En quoi le Big Data transforme déjà le marketing ?

Responsable E-business/Responsable E-marketing
Code NSF 312 - 326, certification professionnelle de niveau I (Fr) et de niveau
7 (Eu) enregistrée au RNCP par arrêté du 7/07/2017 publié au JO le
19/07/2017.
Promotion 2016 - 2017
Intelligence artificielle :
En route vers un marketing 4.0?
Thèse professionnelle de :
Jennifer Lufau
TUTEUR DE THESE : Alexandre Stopnicki
Date de remise : 31 Décembre 2017
INSTITUT LÉONARD DE VINCI
12 Avenue Léonard de Vinci
92400 Courbevoie

Intelligence artificielle : en route vers un marketing 4.0?
JENNIFER LUFAU 1/88
Thèse professionnelle MBA MCI Marketing et Commerce sur Internet – 2017
Résumé et mots clés
Ce sujet a déjà été largement couvert depuis quelques années, mais continue
néanmoins de faire le “buzz” dans le monde entier. Ce qui est fascinant avec le
secteur des nouvelles technologies, c’est qu’il se “renouvelle” et évolue en
permanence. C’est précisément la raison pour laquelle j’ai choisi d’écrire sur
l’évolution vers un marketing qui s’appuie de plus en plus sur l’exploitation des
données par l’IA, soit le marketing 4.0 décrit par Philip Kotler dans son œuvre
“Marketing 4.0 le passage au digital”.
L’objectif de cet écrit est d’étudier l’impact de l’évolution de l’intelligence artificielle
(IA) sur le marketing des entreprises. En effet, les habitudes de consommation ont
évolué au fil des années avec la technologie, et les marques investissent de plus en
plus dans l’intelligence artificielle pour mieux comprendre et appréhender le
comportement et les attentes des clients en magasin et en ligne.
| Mots-clés
De nombreux articles en ligne et
ouvrages publiés sur le sujet
abordent la question dans une
approche sectorielle, technologique,
ou encore par marché. J’ai choisi
de traiter ce thème de façon plus
globale dans une démarche qui est
de montrer comment l’IA
bouleverse et continuera de
disrupter les fonctions du marketing
à l’échelle des professionnels mais également des particuliers. En outre, plusieurs
parties de cette thèse abordent d’une manière ou d’une autre l’impact sociétal de l’IA.

JENNIFER LUFAU 2/88
Summary and keywords
This topic has already been widely covered in recent years, but still continues to
make the "buzz" around the world. What is fascinating with the new technologies
sector is that it is constantly "renewing" and evolving. This is precisely the reason
why I chose to write about the evolution towards a marketing that relies more and
more on the exploitation of data by the AI, called the marketing 4.0 described by
Philip Kotler in his work "Marketing 4.0 the transition to digital".
The objective of this paper is to study the impact of the evolution of artificial
intelligence (AI) on business marketing. Indeed, consumption habits have evolved
over the years with technology, and brands are investing more and more in artificial
intelligence to better understand and predict the behavior and expectations of
customers in stores and online.
| Key words
Numerous online articles and
published works on the subject
address the issue in a sectoral,
technological or market-based
approach. I chose to treat this topic in
a more global way in an approach that
is to show how AI disrupts and will
continue to change the marketing
functions at the professional
and individual level. In addition, several parts of this thesis deal with the societal
impact of AI.

JENNIFER LUFAU 3/88
Table des matières
Résumé et mots clés 1
Summary and keywords 2
Table des matières 3
Remerciements 6
Introduction 7
PARTIE 1. Guide de l’Intelligence Artificielle (IA) 9
CHAPITRE 1.1 Evolution historique et définition de l’Intelligence artificielle 9
L’histoire de l’intelligence artificielle 10
Approche de l’intelligence artificielle selon John McCarthy et Marvin Lee Minsky. 11
CHAPITRE 1.2 Les technologies de l’Intelligence artificielle 14
Focus sur le machine learning 16
Focus sur le Deep learning 19
CHAPITRE 1.3 Écosystème et marché de l’Intelligence artificielle en France et dans le
monde. 20
Le marché de l’Intelligence artificielle 24
Les principaux acteurs de l’Intelligence artificielle 25
Investissement en Intelligence artificielle dans le monde 26
26
CHAPITRE 1.4 Les tendances de l’Intelligence artificielle alliées au marketing 30
Intelligence artificielle : buzzword ou réalité ? 30
Marketing 4.0: nouvelle ère du marketing inspirée par l’IA 32
Les tendances de l’Intelligence Artificielle en 2017 33
PARTIE 2. Comment les entreprises intègrent l’Intelligence artificielle dans leurs stratégies
marketing 39
CHAPITRE 2.1. Comment l’Intelligence artificielle bouleverse la recherche sur internet 42
Google ou le monopole des moteurs de recherche 42
Comment s’assurer un bon positionnement sur Google aujourd’hui ? 42
Introduction des algorithmes de Google : 43
L’intégration de l’intelligence artificielle dans Google avec Rank Brain : 44
L’IA contribue à l’amélioration de la stratégie de contenu des sites 46
L’optimisation du SEO par la recherche vocale 47
La recherche visuelle : futur de la recherche sur internet ? 49

JENNIFER LUFAU 4/88
CHAPITRE 2.2 L’Impact de l’Intelligence artificielle sur la relation client 50
Les failles du service client classique 50
Service client : les attentes des consommateurs 51
Les chatbots : une solution d’Intelligence Artificielle qui améliore le CRM des entreprises
52
Etude de cas : Voyages SNCF 53
CHAPITRE 2.3 L’Intelligence artificielle au service de l’expérience client : en magasin et
sur le web 54
La notion de User experience (UX) et de User interface (UI) : 54
Expérience client : l’exemple d’IFS Applications 55
L’importance d’un parcours client multicanal, cross canal et “seamless” 57
L’IA au service du retail 58
Le concept de Retailtainment 59
Les challenges de l’expérience client 59
PARTIE 3. Les Limites et enjeux de la collaboration entre l’Intelligence artificielle et le
Marketing 61
CHAPITRE 3.1 L’IA créative : une menace pour le marketeur ? 61
Des peintres artificiellement intelligents inventent de nouveaux styles d'art 62
Une machine capable de créer de la musique 64
Intelligence artificielle, maître du design : 65
Chef Watson : L’IA de cuisine d’IBM 65
Le robot journaliste : un autre exemple de créativité de l’IA 66
CHAPITRE 3.2 L’IA une menace potentielle pour l’humanité ? 67
L’IA : Une menace pour le secteur de l’emploi ? 67
L’IA: aura pourra -t-elle se passer de l’humain ? 72
Les perspectives d’avenir de l’IA : avancée vers l’homme augmenté ? 73
74
Conclusion 75
Annexes 77
Annexe 1: La croissance de l’intelligence artificielle dans le e-commerce (infographie) 78
78
Annexe 2 : Understanding machine learning, futurism.com 79
79
Annexe 3: 20 utilisations innovantes de l’intelligence artificielle pour votre marketing,
kantarmedia.com, 28 février 2017 80

JENNIFER LUFAU 5/88
80
Annexe 4: Measuring the impact of AI on 14 global industries, infographie de TACS 81
Annexe 5: 10 chiffres à connaître sur le marché des chatbots Infographie de l’agence
CONVERSATIONNEL LYON 82
82
Annexe 6: L’Effet Longue Traîne – l’Infographie SEO, socialbistrot.com 83
83
Annexe 7: Infographie de Médiamétrie sur les attentes du consommateur et
l’amélioration du service client. 84
Bibliographie 87

JENNIFER LUFAU 6/88
Remerciements
Je tiens à remercier les personnes qui de près ou de loin ont été un réel appui pour
l’écriture de cette thèse.
Mes proches : Mes frères et sœurs, ma mère, ma nièce, mon copain, qui ont tous un
peu souffert de mon indisponibilité durant ces quelques mois de dur labeur.
Mon mentor Alexandre Stopnicki : Directeur pédagogique de l’ILV qui a su me guider
dans le processus de recherche.
Special thanks to :
Jeremy JEANJEAN
Senior Pre Sales Consultant et collègue chez IFS France
Il a accepté de faire une interview dans un délai très court et s’est
rendu disponible. Sans lui, je ne serais jamais parvenue à obtenir
cette dimension professionnelle de la thèse.
Daline LIM
Une amie précieuse qui m’a “challengée” dans les débats que
suscitent certains sujets de la thèse, et qui m’a aidée à avoir un regard
parfois plus global sur le sujet.
Daly LIM
Non, vous ne voyez pas double. Elle m’a aidée dans la relecture de
ma thèse et m’a soutenue dans la recherche tout en fournissant un
réel appui psychologique.

