecter les problèmes avant qu’ils ne surviennent _______________________________________ 10
2.3 Prenez les bonnes décisions à tous niveaux pour conforter votre relation client ________________ 10
2.4 Améliorer successivement et en boucle toutes les activités de l’entreprise _____________________ 10
III. COMMENT INTÉGRER L’IA DANS SON SI POUR MIEUX SATISFAIRE SES CLIENTS_____________ 12
3.1 Bâtissez la base de données qu’il vous faut : data warehouse ou data lake ?___________________ 12
Data warehouse ou Entrepôt de données structurées ______________________________________ 12
Data lake ou Lac de données non structurées ____________________________________________ 12
Data warehouse ou data Lake : des outils complémentaires ! _______________________________ 13
3.2 Intégrez toutes les données dans la base de données choisie ________________________________ 13
Centralisez toutes les données clients, prospects en respectant le RGPD ______________________ 13
Incorporez les données des catalogues produits & services _________________________________ 13
Rendez vos données opérationnelles ___________________________________________________ 13
Enrichissez votre base de données _____________________________________________________ 13
Partagez cette base _________________________________________________________________ 13

1
 Table des
matières
3.3 Reliez toutes les briques de votre SI autour de votre base de données ________________________ 14
3.4 Faites collaborer expert métier, data scientist, informaticien et juriste _______________________ 14
3.5 Démarrez par le cas d’usage le plus utile et déroulez la méthodologie ________________________ 15
Choisissez le cas d’usage à traiter ______________________________________________________ 16
Constituez l’équipe mixte _____________________________________________________________ 16
Mettez en place la méthodologie ______________________________________________________ 16
Réalisez les algorithmes avec une approche itérative ______________________________________ 16
Utilisez vos algorithmes en production __________________________________________________ 16
Suivez la performance de vos algorithmes dans le temps ___________________________________ 16
Systématisez l’approche « test & learn » ________________________________________________ 16
Passez au cas d’usage suivant _________________________________________________________ 16
3.6 Assurez la transformation numérique de votre entreprise pour assoir votre relation client _______ 17
IV. À PROPOS DU GROUPE HLi ______________________________________________________ 17
4.1 Présentation _______________________________________________________________________ 17
4.2 Compétence des data scientists du Groupe HLi ___________________________________________ 17
4.3 Compétence des informaticiens du Groupe HLi ___________________________________________ 18
4.4 Votre accompagnement par le Groupe HLi _______________________________________________ 18

2
 ENJEUX DES ENTREPRISES POUR ASSOIR
Chapitre I LEUR RELATION CLIENT

I. ENJEUX DES ENTREPRISES POUR ASSOIR LEUR RELATION CLIENT

1.1 Affronter un écosystème évolutif et déstabilisant

Les entreprises françaises font face à des défis croissants :

• répondre aux exigences évolutives des consommateurs connectés et mobiles,
• affronter une concurrence mondiale de 2 types : main-d’œuvre à bas coût et concurrence très innovante,
• respecter la règlementation complexe : exemple le RGPD et les exigences environnementales,
• gérer son entreprise : finances, gestion des stocks, distribution, etc.,
• s’entourer de collaborateurs compétents pour faire face à des techniques intégrant l’innovation et
l’intelligence artificielle,
• faire connaître ses produits et les vendre,
• accompagner la mondialisation, qui entraîne la prise en compte de nouveaux marchés, avec une plus
grande diversité d’âges, de cultures et d’attentes des consommateurs.

©GroupeHLi

3
 ENJEUX DES ENTREPRISES POUR ASSOIR
Chapitre I LEUR RELATION CLIENT

1.2 Utiliser les atouts du numérique pour comprendre, anticiper et s’adapter

Face à cet environnement mouvant, les capacités d’adaptation et d’anticipation des entreprises sont au cœur
de leur stratégie de survie et de croissance.
Les entreprises doivent :
• connaître et anticiper l’évolution de leur écosystème,
• adapter rapidement aux évolutions comportementales de leur cible :
- leurs offres et leur mode de vente multicanal voire omnicanal,
- les différentes briques de leur système d’information,
- leur processus métier et les méthodes de travail des collaborateurs.