JENNIFER LUFAU 7/88
Introduction
Le monde de l’intelligence artificielle est un secteur qui m’était inconnu il y a encore
deux ans. Étant plus jeune, j’ai toujours été fascinée par la robotique, ne sachant pas
ce que la fabrication de robots intelligents impliquait réellement. Lors de ma
recherche d’une formation en marketing digital, je suis tombée sur le programme du
MBA MCI, qui propose non seulement une formation digitale mais également des
cours d’initiation à la robotique, et plus généralement à l’univers du numérique qui
était bien plus large et innovant que ce à quoi je m‘attendais. Ma curiosité, mélangée
à une fascination pour le secteur du digital, alliée à une envie de me jeter dans
l’inconnu, m’ont poussée à choisir cette formation.
Lorsqu’on a reçu la directive d’écrire des articles sur le blog du MBA à propos de
sujets du digital qui nous intéressent, c’est tout naturellement que j’ai choisi d’écrire
sur l’intelligence artificielle. J’avais une soif d’apprentissage en creusant le sujet et en
réalisant une veille permanente sur les avancées et les tendances de l’IA à travers
un blog scoop it, des idées et des articles enregistrés tout au long de l’année sur
Evernote, des “moments” sur twitter, des alertes Google, et la consultation de Google
trends.
Les articles du blog ont dès le début été la première étape vers l’écriture de ma thèse
professionnelle. Cette thèse est un réel challenge car elle requiert un sens de
l’organisation qui ne m’est pas inné et que j‘ai acquis au fur et à mesure. Mais le vrai
défi, est de réussir à se positionner en tant qu’experte sur un sujet que je ne
connaissais pas il y a encore quelques mois.
L’idée dans cet écrit, est de consolider les connaissances que j’ai acquises tout au
long de cette année à propos de l’IA, au profit des entreprises mais surtout au public
qui tout comme moi il y a peu, n’a qu’une vague idée de la signification de l’IA, de
son impact, et de son application en entreprise.
Cet écrit vise notamment à relier l’Intelligence artificielle au marketing et à étudier par
quels moyens l’Intelligence artificielle peut impacter les marques, plus précisément
leur Marketing. En d’autres termes, nous verrons comment l’Intelligence artificielle a
évolué au fil du temps, et comment elle va impacter le marketing à moyen et long
terme.

JENNIFER LUFAU 8/88
Le passage vers un marketing 4.0 implique de précédentes formes de Marketing.
Celui-ci a été notamment abordé par Philippe Kotler dans son ouvrage : Marketing
4.0 qui d’après lui est un procédé de marketing qui se base sur l’exploitation des
données.
Pour aborder le thème de l’intelligence artificielle, il est important d’en comprendre
ses fondements, sa valeur sur le marché et sa perception selon différents acteurs
que j’aborderai dans une première partie.
Dans une seconde partie, je montrerai concrètement comment les technologies de
l’IA peuvent influencer le marketing en ligne et terrain.
Dans la troisième et dernière partie, nous étudierons les différentes perspectives
d’avenir de l’IA ainsi que ses limites.

JENNIFER LUFAU 9/88
PARTIE 1. Guide de l’Intelligence Artificielle (IA)
CHAPITRE 1.1 Evolution historique et définition de l’Intelligence
artificielle
L'intelligence artificielle a été étudiée pendant des décennies et est toujours l'un des
sujets les plus insaisissables en informatique. Ceci en partie à cause de la taille et de
la nébulosité du sujet. L'IA va des machines vraiment capables de penser aux
algorithmes de recherche utilisés pour jouer aux jeux de société. L’IA a des
applications à presque tous les égards puisque nous utilisons des ordinateurs dans
la société. Pour comprendre le terme, il est important de disséquer le sens des mots
utilisés. Lorsqu’on parle d’intelligence, on fait référence aux capacités humaines à
analyser, raisonner, comprendre et apprendre.
La différence entre une IA et un humain serait que l’IA n’a pas d’émotions. Comme le
décrit Marvin Minsky, un des pionniers de l’IA, “la question n’est pas de savoir si les
machines peuvent avoir des émotions, la question est de savoir s’ils peuvent être
intelligents sans émotion.”
Quant à la dimension “artificielle” de l’intelligence, elle s’applique uniquement aux
programmes informatiques ou robots. Le but étant de créer des machines capables
de penser comme l’homme sans le facteur émotion.

JENNIFER LUFAU 10/88
L’histoire de l’intelligence artificielle
Histoire de l’intelligence artificielle, Production temps réel, Lyon
Le terme d'intelligence artificielle a été inventé par John McCarthy en 1956 quand il a
tenu la première conférence académique sur le sujet. Mais le voyage pour
comprendre si les machines peuvent vraiment penser a commencé bien avant cela.
Dans le travail de fond de Vannevar Bush, As We May Think, il propose un système
qui amplifie les connaissances et la compréhension des gens. Cinq ans plus tard,
Alan Turing a écrit un article sur la notion de machines capables de simuler des êtres
humains et la capacité de faire des choses intelligentes, comme jouer aux échecs.
Le test de Turing :
Le test de Turing est un objectif central à long terme pour la recherche sur l'IA. Ne
pourrons-nous jamais construire un ordinateur capable d'imiter suffisamment un
humain au point qu'un juge suspect ne puisse pas faire la différence entre l'humain et
la machine ?
En 1950, le mathématicien anglais Alan Turing a publié un article intitulé "Computing
Machinery and Intelligence" qui a ouvert les portes de ce qu’on appelle maintenant
l’intelligence artificielle. Le document lui-même commençait avec une question
simple : "Les machines peuvent-elles penser ?” Turing a ensuite proposé une
méthode pour évaluer si les machines peuvent penser, ce qui a fini par être connu
sous le nom de test de Turing. Le test, a été présenté comme un simple test qui

pourrait être utilisé pour prouver que les machines pouvaient penser. Le test de
Turing adopte une approche pragmatique simple, en supposant qu'un ordinateur
indiscernable d'un humain intelligent a effectivement montré que les machines
peuvent penser.
Approche de l’intelligence artificielle selon John McCarthy et Marvin Lee
Minsky.
John McCarthy, scientifique informatique et cognitif américain, fondateur du langage
LISP et professeur à Stanford, et entre autres fondateur du prestigieux
Massachusetts Institute of Technology (MIT) a inventé le terme Intelligence artificielle
durant ses travaux dans le domaine, qui lui ont valu de recevoir le prix Turing, la
médaille nationale de la science ou encore le prix Kyoto. C’est l’un des pères
fondateurs de l’IA dès 1956. En 1959, McCarthy et Marvin Lee Minsky,
mathématicien et ingénieur informatique également détenteur du prix Turing ont
cofondé le projet d'Intelligence artificielle (maintenant le Laboratoire d'Informatique et
d'Intelligence Artificielle du MIT). Il est rapidement devenu l'un des principaux centres
de recherche et d'entraînement pour le domaine naissant de l'IA. Minsky a défini l'IA
comme «la science de faire des machines qui font des choses qui requièrent de
l'intelligence si elles sont faites par des hommes ».
L’intelligence artificielle selon McCarthy et Minsky, « est la science et l'ingénierie de
la fabrication de machines intelligentes, en particulier des programmes informatiques
intelligents. C'est lié à la tâche similaire d'utiliser des ordinateurs pour comprendre
l'intelligence humaine, mais l'IA ne doit pas se limiter à des méthodes biologiquement
observables. »
McCarthy décrivait entre 2007 et 2011 10 différentes branches, ou concepts de l’IA :
L’IA logique :
Ce qu'un programme connaît du monde en général, les faits de la situation
spécifique dans laquelle il doit agir, et ses objectifs sont tous représentés par des
phrases d'un langage logique mathématique. Le programme décide quoi faire en
déduisant que certaines actions sont appropriées pour atteindre ses objectifs.

L’IA pour la recherche :
Les programmes d'IA examinent souvent un grand nombre de possibilités, par ex. se
déplacer dans un jeu d'échecs ou des inférences par un programme de
démonstration de théorèmes. Des découvertes sont continuellement faites sur la
façon de le faire plus efficacement dans divers domaines.
L’IA pour la reconnaissance de formes :
Quand un programme fait des observations quelconques, il est souvent programmé
pour comparer ce qu'il voit avec un motif. Par exemple, un programme de vision peut
essayer de faire correspondre un motif d'yeux et un nez dans une scène afin de
trouver un visage. Des motifs plus complexes, tels que dans un texte en langage
naturel, dans une position d'échecs, ou dans l'histoire d'un événement sont
également étudiés. Ces modèles plus complexes nécessitent des méthodes assez
différentes de celles des modèles simples qui ont été étudiés le plus.
La représentation
Les faits sur le monde doivent être représentés d'une manière ou d'une autre.
Habituellement, les langages de la logique mathématique sont utilisés.
L’inférence
De certains faits, d'autres peuvent être déduits. La déduction logique mathématique
est adéquate à certaines fins, mais de nouvelles méthodes d'inférence non
monotone ont été ajoutées à la logique depuis les années 1970. Le type le plus
simple de raisonnement non monotone est le raisonnement par défaut dans lequel
une conclusion doit être déduite, mais la conclusion peut être retirée s'il existe des
preuves du contraire. C'est la possibilité de retirer une conclusion qui constitue le
caractère non monotone du raisonnement. Le raisonnement logique ordinaire est
monotone en ce sens que l'ensemble des conclusions que l'on peut tirer d'un
ensemble de prémisses est une fonction monotone croissante des prémisses. La
circonscription est une autre forme de raisonnement non monotone.
Connaissance et raisonnement de bon sens
C'est dans ce domaine que l'IA est la plus éloignée du niveau humain, en dépit du
fait qu'il s'agit d'un domaine de recherche actif depuis les années 1950. Bien qu'il y
ait eu des progrès considérables, par ex. en développant des systèmes de
raisonnement non-monotones et des théories d'action, d'autres idées nouvelles sont
nécessaires.

Apprendre de l'expérience
Les programmes le font. Les approches de l'IA basées sur le connexionnisme et les
réseaux de neurones se spécialisent dans cela. Les programmes peuvent seulement
apprendre quels faits ou comportements leurs formalismes peuvent représenter, et
malheureusement les systèmes d'apprentissage sont presque tous basés sur des
capacités très limitées pour représenter l'information.
La Planification
Les programmes de planification commencent par des faits généraux sur le monde
(en particulier des faits sur les effets des actions), des faits sur la situation
particulière et un énoncé d'un but. De ceux-ci, ils génèrent une stratégie pour
atteindre l'objectif. Dans les cas les plus courants, la stratégie est juste une
séquence d'actions.
L’épistémologie
C'est une étude des types de connaissances nécessaires pour résoudre les
problèmes dans le monde.
L’ontologie
L'ontologie est l'étude des types de choses qui existent. Dans l'IA, les programmes et
les phrases traitent de divers types d'objets, et nous étudions ce que sont ces types
et quelles sont leurs propriétés fondamentales. L'emphase sur l'ontologie commence
dans les années 1990.
L’heuristique
Une heuristique est un moyen d'essayer de découvrir quelque chose ou une idée
intégrée dans un programme. Le terme est utilisé de diverses manières dans l'IA.
Les fonctions heuristiques sont utilisées dans certaines approches pour chercher à
mesurer à quel point un nœud dans un arbre de recherche semble provenir d'un but.
La programmation génétique
La programmation génétique est une technique pour obtenir des programmes pour
résoudre une tâche en accouplant des programmes Lisp aléatoires et en
sélectionnant les plus aptes dans des millions de générations.

CHAPITRE 1.2 Les technologies de l’Intelligence artificielle
Les composantes principales de l’intelligence artificielle, Production temps réel, Lyon
Les technologies les plus utilisées en 2017 dans le domaine de l’IA sont :
La génération de langage naturel : c’est à dire la production de texte à partir de
données informatiques. Actuellement utilisées dans le service client, la génération de
rapports et la synthèse des informations d'analyse décisionnelle.
La reconnaissance vocale : elle permet de transcrire et transformer le discours
humain en un format utile pour les applications informatiques. Actuellement utilisée
dans les systèmes interactifs de réponse vocale et les applications mobiles.
Les agents virtuels : depuis les simples chatbots jusqu'aux systèmes avancés
capables de réseauter avec les humains. Actuellement utilisés dans le service à la
clientèle et le soutien et en tant que gestionnaire de maison intelligente, cette
technologie est notamment utilisée par Amazon, Apple, Google, IBM et Microsoft.
Les plateformes de machine learning : Fourniture d'algorithmes, d'API, de kits de
développement et de formation, de données, ainsi que de la puissance de calcul

pour concevoir, former et déployer des modèles dans des applications, des
processus et d'autres machines. Actuellement utilisé dans un large éventail
d'applications d'entreprise, la plupart du temps impliquant la prédiction ou la
classification. Google, Amazon et Microsoft l’utilisent notamment.
Matériel optimisé pour l'intelligence artificielle : unités de traitement graphique (GPU)
et appareils spécialement conçus et architecturés pour exécuter efficacement des
tâches de calcul orientées AI. Actuellement en train de faire une différence dans les
applications d'apprentissage en profondeur. Exemples de fournisseurs : Google,
IBM, Intel, Nvidia.
La gestion des décisions : moteurs qui insèrent des règles et de la logique dans les
systèmes IA et qui sont utilisés pour la configuration initiale, la formation et la
maintenance et le réglage continu. Une technologie mature qui est utilisée dans une
grande variété d'applications d'entreprise, en aidant ou en effectuant la prise de
décision automatisée. Exemples de fournisseurs : Advanced Systems Concepts,
Maana, Pegasystems, UiPath.
Les plateformes de Deep Learning : un type particulier d'apprentissage automatique
composé de réseaux de neurones artificiels avec plusieurs couches d'abstraction.
Actuellement principalement utilisées dans les applications de reconnaissance et de
classification de modèles supportées par de très grands ensembles de données.
Exemples de fournisseurs : Deep Instinct, Laboratoires Ersatz, AI Fluide
Biométrie : Permettre des interactions plus naturelles entre les humains et les
machines, y compris, mais sans s'y limiter, la reconnaissance de l'image et du
toucher, la parole et le langage corporel. Actuellement utilisé principalement dans les
études de marché. Exemples de fournisseurs : 3VR, Affectiva, FaceFirst.
Robotic Process Automation : Utilisation de scripts et d'autres méthodes pour
automatiser l'action humaine afin de prendre en charge des processus métier
efficaces. Actuellement utilisé lorsqu’exécuter une tâche ou un processus est trop

coûteux pour les humains ou inefficace. Exemples de fournisseurs : Blue Prism,
UiPath, WorkFusion.
Analyse textuelle et PNL : Programmation Neurolinguistique, un nom qui englobe les
trois composantes les plus influentes impliquées dans la production de l'expérience
humaine : la neurologie, le langage et la programmation. Le système neurologique
régule le fonctionnement de notre corps, le langage détermine la façon dont nous
interagissons et communiquons avec les autres et notre programmation détermine
les types de modèles du monde que nous créons.
La Programmation Neurolinguistique décrit la dynamique fondamentale entre l'esprit
(neuro) et le langage (linguistique) et comment leurs interactions affectent notre
corps et notre comportement (programmation). Le PNL utilise et prend en charge
l'analyse textuelle en facilitant la compréhension de la structure et de la signification,
du sentiment et de l'intention des phrases grâce à des méthodes statistiques et
d'apprentissage automatique. Actuellement utilisée dans la détection de la fraude et
la sécurité, une large gamme d'assistants automatisés, et des applications pour
extraire des données non structurées.
Focus sur le machine learning
Extrait de “From Winning Go to Making Dough: What Can Deep Learning Do for Your
Business?”, Blogs.Nvidia.com, 17 Octobre 2016