S’appuyer sur les 4 leviers technologiques : Social, Mobilité, Analytics et Cloud

Leviers SMAC Précisions sur les leviers qui assurent la transformation numérique de l’entreprise

Les réseaux sociaux :

• sont désormais le vecteur par lequel les consommateurs donnent leur avis et où les
marques leur répondent.
• génèrent des données qui doivent être prises en compte au même titre que les données
internes à l’entreprise pour comprendre l’évolution des besoins et du comportement de
sa cible.
La mobilité est désormais un acquis pour tous tant à titre personnel (consommateurs) que
professionnel. Tous vos collaborateurs sont concernés et en particulier vos commerciaux qui
doivent pouvoir travailler partout et à tout moment.

L’analytics repose sur les techniques de traitement et d’analyse de données par des outils
d’intelligence artificielle pour prendre les bonnes décisions.

Le cloud
Ses avantages :
• aucune infrastructure informatique, ni investissement, ni maintenance à prévoir.
• une grande élasticité : accéder plus rapidement à des ressources IT (serveur, stockage ou
bande passante).
• des mises à jour régulières et gratuites en contrepartie d’un loyer mensuel.
Ses inconvénients :
• la localisation et la sécurité RGPD des données,
• le prix, en fonction de vos besoins, de votre croissance, de votre activité, etc.

Appréhender les principes de l’intelligence artificielle : machine learning, deep learning

L’intelligence artificielle ou IA, terme générique, est un ensemble d’algorithmes et de règles utilisé pour
résoudre un problème de façon autonome. Elle est constituée, entre autres, par le machine-learning, le deep-
learning, les algorithmes d’optimisation sous-contraintes et/ou des règles métier.
Le machine learning, apprentissage automatique ou apprentissage machine, désigne un ensemble
d’algorithmes permettant de résoudre un problème ou de probabiliser la survenue d’un évènement, en
apprenant à partir de données historiques et sans programmation explicite.

4
 ENJEUX DES ENTREPRISES POUR ASSOIR
Chapitre I LEUR RELATION CLIENT

Le deep learning ou apprentissage profond, est l’une des principales technologies de machine learning. Son
fonctionnement s'apparente à celui du réseau de neurones d’un cerveau. Plus le nombre de neurones
programmés est élevé plus le réseau est dit complexe ou profond.
L’analyse d’images, de sons et de la voix constitue actuellement l’essentiel des applications du deep learning.
D’autres algorithmes, comme l’optimisation sous-contraintes, permettent de trouver très rapidement des
solutions optimales que l’être humain ne saurait trouver par lui-même.
Ces algorithmes permettent de piloter sa stratégie et de prendre des décisions opérationnelles.

Connaître les trois grands types d’algorithmes du machine learning

Types Modalités d’utilisation des algorithmes d’apprentissage

d’apprentissage
Apprentissage Utilisé, entre autres, pour l’analyse prédictive
supervisé Ces algorithmes permettent, à partir de jeux de données étiquetées, de prévoir.
Exemple : la prévision de l’attrition ou d’incident

Apprentissage non- Sert à établir des segmentations ou des classifications dites homogènes
supervisé Les algorithmes s’appuient sur des jeux de données non étiquetées. L’algorithme extrait des
classes ou groupes d’individus présentant des caractéristiques communes.

Apprentissage par Utilisé pour la création de robots ou de jeux

renforcement L’algorithme fonctionne comme un agent autonome, qui observe son environnement et
apprend, au fur et à mesure, des interactions avec celui-ci.

©GroupeHLi

Dans le cas de la connaissance client, ils permettent de :

• classifier, segmenter ou mieux cibler vos clients /prospects,
• anticiper les comportements de clients / prospects : attrition, appétence, fraude, …,
• prescrire les offres les plus adaptées aux clients.