Le machine learning est une sous branche de l’intelligence artificielle largement
utilisée par les entreprises pour développer des applications intelligentes. Le
machine learning permet de construire et d’étudier des systèmes qui apprennent à
partir des données fournies. La technologie est utilisée par exemple dans le cadre
d’un diagnostic médical pour répondre à la question : “s’agit-il d’un cancer ?”. Elle
apprend à partir des données qui lui sont présentées pour déterminer si un patient
souffre du cancer ou non. Le machine learning fonctionne en deux étapes :
● L’apprentissage : elle se traduit par une phase d’avant processus,
d’apprentissage et d’analyse des erreurs
Extrait de : “ Machine Learning : What it is and Why it Matters”, simplylearn.com,
Priyadharshini, 8 Novembre 2017
● La prédiction
Extrait de: “Machine Learning: What it is and Why it Matters”, simplylearn.com,
Priyadharshini, 8 Novembre 2017
En 1959, Arthur Samuel, (XXX), décrivait le machine learning comme “un domaine
d'étude qui donne aux ordinateurs la capacité d'apprendre sans être explicitement
programmé.”
Quelques applications du machine learning:

● La reconnaissance vocale : Le machine learning a été très utilisé notamment
dans la reconnaissance vocale, pour permettre de reconnaître la voix d’un
utilisateur afin de simplifier son identification.
● La recherche améliorée : grâce aux recherches précédentes d’un utilisateur,
le système va fournir de meilleurs résultats de recherche dans une tentative
de prédiction.
● La recommandation : Il est aussi utilisé dans les systèmes de
recommandation en analysant ce qui a par exemple été acheté par l’utilisateur
pour lui proposer de nouveaux produits personnalisés par rapport aux
préférences des utilisateurs.
● La vision par ordinateur : il s’agit d’une extension de l’IA et de la neuroscience
cognitive qui sert à comprendre le contenu d’une image de façon automatique.
Exemple d’utilisation du machine learning :
Extrait de quickdraw.withgoogle.com
La plateforme Quick Draw de Google
Creative Lab, accessible au public permet
de faire des dessins. L’intelligence
artificielle de Google inclue dans cette
expérience tente de deviner le dessin en
question en moins de 20 secondes. Bien
évidemment, l’IA n’est pas infaillible, mais
mémorise tous les dessins et apprend au
fur à mesure à les reconnaître. En d’autres
termes, plus les gens dessinent avec Quick Draw, plus le système apprend et
s’améliore pour deviner les dessins. Voir Annexe 2.

Focus sur le Deep learning
Le Deep Learning est une classe spécifique d'algorithmes d'apprentissage
automatique qui utilisent des réseaux neuronaux complexes. Dans un sens, il s'agit
d'un groupe de techniques apparentées comparables à un groupe « d’arbres de
décision ».
Exemple d’application de Deep learning:
Extrait de “Aipoly – A New Resource to Help Our
Visually Impaired Patients”, newgradoptometry.com,
Antonio Chirumbolo, 14 Mars 2016.
Le start up Aipoly (bientôt Poly) a créé une application mobile destinée aux
malvoyants. Basée sur l’intelligence artificielle, la principale fonctionnalité de
l’application est la reconnaissance d’images. Mais grâce au Deep learning,
l’application va plus loin et offre non seulement la reconnaissance d’objets en
mouvement en temps réel, mais aussi des actions, des animaux ou encore des
visages. L’utilisateur se sert de l’appareil photo de son smartphone et entend la
proposition de l’IA. A la différence du machine learning, le Deep learning vise à aller
plus en profondeur dans l’apprentissage mais tout comme le machine learning, le
deep learning a une fonction d'auto apprentissage.

CHAPITRE 1.3 Écosystème et marché de l’Intelligence
artificielle en France et dans le monde.
L’IA est amenée à toucher de nombreux secteurs du monde du travail, notamment la
relation client, la finance, l’automobile avec le véhicule autonome, l’éducation
numérique, la santé, l’énergie, et la robotique d’après le rapport France IA.
Extrait de “Intelligence artificielle : une
nouvelle ère pour la santé”,
transformation-digitale.pwc.fr, Noémie
Baudouin, 12 avril 2017
Le secteur de la santé :
Les grandes entreprises médicales et pharmaceutiques exploitent déjà la puissance
de l'intelligence artificielle avec d'excellents résultats. Le système Sedasys de
Johnson and Johnson a reçu l'approbation de la FDA pour délivrer automatiquement
l'anesthésie pour des procédures standard telles que les coloscopies. Un médecin
supervise plusieurs machines à la fois, ce qui rend le coût beaucoup moins cher
qu'un anesthésiste humain dédié. Il existe également de nombreux robots à
différents stades de test et d'approbation pour le diagnostic de la maladie. Dans
certains cas, comme avec IBM Watson, ces machines ont un taux de précision plus
élevé pour les diagnostics que les médecins humains.

Le manufacturing:
Extrait de “What is Korea’s Strategy to Manage the Implications of Artificial Intelligence”,
blogs.worldbank.org, Hyea Won Lee, 29 Août 2016
La fabrication a été l'une des premières industries à exploiter l'intelligence artificielle
en utilisant des robots pour assembler les produits et les emballer pour l'expédition.
Les nouveaux développements en robotique amèneront les choses au niveau
supérieur en permettant d'assembler des éléments plus compliqués, tels que
l'électronique, les voitures et même certaines maisons. Bien que de nombreuses
chaînes de production fondées sur le renseignement artificiel aient toujours besoin
de soutien et de supervision humains, nous nous dirigeons vers une industrie
manufacturière largement robotisée.

Les transports
L'une des industries les plus peuplées est aussi l'une des plus touchées par
l'intelligence artificielle. La technologie derrière les voitures autonomes peut être
appliquée au transport public, aux chauffeurs de livraison, et plus, réduisant le risque
d'accidents, allégeant la congestion du trafic, et abaissant des coûts d'énergie. Les
voitures autonomes sont en phase de test et de production précoce de sociétés
comme Google, Tesla et Uber ; On s'attend à ce que les voitures personnelles sans
conducteur soient sur le marché d'ici 2018, avec des applications commerciales pas
loin derrière. On prédit que les voitures sans conducteur économiseront 1,3 billion de
dollars américains par an d'ici 2035 à 2050, pour une économie annuelle mondiale
de 5,6 milliards de dollars.
Le service Clients.
Grâce aux développements de la personnalisation et de l'interaction humaine,
l'intelligence artificielle est plus efficace que jamais dans le service client. Digital
Genius est un chef de file du service client automatisé qui aide les entreprises à

automatiser les questions textuelles de base et à répondre aux conversations avec
les clients et à maîtriser le traitement du langage naturel et l'apprentissage
automatique pour créer des robots réactifs et conviviaux.
La finance.
Avec une quantité croissante de données financières, de nombreuses sociétés de
services financiers se tournent vers l'intelligence artificielle pour répondre à la
demande. Les robots peuvent utiliser des systèmes prédictifs et des données de
marché pour prévoir les tendances boursières et gérer les finances, souvent
beaucoup plus rapidement que leurs homologues humains. Même les conseils
financiers deviennent automatisés, avec une tendance croissante vers les « robot-
conseillers » qui dispensent automatiquement des conseils et des suggestions aux
clients financiers, en particulier ceux qui ont des problèmes financiers relativement
simples. Les robots peuvent utiliser une variété d'algorithmes pour fournir des
recommandations dépenses, épargne et habitudes d'investissement.