5
 ENJEUX DES ENTREPRISES POUR ASSOIR
Chapitre I LEUR RELATION CLIENT

Anticiper le comportement des clients grâce aux algorithmes du machine learning

L’utilisation des algorithmes de machine learning pour comprendre et anticiper le comportement des clients
nécessite :
• une collaboration étroite entre les experts métier, les data scientists et l’IT (technologies de
l’information) pour valoriser les données et en tirer des enseignements pratiques.
• la centralisation et le partage des données disponibles dans l’entreprise en cassant les éventuels silos
métier et en utilisant des API (interface de programmation d’application) pour faciliter le partage des flux
de données. Les données concernées portent sur :
- les données internes générées par les interactions multiples de l’entreprise dans son écosystème :
clients, prospects, fournisseurs, comportements ;
- les données externes, réseaux sociaux et open data. Ces dernières peuvent enrichir d’ailleurs les
bases de données d’entreprise ayant un faible volume de données.
• des outils d’aide à la décision sur la connaissance client réalisés grâce à la data science et au savoir-faire
des experts métier qui vont permettre d’anticiper les attentes et le comportement de votre cible et de
piloter vos décisions métier.

1.3 Se différencier en proposant une offre innovante personnalisée

L’analyse de toutes leurs données via l’intelligence artificielle permet aux entreprises :
• de comprendre leur marché et d’anticiper les évolutions du comportement des consommateurs et leurs
attentes,
• d’alimenter la recherche et le développement de ces analyses,
• de créer un avantage compétitif et une différenciation dans leurs offres,
• d’accélérer la production et la mise sur le marché,
• de créer en continu de nouveaux produits et services personnalisés et proposés aux clients par le canal
de leur choix,
• d’étendre la culture de l’innovation dans l’entreprise.

6
 ENJEUX DES ENTREPRISES POUR ASSOIR
Chapitre I LEUR RELATION CLIENT

1.4 Adapter en continu son entreprise à l’évolution de son écosystème

Les décisions que vous prendrez pour répondre à votre cible vont nécessiter l’adaptation progressive de tous
les secteurs de votre entreprise. Ce scénario va se dérouler en boucle, en particulier sur :
• l’offre de produits et services et le modèle de distribution,
• le système d’information et les processus métier,
• les méthodes de travail des salariés.

La boucle dite de rétroaction numérique

7
 COMPRENDRE ET ANTICIPER LE
Chapitre II COMPORTEMENT DES CLIENTS GRÂCE À l’IA

II. COMPRENDRE ET ANTICIPER LE COMPORTEMENT DES CLIENTS GRÂCE À l’IA

Disposer d’une vue client à 360° et anticiper le comportement client permettent aux entreprises de
comprendre les attentes des clients et d’avoir des offres personnalisées, rentables et donc d’augmenter la
satisfaction et la fidélité clients.
L’intelligence artificielle bien utilisée permet de relever ces défis et de faire des économies en :
• absorbant et analysant un grand nombre d’informations que le cerveau humain ne peut appréhender (le
big data),
• automatisant une grande partie des tâches.

2.1 Appréhender les évolutions de votre écosystème avec l’IA

Face à l’évolution rapide des comportements clients, de la technologie et de la réglementation, l’intelligence

artificielle et le machine learning apportent de véritables outils pour s’adapter au monde qui change.

Tendances/évolutions de l’écosystème Apport du machine learning

• Incertitude sur l’évolution du comportement clients / • Combinaison de modèles

environnement économique • Approche test & learn (*)

• Personnalisation (des offres, de l’acceptation, etc.) • Meilleure utilisation des données internes et
• Sophistication de la décision (risque, tarification, externes (open data, open map, interactions
churn, etc.) diverses avec le client)
• Moins de données demandées aux clients

• Plus de régulation du législateur (données personnelles • Complète traçabilité (données/processus)

RGPD, etc.) • Transparence vis-à-vis des autorités de tutelle

• Plus de données disponibles et historisées sur les
processus et produits de l’entreprise (capteurs,
machines-outils connectés, véhicules intelligents,
données des chaînes de production et données sur les
pannes etc.)
• Analyse et traitement des données / Prise de
décision
• Anticipation et prédiction / réaction pour éviter
les disfonctionnements

• Augmentation des données hétérogènes à analyser • Capacité à centraliser et analyser toutes les
(vidéos, images, sons, cartographies, textes, etc.) informations pour nourrir les modèles

(*) L’approche test and learn repose sur 2 échantillons de clients aux profils similaires :
• un échantillon témoin sur lequel aucune action est faite,
• un échantillon test sur lequel la campagne ou l’action est effectuée.
Les résultats sur les deux échantillons sont comparés pour mesurer la performance de l’action.
Pouvoir prédire l’avenir !

8
 COMPRENDRE ET ANTICIPER LE
Chapitre II COMPORTEMENT DES CLIENTS GRÂCE À l’IA

2.2 Anticiper le comportement de vos clients, les fidéliser et en conquérir de

nouveaux

Apport Connaître ses clients

du machine learning leur proposer ce qu’ils attendent par le canal de leur choix

Analyser les tendances Analyser les tendances de vos ventes en les comparant à celles de vos concurrents ainsi
du marché que les goûts des consommateurs grâce aux données « aspirées » sur le web.
Les consommateurs internautes consultent les avis avant d’acheter.
Étudier la réputation de
L’analyse des avis - bons, moyens ou mauvais - laissés sur internet et les réseaux sociaux
votre entreprise
sur votre marque est essentielle pour réagir et améliorer cette réputation.
Grâce au text mining (extraction de connaissances dans les textes), identifiez ce que
Identifier les sentiments
ressent le client face à un produit ou une marque spécifique en particulier les « bad
de votre cible
buzz » pour réagir au plus vite.
Segmenter vos clients Les techniques de segmentation permettent de travailler par sous-populations plus
selon leur profil homogènes et de définir des profils type clients.
Analyser le L’analyse prédictive du comportement clients par sous-populations à l’aide d’une
comportement de vos approche de machine learning supervisée vous permet de prédire le comportement de
clients chacun de vos clients individuellement.
Adapter votre offre de Les analyses, ci-dessus, vous permettent d’adapter vos offres et services pour maximiser
produits et services votre CA et accroître la satisfaction client.
La segmentation des clients, l’analyse des ventes passées, des comportements, de la
saisonnalité et de la météo et l’écoute des tendances (analyse automatique de la
Proposer à chaque client concurrence) permettent d’anticiper l’appétence des clients et de faire des offres
une offre personnalisée personnalisées par le canal adéquat.
par le canal de son choix
Les résultats sont adressés aux commerciaux sous un format facilement exploitable
d’offres personnalisées et pertinentes pour chaque client.
Fidéliser vos clients en La mise en place d’un ciblage optimisé grâce aux classifications et aux analyses
anticipant et en prédictives du churn permet d’obtenir de très bons résultats lors des campagnes
maitrisant le churn marketing de fidélisation des clients.
Identifier les signes de comportement à risque (fraudeurs et mauvais payeurs) permet
Prévoir la fraude
de mettre en place une politique adéquate.
L’analyse des informations laissées par les consommateurs permet aussi de détecter les
Conquérir des clients en prospects les plus pertinents pour l’entreprise.
déterminant le profil le L’entreprise peut ainsi décider de focaliser sa stratégie marketing sur l’un des profils
plus adapté à votre offre consommateurs plutôt que sur un autre qui semblera moins enclin à passer à l’acte
d’achat.
La classification automatique de mails par les techniques de text mining et les chatbots
permet de :
Améliorer le service • traiter de manière automatique et très rapidement un grand nombre de
client et mettre en place réclamations ou de questions,
des chatbots pour les cas • transférer les informations aux personnes concernées et ainsi faire gagner du temps
simples aux clients et à l’entreprise.
Attention aux cas complexes qui ne peuvent être automatisés. Le client doit pouvoir
avoir accès sans difficulté aux experts qui, seuls, peuvent apporter des solutions.

9
 COMPRENDRE ET ANTICIPER LE
Chapitre II COMPORTEMENT DES CLIENTS GRÂCE À l’IA

Apport Connaître ses clients

du machine learning leur proposer ce qu’ils attendent par le canal de leur choix

Anticiper le niveau des Le traitement de l’approvisionnement et des stocks peut être optimisé grâce à la
stocks nécessaires et remontée d’informations en temps réel et aux analyses prédictives sur les tendances,
optimiser logistique et le comportement, la météo.
finances Cet approvisionnement va influer sur la trésorerie de l’entreprise.
Les modèles prédictifs peuvent aussi permettre d’anticiper :
Détecter les problèmes
• les pannes techniques et leurs causes pour établir un plan de maintenance des
avant qu’ils ne
machines,
surviennent
• les processus illogiques qu’ils faut optimiser.