Le marché de l’Intelligence artificielle
Le marché de l’intelligence artificielle est en pleine croissance non seulement au
niveau des entreprises et également au niveau des consommateurs qui utilisent des
technologies d’IA à domicile. Les startups proposent des services dotés d’IA pour
faciliter la vie quotidienne des consommateurs.
En 2017, le marché de l’IA en Europe est estimé à 221 millions d’euros en Europe et
de 325 millions de dollars dans le monde en 2016. On prévoit plus de 31 milliards de

dollars de chiffre d’affaire mondial d’ici 2025. Le chiffre d’affaires généré par les
applications d’IA en entreprise a une croissance moyenne de 64% annuelle.
Voir Annexe 1.
Les principaux acteurs de l’Intelligence artificielle
On pourrait penser que le marché de l’IA est principalement détenu par les GAFAM
(Google, Apple, Facebook, Amazon, Microsoft). C’est le cas, mais en réalité, le
marché de l’IA est un secteur très concurrentiel où on retrouve également IBM,
LinkedIn, Twitter, ou encore le géant chinois Baidu. Face à ce monopole des grands
groupes, de nouveaux acteurs, plus petits cherchent à se démarquer en France.
On y retrouve notamment la startup Jam qui a créé un agent conversationnel réservé
aux millennials. Jam est un véritable “ami” qui peut prodiguer des conseils et faire
des recommandations sur tous les sujets intéressants les jeunes.

Extrait de “Overview of the French AI landscape - January 2017”, Twitter, Bpifrance Lehub”,
18 Janvier 2017
Investissement en Intelligence artificielle dans le monde
Extrait de “INFOGRAPHIE :
ARTIFICIAL INTELLIGENCE”,
bpifrance-lehub.fr, 16 Septembre
2016

80% des entreprises mondiales investissent dans une forme d’IA Aujourd’hui. Avec
270 startups dédiées à l’IA qui ont levé près de 278 millions d’euros en 2016, la
France est la seconde destination des investissements IA, derrière la Grande-
Bretagne (581 millions d’euros) mais devant l’Allemagne (187 M€) et la Belgique
(110 M€).
La recherche en intelligence artificielle en France et dans le monde :
Extrait de “INFOGRAPHIE : ARTIFICIAL INTELLIGENCE”, bpifrance-lehub.fr, 16 Septembre
2016
Les plus grands laboratoires de recherches sont l’Association for the Advancement
of artificial intelligence (AAAI), Google brain de Google, Facebook AI Research de
Facebook, Open AI, MIT, Stanford University.
En outre, plusieurs entreprises mondiales ont implanté leur R&D IA en France au
cours des dernières années, notamment Huawei originaire de Chine, mais aussi
Sony, originaire du Japon, ou encore Facebook qui a une filiale de laboratoire
présente à Paris.

“Origine des entreprises ayant implanté leur R&D IA en France”, extrait de “Intelligence
artificielle en France : la carte des laboratoires”, Journal du net, Lélia De Matharel, 14 Mars
2017.

Les investissements en IA en France :
"France already has one of the strongest AI research communities in the world"
Mark Zuckerberg
D’après le rapport de synthèse France IA, depuis 2012, les investissements dans les
startups spécialisées en IA ne cessent de croître, passant en 5 ans de 415 millions
de dollars à 5 milliards de dollars.”
Bpifrance Investissement est la plus grande structure de capital investissement dans
les PME de France. Au 30 septembre 2017, après 5 années d’activité, le fonds
Ambition Numérique de Bpifrance a investi dans 39 startups pour un montant de 175
millions d’euros.
Extrait de “Levées, acquisitions, fonds… Ceux qui font de la France un acteur sérieux de
l’intelligence artificielle”, Maddyness, Eytan Messika, cofondateur de Tech Crush 21 juillet
2017

CHAPITRE 1.4 Les tendances de l’Intelligence artificielle alliées
au marketing
Intelligence artificielle : buzzword ou réalité ?
Le terme IA est effectivement tendance. Dans mon sondage réalisé sur 37
personnes de catégorie étudiantes, 95% reconnaissent savoir plus ou moins
vaguement ce que signifie le terme.
Mon interview réalisée auprès de Jérémy Jeanjean, un passionné de l’IA, révèle que
de multiples facteurs sont derrière le buzz de l’intelligence artificielle de ces dernières
années.
“Tout d’abord nous pouvons convenir que l’Intelligence Artificielle a été portée par
nos fantasmes et le cinéma de Science-Fiction, Hollywood en premier lieu, avec des
films au nom évocateur comme « AI », ou « I-Robot », qui ont contribué à populariser
le concept d’Intelligence Artificielle et à l’ancrer dans nos esprits.”
L’intelligence artificielle n’est pas un mythe, de nombreuses avancées ont déjà été
réalisées en 2016, avec la participation des Gafas, qui s’insèrent de plus en plus
dans le quotidien des consommateurs.

Les avancées de l’intelligence artificielle en 2016, AFP, publié sur scoopnest.com, Novembre
2016
Ensuite, des avancées spectaculaires ont récemment eu lieu :
● Assistants personnels qui deviennent vraiment performants et sont de plus
en plus utilisés (Siri d’Apple, Cortana de Microsoft ou Google Now de Google,
pour ne citer que les plus connus).
● Lancements de multiples projets de véhicules autonomes, non plus
simplement dans les laboratoires de recherche, mais en test dans la vie réelle.
● Agents Virtuels (chatbots) présents sur la plupart des sites internet.
● Utilisation de la reconnaissance d’image (reconnaissance faciale en
l’occurrence) dans des produits grands public (exemple : pour ouvrir notre
session Windows sur nos ordinateurs)
● Programme Watson d’IBM qui a clairement mis en exergue les possibilités
de l’Intelligence Artificielle (et plus particulièrement du Deep Learning) dans
des domaines qui nous concernent au plus haut point, nous citoyens lambda,
comme la Santé ou la Justice.

Récemment un état, l’Arabie Saoudite, a même donné la citoyenneté à Sophia, un
robot doté d’intelligence artificielle ! Et il y aurait encore des dizaines d’autres
exemples qui pourraient être cités.
Pour résumer, l’Intelligence Artificielle fait le buzz car, depuis quelques temps, cette
technologie est devenue « mature, en tous cas elle est utilisée dans de nombreux
produits grands publics. Cela nous touche donc plus. Et si nous y ajoutons les
dimensions « fascination » et « peur » que l’IA exerce sur la population, nous avons
le parfait « buzz cocktail ».”
Marketing 4.0: nouvelle ère du marketing inspirée par l’IA
Le terme a été créé par Philippe Kotler, professeur de stratégie marketing et de
marketing international. Il est connu pour avoir écrit la bible du marketing en l’an
2000 et est aujourd'hui considéré comme étant le père du “marketing moderne”.
Dans son œuvre “Marketing 4.0, le passage au digital”, il explique que l’heure est à
intégrer le digital au sein du marketing "traditionnel".
Extrait de “Vers un marketing 10.0 ?”, Fred Cavazza, fredcavazza.net, 2 Novembre 2016
"Le marketing 4.0 est une approche marketing qui combine les interactions en ligne
et hors ligne entre les entreprises et les clients. Dans l'économie numérique,
l'interaction numérique n'est pas suffisante à elle seule. En effet, dans un monde de
plus en plus en ligne, le toucher hors ligne représente une forte différenciation. Le
marketing 4.0 allie également style et substance. S'il est impératif que les marques
soient plus flexibles et adaptatives en raison des tendances technologiques rapides,
leurs caractères authentiques sont plus importants que jamais." Philippe Kotler.