2.3 Prenez les bonnes décisions à tous niveaux pour conforter votre relation
client
Les résultats de ces analyses permettent de prendre les bonnes décisions, stratégiques et opérationnelles,
à tous les niveaux et, :
• de proposer une offre personnalisée à chacun de vos clients, au moment opportun, par le canal
approprié tout en assurant la qualité de service.
• d’adapter votre distribution multicanal ou omnicanal aux attentes de vos clients,
• d’ajuster votre fabrication pour limiter les stocks et les invendus,
• d’optimiser vos processus métier et les méthodes de travail de vos salariés, etc.

2.4 Améliorer successivement et en boucle toutes les activités de l’entreprise

L’utilisation du machine learning sur l’ensemble des données de façon itérative, vous permet d’optimiser la
gestion de votre entreprise pour l’adapter à l’évolution de votre écosystème, d’améliorer la satisfaction de
vos clients, de maitriser vos risques, de réduire vos coûts opérationnels grâce aux prévisions et d’augmenter
vos profits grâce aux combinaisons de plusieurs modèles (risque, marketing, tarification).

©GroupeHLi

10
 COMMENT INTÉGRER L’IA DANS SON SI POUR
Chapitre III MIEUX SATISFAIRE SES CLIENTS

III. COMMENT INTÉGRER L’IA DANS SON SI POUR MIEUX SATISFAIRE SES CLIENTS

3.1 Bâtissez la base de données qu’il vous faut : data warehouse ou data
lake ?

L’intelligence artificielle nécessaire à la transformation numérique des entreprises ne peut exister sans
données. La constitution d’une base de données est donc essentielle.
En fonction de vos besoins et des différentes compétences de votre entreprise, votre base de données peut
revêtir plusieurs formes d’architecture :
• Le data warehouse est historiquement la base de stockage des données SQL provenant des flux ETL
(extraction de données provenant de différentes sources, transfert et chargement dans un nouveau
magasin de données). Le data warehouse est composé de différents datamarts. Chaque datamart
structure les données pour assurer le reporting, l’analyse ou l’anticipation d’un métier défini.
• Le Data lake, issu de la volumétrie grandissante des données à traiter (big data) stocke les données
brutes, structurées ou non, qui pourront être traitées ensuite selon les besoins de tous les métiers.

Comparaisons Data warehouse ou Entrepôt de données

Data lake ou Lac de données non structurées
structurées
Les données sont structurées en silos et
Issues du big data, les données sont stockées
Données cloisonnées sous forme de datamarts
à l’état brut.
prêtes à l’emploi pour chaque métier.
Processus Long, car il faut les intégrer aux nouvelles
Simple, les données sont stockées en vrac au
d’intégration des données dans l’architecture existante
fur et à mesure.
données orientée métier.
Réduit : En stockant uniquement des
données transformées (et aucune
Elevé compte tenu des énormes quantités
Coût du stockage donnée non utilisable), les data
de données qui y sont stockées.
warehouses permettent de réduire
l'espace de stockage.
Usage
Reporting, prévisions & anticipation par Reporting, prévisions & anticipation par des
et
des spécialistes métier ou data analysts. data scientists.
utilisateurs
Possibilité de faire des anticipations plus
Les données transformées sont précises.
Avantages facilement comprises et utilisées par un Identifier en temps réel la défaillance d’un
large éventail d’utilisateurs. équipement pour permettre une
intervention corrective rapide.
Passer à côté de signaux anticipateurs Sans gouvernance et pratique structurée, le
Risques
d’évolution que l’analyse de données non data lake peut se transformer en véritable
structurées aurait pu détecter. « marécage de données »

Le data analyst (ou data miner) est un statisticien en charge d’une seule source de données (par exemple la
connaissance client via l’outil CRM). Chargé d'accroître la connaissance de la clientèle d'une entreprise, il conduit des
études sur les bases de données, suit les outils datamining pour analyser l'impact des actions marketing.

Le data scientist est un data analyst qui dispose d'une vue plus globale et croise les données brutes de différentes
sources et utilise des algorithmes complexes.

12
 COMMENT INTÉGRER L’IA DANS SON SI POUR
Chapitre III MIEUX SATISFAIRE SES CLIENTS

Data warehouse ou data Lake : des outils complémentaires !

Les entreprises matures ont besoin de ces deux types de bases de données. Les données brutes du data lake
peuvent être structurées et alimenter un data warehouse pour répondre aux besoins ciblés de reporting
fiables, standardisés et accessibles de différents utilisateurs métier.

3.2 Intégrez toutes les données dans la base de données choisie

La base de données Précisions sur les fonctions de la base de données d’une entreprise

Les données concernées portent sur les clients, prospects, fournisseurs et leurs
comportements, les interactions multiples de l’entreprise dans son écosystème.
Elles proviennent :
• en interne du SI, clients, prospects, devis, contrats signés, réclamations, etc. :
- profil sociologique (âge, sexe, région, métier etc.),
Centralisez toutes les
- comportement : historique de consommation,
données clients,
- SAV : réclamations
prospects en
- …
respectant le RGPD
• des réseaux sociaux par lesquels votre cible exprime ses sentiments et son ressenti
sur votre offre,
• de l’open data : les données en libre accès des services publics, météo, concurrence,
news en continu, open cartographie …
• des objets connectés, internet des objets ou IoT.
Incorporez les
• structurer son catalogue de produits « porteurs », tarifs,
données des
• identifier ses parcs machines ou matériels (internes et concurrents),
catalogues produits
• intégrer les factures, devis etc.
& services
Créer des fiches comptes, contacts via différents formulaires qui permettent de structurer
ces données pour pouvoir :
• segmenter automatiquement, grâce au machine learning, vos listes pour vos
campagnes marketing, par exemple,
• gérer différents profils de clients,
Rendez vos données
• faciliter la recherche, les modifications de clients,
opérationnelles
• disposer d’une vue à 360° sur les clients, leurs activités, opportunités, devis,
commandes, factures, les campagnes marketing, les contrats de services signés, les
réclamations et leurs résolutions,
• suivre les affaires, les propositions, les devis, répondre aux appels d’offres,
• suivre toutes les activités et les interactions pour chaque compte et contact,
Enrichissez votre base Via des programmes automatisés de recherche, de traitement et de nettoyage de
de données données. Chacun peut alimenter cette base et ainsi l’enrichir d’informations.
Partager les informations entre différents utilisateurs suivant leurs besoins, leurs
Partagez cette base
fonctions et leurs compétences : utilisateurs métier, data analysts et/ou data scientists …

13
 COMMENT INTÉGRER L’IA DANS SON SI POUR
Chapitre III MIEUX SATISFAIRE SES CLIENTS

3.3 Reliez toutes les briques de votre SI autour de votre base de données
Le couplage de toutes les briques de votre système d’information autour de la base de données permet à
chaque service de :
• partager ses données,
• récupérer celles dont il a besoin pour anticiper un évènement, des problèmes avant qu’ils ne surviennent,
etc.

3.4 Faites collaborer expert métier, data scientist, informaticien et juriste

La réussite de l’utilisation des algorithmes est souvent le résultat de l’association d’experts métier, de data
scientists, voire d’informaticiens et d’un juriste. En effet :
• L’analyse contextuelle du métier est essentielle pour obtenir des résultats significatifs et probants.
• L’industrialisation et la mise en œuvre du projet dans le SI de l’entreprise suppose que l’informaticien ait
bien compris les enjeux.
Un juriste doit valider l’ensemble de la démarche.

L’association du data scientist, de l’expert métier et de l’informaticien

permet d’obtenir des résultats probants

14
 COMMENT INTÉGRER L’IA DANS SON SI POUR
Chapitre III MIEUX SATISFAIRE SES CLIENTS

En effet, intégrer le métier dès le début du projet permet aux data scientists d’affiner leur compréhension de
la stratégie de l’entreprise et de ses processus métier internes.
L’approche du projet, souvent un mixte entre règles/segmentation métier et approche machine/deep
learning, va permettre :
• d’analyser les données et réaliser des outils d’aide à la décision,
• de prendre les bonnes décisions en matière :
- d’offre de produits et services,
- d’organisation de la distribution,
- d’adaptation de son système d’information.
• de diminuer les coûts car les outils d’aide à la décision évitent de nombreux traitements manuels. En
ciblant mieux les clients les actions entreprises (appels, SMS) sont beaucoup moins volumineuses et
coûteuses,
• de satisfaire et fidéliser ses clients, grâce à :
- des produits bien conçus et innovants, personnalisés et proposés sur les bons canaux,
- une sollicitation moindre par un ciblage adéquat,
- un service client (après-vente) de qualité.