La différence avec les précédentes “ères” du marketing est que le 4.0 se base sur
l’exploitation des données et la technologie pour comprendre et anticiper le
comportement client dans une approche multicanale. En d’autres termes, les
marques devraient déployer un marketing hyper personnalisé tout en restant
authentique. C'est là que le marketing multicanal entre en jeu, avec Google
AdWords, le marketing des médias sociaux, le content marketing ou l’emailing. Les
ventes se font en ligne et les informations sont également distribuées en ligne. La
meilleure façon de faire remarquer son produit est d’attirer l’attention du
consommateur de manière différenciée, avant même qu’il n’envisage un achat.
Les tendances de l’Intelligence Artificielle en 2017
D’après Zenith (Publicis media), plusieurs grandes tendances de l’IA se démarquent
et gagnent en importance en 2017 impactant notamment son utilisation dans les
entreprises et les marketeurs pour enrichir l’expérience du consommateur. Voir
Annexe 3.

Extrait de “Tendances 2017 : Comment l’IA va impacter le marketing”, comarketing-news.fr,
5 Janvier 2017
La prédiction des besoins
L’IA va permettre une recherche plus approfondie et sera en mesure de prévoir plus
précisément les besoins du consommateur. Les recommandations proposées seront
alors « sur-mesure » et se baseront non seulement sur l’historique des sites visités
du consommateur, mais aussi sur des facteurs comportementaux. Le géant Google
développe notamment des algorithmes basés sur l’intelligence artificielle permettant
d’anticiper la recherche de l’utilisateur en se basant sur les recherches précédentes
et sur son comportement.
L’accès plus rapide au contenu.
Ces contenus permettent aux entreprises de mieux adapter leur communication
selon les variations des centres d’intérêt des consommateurs. En effet, l’IA pourra
déterminer, d’après les sources d’informations, les nouvelles tendances
consommateurs que l’humain n’aurait su déceler.
Le Story-telling cross-device.
Cette 4ème tendance va jouer un rôle sur le type de dialogue utilisé avec précision.
Les messages et offres vont varier grâce au machine learning.
Le contenu achetable.
Le contenu achetable fait référence à la possibilité d’acheter du contenu éditorial ou
du contenu de marque à partir d’une même plateforme, réduisant les démarches
d’inscription à un compte pour chaque marque, et accélérant ses démarches de
paiement. Les « algorithmes évolutifs » vont permettre une adaptation de la
navigation du consommateur.
Le Smart VR. Le développement de la réalité virtuelle via les smartphones élargit les
possibilités pour les marques. Facebook et Twitter préparent déjà des flux en direct
pour connecter des casques VR directement aux smartphones. A l’origine utilisée par

les « gamers », la réalité virtuelle donnera l’opportunité aux consommateurs
d’essayer les produits de chez eux.
Extrait de “Facebook 360 accessible en
réalité virtuelle”, blogdumoderateur.com,9
Mars 2017
Exemple : Avec Facebook 360, nouvelle plateforme de réalité virtuelle créée par
Facebook, il sera possible pour l’utilisateur de découvrir du contenu populaire,
d’interagir avec ses “amis”, tout ceci via un casque de réalité virtuel.
La montée des Chatbots.
Au travers des applications de messageries, les chatbots instaurent une interaction
entre les consommateurs et les marques afin de les accompagner sur des tâches
quotidiennes telles que les paiements et livraisons. Du côté entreprise, ces chatbots
vont réduire les coûts de support et de relation client. Outre la dimension de
l’assistance des chatbots, les robots conversationnels servent également à créer un
nouveau parcours client où la phase de recommandation est présente dès le début
des interactions.
Extrait de “CRM : Une stratégie sur mesure”, marketing-
digital.audencia.com, 16 Mars 2017

Sephora propose, à travers son bot Beauty Bot, une expérience digitale similaire à
un conseiller en magasin. Le robot pose différentes questions afin de cerner
l’utilisateur puis propose des produits et des conseils adaptés. Ainsi il permet aux
clients de découvrir les produits, d’obtenir des recommandations personnalisées et
même d’aider ceux qui sont en manque d’inspiration à trouver un cadeau idéal.
L’influence des émotions.
Aujourd’hui, la quasi-totalité des
consommateurs possède un
smartphone et les outils de
détection des humeurs se
répandent de plus en plus. Les
informations sur le comportement
et l’état d’esprit du consommateur
en temps réel peuvent être
utilisées afin de proposer des expériences plus ciblées. La technologie de
reconnaissance des émotions permet aux développeurs de former des machines
pour apprendre les modèles faciaux et comprendre les émotions basées sur les
réactions des utilisateurs. Le but de cette recherche est de développer des
expériences utilisateur personnalisées qui peuvent aider à améliorer des vies.
Le jeu de thriller psychologique Nevermind utilise le plug-in Unity de reconnaissance
d’émotions d'Affectiva pour détecter les expressions faciales d'un joueur à la
recherche de signes de détresse émotionnelle, et pour adapter le jeu en
conséquence.
Le pricing ou la tarification dynamique.
Grâce aux algorithmes, les tarifs peuvent être automatisés selon la demande. Cette
pratique consiste à déterminer les prix selon la capacité et la volonté de payer d’un
client. Cette stratégie repose sur l’offre, la demande et la durée de vie du produit.
Cette méthode est d’autant plus efficace grâce aux évolutions d’Internet, des outils
informatiques et notamment de l’intelligence artificielle qui permettent des capacités
de calcul peu coûteuses et de plus en plus rapides.

Le pricing dynamique peut se rapporter au yield management pratiqué depuis
longtemps dans l’hôtellerie et le transport. En effet, le secteur du tourisme est
dépendant des saisons, des événements, des conditions météorologiques. Le yield
management permet alors de vendre à bas prix des chambres d’hôtels, des billets
d’avion ou des billets de train en période de basse saison.
D’après une étude de Profiteo en 2013, le champion du pricing dynamique serait
Amazon qui compte des prix changeants jusqu’à 2.5 millions de fois par jour. Le
pricing dynamique s’étend également à la restauration et aux assurances et permet
de relancer des activités telles que l’industrie du spectacle. La tarification dynamique
permet de générer des profits à partir des marges et d’attirer la clientèle avec des
prix toujours plus attractifs mais en corrélation avec le marché.
A titre d’exemple, Uber fait monter les prix en période de pointe et pratique le “surge
pricing”, qui consiste à augmenter les tarifs
en fonction de l’affluence de consommateurs
dans un même lieu. Ce procédé permet de
répondre à une plus grande demande en
proposant des tarifs plus attractifs pour les
conducteurs. Cependant, lors des
catastrophes naturelles et des menaces
terroristes, ce procédé a attiré de
nombreuses critiques qui ont poussé Uber à limiter à 3.5 fois la possibilité
d’augmenter ses tarifs.

L’assistance automatisée.
Les robots serviciels font leur apparition dans la distribution et l’accueil. Avec des
informations sur la situation des stocks en temps réel, les offres de réductions
peuvent être mises en place. Ces robots sont notamment sollicités dans le secteur
de la santé.
L'assistant humanoïde Pepper est le premier robot au monde à être utilisé pour
accueillir des personnes dans un cadre médical. Le robot prend ses fonctions de
réception dans les hôpitaux d'Ostende et de Liège.
L'humanoïde expressif, qui a été
développé par la société japonaise
SoftBank Robotics, est conçu pour
identifier et réagir aux émotions
humaines. En 2016, Pepper a été
inscrit à des cours à l'école secondaire
Shoshi de Waseda, dans la préfecture
de Fukushima au Japon, ce qui en fait
le premier robot à « étudier » aux côtés
d'étudiants humains. Ses créateurs SoftBank affirment qu’il pourrait aussi devenir un
compagnon dans nos maisons dans le futur. Equipé d'une caméra et de capteurs,
Pepper peut réagir aux émotions humaines en offrant du réconfort, ou en riant s'il
raconte une blague.