3.5 Démarrez par le cas d’usage le plus utile et déroulez la méthodologie

©GroupeHLi

15
 COMMENT INTÉGRER L’IA DANS SON SI POUR
Chapitre III MIEUX SATISFAIRE SES CLIENTS

Étapes Comment rendre prédictives et opérationnelles vos données

L’origine de la demande peut venir de la Direction, des équipes métier ou des data scientists.
Choisissez le cas Dans tous les cas un cas d’usage doit être retenu afin de pouvoir avancer de façon
d’usage à traiter opérationnelle. Exemples : l’adaptation de l’offre, le départ des clients, la prédiction des
ventes, la gestion des fraudes et risques, la maintenance prédictive, etc.
Constituez l’équipe Rappelons que le mixte expertise métier et data science fait la puissance de l’intelligence
mixte artificielle.
L’expertise réside dans la compréhension du métier et une approche analytique cohérente.
Mettez en place la
Se poser les bonnes questions ensemble sur la démarche méthodologique est un facteur clef
méthodologie
du succès.
Ensuite, la méthodologie doit être réalisée par des experts data scientists.
Aujourd’hui, grâce aux programmes open sources, les algorithmes sont accessibles.
La méthodologie arrêtée, les data scientists vont :
• adapter les algorithmes aux processus métier en place,
Réalisez les • proposer éventuellement une évolution de ces processus pour les adapter aux
algorithmes avec une algorithmes si cela simplifie l’action,
approche itérative • concevoir de façon itérative un algorithme exploitable, prédictif, fiable et
compréhensible par le métier,
• valider les algorithmes et tester leurs performances en préproduction,
• fournir des résultats facilement exploitables par le métier.
Une fois en production, les algorithmes sont des outils précieux d’aide à la décision. Ils
permettent de :
Utilisez vos • prédire le churn, la fraude, l’appétence aux différentes offres,
algorithmes en • prescrire des offres en mettant en place des actions efficaces,
production • réduire les coûts de gestion et de traitement en retirant de la cible les personnes à risque
de fraude, d’impayés ou non rentables,
• sécuriser les actions en y réduisant les erreurs manuelles,
• tracer l’historique des décisions.
Suivez la performance La performance et la stabilité des algorithmes se dégradent dans le temps.
de vos algorithmes Un outil de backtesting, ou de tests rétroactifs doit être mis en place pour suivre la
dans le temps pertinence de l’algorithme utilisé.
Systématisez Le comportement de votre cible évolue et nécessite une adaptation constante des offres et
l’approche « test & de l’organisation. Pour mesurer la performance de vos actions marketing, systématisez une
learn » approche test & learn
Passez au cas d’usage Ainsi progressivement et avec pragmatisme, vous allez améliorer toutes les activités de votre
suivant entreprise.

16
 COMMENT INTÉGRER L’IA DANS SON SI POUR
Chapitre III MIEUX SATISFAIRE SES CLIENTS

3.6 Assurez la transformation numérique de votre entreprise pour assoir

votre relation client
L’analyse de votre système d’information et de la base de données ainsi constituée vous permet :
• d’améliorer les interactions entre vos clients et votre entreprise, quel que soit le canal,
• de bénéficier d’outils prédictifs pour anticiper les demandes des clients, les achats nécessaires, les stocks,
• de proposer aux clients des produits d'un meilleur rapport qualité/prix,
• d’ajuster vos offres en fonction de la prévision des demandes des clients et de leur rentabilité,
• de mettre en place les solutions adaptées à tous les niveaux de l’entreprise,
• d’adapter votre stratégie, si besoin,
• de favoriser la croissance de votre entreprise,
• de faciliter la vie de vos collaborateurs.
• d’assurer ainsi votre transformation digitale
Ainsi l'IA va révolutionner votre relation client pour mieux la confronter.

Grâce à la valorisation de toutes vos données, ici dans un data lake,

Vous proposez à vos clients une expérience positive avec votre entreprise.

©GroupeHLi

17
 Chapitre IV À PROPOS DU GROUPE HLi

IV. À PROPOS DU GROUPE HLi

4.1 Présentation

Le Groupe HLi, créé en 1985, vous offre :

• l’appui de 160 collaborateurs en France et à l’international,
• un mixte de data scientists et d’informaticiens au service de votre transformation numérique,
• la flexibilité d’une entreprise à taille humaine.
Innovant, le Groupe HLi a :
• été lauréat de plusieurs concours et challenges en intelligence artificielle, 2 des filiales sont agréées CIR
sur l’Analytics & le big data.
• noué des partenariats avec les éditeurs, des écoles et universités références dans ce domaine.
Ses pôles de compétences spécialisés par métier :
• Audit/conseil et gestion de projet de transformation numérique des entreprises
• Expertise (conseil, prestation, réalisation) en data science appliquée aux domaines suivants :
- Marketing analytique, connaissance client,
- Risque et réglementation,
- Data Lab : open data, text mining, intelligence artificielle, data viz.
• Création et intégration de solutions :
- La gestion de la relation client (CRM) : sur vos serveurs (on premise) ou en mode cloud avec notre
solution EXANERGY CRM,
- La gestion des tournées des commerciaux avec la solution EXANERGY Routes,
- la gestion d’entreprise : finances, logistique, opérations, distribution et celle de la gestion des
processus métier (BPM).
• Développements spécifiques

4.2 Compétence des data scientists du Groupe HLi

Les experts data-scientists du Groupe HLi vous accompagnent sur :

• La récupération et structuration de données internes et externes (réseaux sociaux, open data, open map)
• L’analyse complexe de données :
- Web (web mining),
- Textuelles (text mining),
- Géographiques et cartographiques.
• La modélisation mathématique, l’analyse prédictive, les algorithmes complexes :
- Algorithme de distance,
- Recherche opérationnelle,
- Machine learning / deep learning : modèles économétriques, classification, arbres, réseaux
neuronaux et bayésiens etc.,
- Modèles imbriqués, modèles de décision temps réel.
• La dataviz : visualisation de résultats sur interface dynamique (zoom, curseur temps) - carte, tableau de
bord,
• Le développement et l’industrialisation de solutions et d’outils d’aide à la décision,
• L’expertise technologique : R, Shiny, Python, SAS, ElasticSeach, Java...

17
 Chapitre IV À PROPOS DU GROUPE HLi

4.3 Compétence des informaticiens du Groupe HLi

Le centre de services du Groupe HLi vous accompagne sur tout le cycle de gestion d’un projet de
développement ou d’intégration de solutions.
• Le développement de solutions personnalisées sur :
- Les langages Microsoft dans le contexte .Net,
- Le contexte Microsoft Azure, ou Amazon Web services,
- SharePoint,
- Les applications de types Workflows K2,
- Les terminaux mobiles Android ou IOS,
- Java/open source,
- R/Python.
• Les applications de Business Intelligence,
• L’alimentation, le cas échéant, d’outils de monitoring et de supervision,
• L’intégration de solutions CRM et ERP pour vos projets de finance ou de logistique.

4.4 Votre accompagnement par le Groupe HLi

Pour la réussite de votre projet, du Groupe HLi met à votre disposition une équipe pluridisciplinaire,
informaticiens et data scientists, expérimentée et engagée avec vous sur la durée. Depuis nos locaux ou au
plus près de vos équipes, nous pouvons vous accompagner sur tout le cycle de gestion d’un projet
d’intelligence artificielle, de développement ou d’intégration de solution.

Quelques références du Groupe HLi

18
 NOS COORDONNEES :

Groupe HLi, 163 avenue Georges Clemenceau, 92000 Nanterre

www.groupe-hli.com

01.46.93.30.50

Contacts :

Adeline LOISON, DGD Groupe HLi et responsable du pôle analytique, rédactrice de ce livre blanc

E-mail : a.loison@groupe-hli.com

Alassane CISSE, DGD Groupe HLi et responsable du pôle informatique

E-mail : a.cisse@groupe-hli.com

19