PARTIE 2. Comment les entreprises intègrent
l’Intelligence artificielle dans leurs stratégies
marketing
Des spécialistes ont créé les 5P du Marketing de l’intelligence artificielle, en
référence aux 4 P du marketing traditionnel. Ces 5 P pourraient constituer un modèle
ou un guide de début pour les entreprises afin d’exploiter le potentiel de l’IA dans leur
marketing.
Extrait de “marketingaiinstitute.com”, The 5Ps of Marketing Artificial Intelligence, 20
Septembre 2017
Planification : Prédire les comportements des consommateurs, définir des
stratégies, hiérarchiser les activités et déterminer comment allouer les ressources
marketing.
● Déterminer les objectifs
● Construire des persona d'acheteur.
● Découvrir les mots clés et les groupes de sujets.
● Analyser le contenu existant pour les lacunes et les opportunités.

● Déterminer les sujets du calendrier éditorial.
● Capturer l'intelligence compétitive.
● Bases de données de contact de segment.
● Identifier les entreprises et les contacts les plus susceptibles de se convertir
● Prédire les chemins de conversion et les points le long du parcours de
l'acheteur.
● Prédire le désabonnement.
● Prescrire des stratégies et des tactiques de marketing.
● Attribuez un budget numérique payant par canal et auditoire.
Production : Créer, organiser et optimiser du contenu, y compris des articles de
blog, des courriels, des pages de destination, des vidéos et des publicités.
● Projet de mise à jour des médias sociaux.
● Ecrire du contenu axé sur les données.
● Optimiser le contenu pour les moteurs de recherche
● Curation de contenu.
● Développer une copie publicitaire et créative
● Écrire des lignes d'objet d'email.
● Écrire les workflows d'email de nourriture/vente.
● Convertir la voix en texte et le texte en voix.
● Reconnaître, catégoriser et marquer automatiquement les images.
● Analyser (et noter) le texte pour la grammaire, le sentiment, le ton et le style.
Personnalisation : personnalisation des expériences des consommateurs grâce à
des courriels intelligemment automatisés, à des recommandations sur le contenu et
les produits, à l'AR / VR et aux expériences Web.
● Recommander un contenu très ciblé.
● Fournir des recommandations de produits prédictifs.
● Personnalisez le contenu, les offres et les expériences Web avec des images,
du texte et des CTA.
● Engager les utilisateurs à travers les robots et le chat.

● Diffuser des annonces contextuelles basées sur l'historique des utilisateurs et
des données de type "look-a-like".
● Répondez aux questions vocales et textuelles.
● Fournir des résultats de recherche personnalisés
● Personnalisez et optimisez le temps d'envoi des emails.
Promotion : Gestion des promotions inter-canaux et multi-appareils pour stimuler
l'engagement et les actions, y compris le ciblage d'audience, la publication sociale et
la gestion des médias numériques payants.
● Ajuster les dépenses publicitaires numériques en temps réel par canal et par
audience.
● Optimiser les campagnes cross-canal
● Tester les titres, les pages de destination, les images et les créations.
● Planifier des actions sociales.
● Améliorer la délivrabilité des emails
● Fournir des annonces (re) ciblées.
● Transformer les données en intelligence grâce à des récits et des idées
automatisés, et utiliser cette intelligence pour optimiser les performances.
● Mener et adapter continuellement le système de notation principal.
● Surveiller les activités et les résultats.
● Découvrir les informations issues des analyses.
● Performance de prévision.
● Rédiger des rapports de performance.

CHAPITRE 2.1. Comment l’Intelligence artificielle bouleverse la
recherche sur internet
Google ou le monopole des moteurs de recherche
De nos jours la recherche sur Internet se fait principalement sur Google. D’après
Statcounter en Novembre 2016, la part de marché de google en France était de
94.1%, 93% en Europe, et de 92.9% dans le monde. Google compte près de 100
milliards de requêtes par mois et 30 milliards de pages y sont indexées. Sans oublier
que 54% des utilisateurs utilisent Google Chrome pour leur navigation internet.
On observe un monopole de l’internet de la part de Google, surtout depuis que le
géant fait partie du groupe Alphabet, permettant ainsi d’étendre son activité
notamment avec Gmail pour la gestion des emails, Google Calendar pour la gestion
du calendrier, ou encore google Drive qui permet le stockage et l’édition de
documents.
Les chiffres sont sans surprise, mais néanmoins renversants. Les sites web
deviennent quasiment dépendants de Google et se doivent d’y être bien référencés
pour assurer leur visibilité sur Internet.
Comment s’assurer un bon positionnement sur Google aujourd’hui ?
La première étape pour les sites est de s’assurer d’être correctement indexés sur
Google, c’est à dire d’y être simplement présent. Le processus se fait
automatiquement en laissant google parcourir les pages, mais cela peut également
prendre plusieurs jours, semaines ou mois.
La deuxième étape, la plus importante, est d’améliorer le SEO (référencement
naturel) de son site web, c’est à dire de se rapprocher au maximum des critères de
visibilité sur Google en intégrant un titre et un contenu pertinent, des liens et images
de bonne qualité, et des mots clés adéquats. Au cours de ces dernières années,
Google a utilisé différents algorithmes pour le référencement des sites et leur
positionnement de haut en bas.

Introduction des algorithmes de Google :
Extrait de “Est-ce que les algorithmes Google pénalisent mon site ?”, doingenia.com, 14
Décembre 2016
Les algorithmes les plus connus sont Panda et Pingouin. L’algorithme Panda
sanctionne les sites de mauvaises qualités au contenu de faible valeur ajoutée.
Ceux-ci sont par exemple, les sites publiant du contenu pour générer des revenus
publicitaires ou bien des sites dupliquant du contenu déjà existant ainsi que les
comparateurs de prix.
L’algorithme Pingouin s’attaque aux sites « suroptimisés pour le SEO » dans le but
de booster leur référencement. Cette technique consiste à multiplier des liens
sortants (netlinking) non justifiés, mais de multiplier les liens entrants issus d’autres
sites (backlinking), enfin de décliner un contenu identique sur différentes pages d’un
site.
Les formules des algorithmes de Google sont évidemment secrètes, et évoluent au fil
du temps selon les critères de Google. Il est donc impératif pour les sites de mettre à
jour leur site régulièrement, d’autant plus que Google a décidé d’intégrer de
l’intelligence artificielle à ses algorithmes.

L’intégration de l’intelligence artificielle dans Google avec Rank Brain :
Extrait de “Google’s RankBrain: Connecting Complex to Relevant” brownbagmarketing.com,
24 Juillet 2017
Rank Brain est un système d'intelligence artificielle qui aide Google à traiter certains
de ses résultats de recherche, en particulier des requêtes rares ou uniques. Il a été
lancé au début de 2015 et est utilisé dans le monde entier par Google. Son seul but
est d'aider Google à fournir des résultats plus précis et une meilleure expérience
globale de recherche pour les utilisateurs, satisfaisant leurs requêtes. Greg Corrado,
ingénieur chez Google, explique : “Si l’algorithme Rank Brain identifie un vecteur peu
courant, qu’il ne connaît pas, il va essayer de “deviner” son sens au travers d’autres
vecteurs approchants. Il va ainsi se perfectionner pour de nouvelles analyses, etc.”
Le système utilise 200 critères pour évaluer comment classer les sites sur Google.
Rank Brain vise principalement à aider à affiner les requêtes que Google traite, mais
la société affirme que le système est également utilisé pour aider à classer les pages
Web. En fait, Google affirme que Rank Brain est son troisième facteur de classement
le plus important. Il est important de noter que Rank Brain n’est pas l’unique
algorithme de recherche de Google, mais plutôt une branche de l’algorithme dédiée
à la recherche qui n’est autre que Hummingbird (Colibri).
La technologie Rank Brain utilise une forme de machine learning (système auto-
apprenante) basée sur un réseau neuronal informatique permettant :
● D’interpréter la requête de l'utilisateur
● De déterminer l'intention de recherche
● De sélectionner les résultats (éléments) des bases de données

Prenons l’exemple d’une requête simple sur Google avec les mots “le pianiste”. A
gauche, où l’utilisateur a l’intention de retrouver un film. A droite, essayons la requête
“un pianiste” pour analyser les différences dans les résultats.
On observe un peu plus d’un million de résultats pour “le pianiste” contre plus de 5
millions pour “un pianiste. Rank Brain a réussi à prédire l’intention de recherche de
l’utilisateur d’une façon très précise en connectant “le pianiste” au film du même
nom. Tandis que pour “un pianiste”, les résultats sont plus nombreux mais
néanmoins pertinents.
Rank Brain fait partie de l'algorithme de base et est utilisé par Google pour toutes les
recherches, ce qui signifie qu'il y a des changements et des fluctuations constants.
Cela signifie que les résultats de la recherche sont maintenant réactifs aux
événements du monde réel, et beaucoup plus volatils en dehors des grandes
annonces de mise à jour de l'algorithme. En 2015, quelques mois après son
lancement, Rank Brain représentait officiellement 15% des requêtes, c'est-à-dire 450
millions de requêtes par jour.
Cependant, Rank Brain ne se présente pas comme un algorithme classique comme
Panda et Penguin. Avec les algorithmes classiques, il était possible d’éviter les
pénalités Penguin et grâce aux consignes, les spécialistes ont su comment satisfaire
Panda. Rank Brain, d'un autre côté, est un modèle d'interprétation qui ne peut pas
être optimisé spécifiquement.

L’IA contribue à l’amélioration de la stratégie de contenu des sites
Aidé de l’IA, le domaine du référencement continuera à devenir de plus en plus
technique. Dans le but de faciliter la recherche des utilisateurs et de fournir des
résultats toujours plus pertinents, Google promet des changements à venir sur Rank
Brain. Cela commence avec la croissance du facteur “pertinence” qui obligera les
sites à s’adapter aux critères Google. Parmi les futures fonctionnalités de Rank
Brain, l’une est de scanner et de lire les images présentes sur les sites pour mieux
les faire apparaître dans Google. Autrement dit, les sites devront nommer leurs
images de façon à les décrire, et qu’elles soient en cohérence avec le contenu du
site, à travers des mots clés. Voir annexe 6.
Il devient donc essentiel pour les sites de fournir et nommer des images et des
vidéos de bonne résolution et de bonne taille afin qu’elles soient plus légères. Tout
cela permet non seulement un chargement plus rapide des pages, mais aussi une
expérience utilisateur plus user friendly (adaptée à l’utilisateur). Les marketeurs
devront faire un réel travail de réécriture, non seulement du contenu, en le
réadaptant avec des mots clés pertinents et en adéquation avec les recherches des
utilisateurs, mais également des images, en les décrivant, pour être référencé dans
google images.
Les spécialistes du Marketing avancent également la possibilité pour les algorithmes
futurs de Google, de fournir des données, qui permettraient d’influencer l’acte d’achat
ou les conversions en temps réel. Ils pourraient donc se servir de ces algorithmes
pour mettre en place une stratégie d’analyse prédictive. Cela signifie que la mise à
jour des réponses automatisées et des termes de recherche se produira
instantanément, en parcourant en quelques secondes ceux qui auront le retour sur
investissement le plus élevé. Ce développement modifierait sans doute la stratégie et
l'analyse des termes de recherche (et donc du SEO) pour les années à venir.

L’optimisation du SEO par la recherche vocale
Dès 2014, 55% des adolescents et 41% des adultes utilisaient déjà la technologie
vocale quotidiennement. Les adultes l'utilisent pour dicter des textes, illustrant un
désir d'éviter de taper sur de petits appareils. Les adolescents l'utilisent pour obtenir
de l'aide pour leurs devoirs, ce qui démontre une adoption précoce de la technologie
vocale pour la recherche organique. Et ces statistiques ont été recueillies avant la
prolifération des dispositifs d'assistant personnel à commande vocale.
Extrait de “RE-WORK Virtual Assistant Summit Presentation Notes”, 21 Février 2016
Les assistants personnels sont maintenant inclus par défaut sur les smartphones.
L'Echo d'Amazon était le produit le plus vendu pendant la saison des vacances 2016.
Les ventes d'appareils Google Home et Amazon Echo devraient dépasser les 24
millions cette année.
Au fur et à mesure que l'adoption des dispositifs d'assistant personnel continue
d'augmenter, les gens seront de plus en plus habitués à utiliser la technologie à
l'aide de commandes vocales. Cette familiarité se traduira inévitablement par une
recherche organique, en raison du dénominateur commun de la raison pour laquelle
chacun utilise la technologie vocale : la facilité d'utilisation.
Pour se préparer à l'impact de la recherche vocale sur le SEO, les marketeurs
doivent maintenant prendre des mesures pour commencer à optimiser les requêtes

vocales. Il existe trois façons principales d'optimiser le contenu du site pour la
recherche vocale :
● Se concentrer sur le mobile : Les recherches vocales sont plus susceptibles
d'être menées sur des appareils mobiles, l'optimisation mobile est donc plus
importante que jamais. Mais celle-ci va au-delà de la simple conception
“responsive”. Les marketeurs doivent améliorer les vitesses de chargement
des pages, supprimer les interstitiels intrusifs, abandonner les menus de
navigation déroulants et formater les vidéos en plein écran en mode vertical
pour améliorer l'expérience utilisateur mobile.
● Cibler les mots-clés à longue traîne : Les requêtes de recherche vocale sont
plus susceptibles d'être plus longues que leurs équivalents textuels et utilisent
un langage plus conversationnel. Il appartient au marketeur de trouver des
mots clés à longue traîne pertinents et de les cibler dans le contenu du site
pour répondre aux requêtes en langage naturel.
● Cibler les extraits sélectionnés : Lorsqu'un extrait vedette est rempli pour une
requête, les appareils de recherche vocale lisent l'extrait et la source à voix
haute. C'est un énorme boost pour la reconnaissance de la marque et de
l'autorité, car Google estime qu’une entreprise est “experte.”
La recherche vocale est utilisée par des
personnes de tout âge à la maison, dans la
voiture et au bureau. Et la montée en
puissance des dispositifs d'assistant
personnel, combinée à l'amélioration de la
précision de la technologie de
reconnaissance vocale, continuera à stimuler
l'adoption de la recherche vocale jusqu'à la
fin de la décennie. Les marques B2B ne sont
pas exemptes de l'impact de la recherche
vocale sur le comportement des utilisateurs,
et ces entreprises devraient prendre le temps
de se concentrer sur l'optimisation de la recherche vocale.

La recherche visuelle : futur de la recherche sur internet ?
“Le futur de la recherche se développera en grande partie via des images plutôt que
des mots-clés”, Ben Silberman, CEO et fondateur de Pinterest.
En effet, beaucoup d’entreprises l’ont déjà compris. L’intelligence artificielle a le
potentiel de développer la recherche visuelle, notamment dans le secteur du e-
commerce.
● Plus de 40 milliards d’images ont été partagées sur Instagram à ce jour.
● Cette année, on recense 70% des marques qui utilisent Instagram.
● 75% des utilisateurs visitent un site web après l’avoir vu sur Instagram.
● Pinterest a plus de 150 millions d’utilisateurs actifs par mois.
● 87% des “pinners” ont acheté un produit repéré sur le site.
La recherche visuelle est ce que les acheteurs modernes attendent. Ils bénéficient
déjà de nombreuses commodités rendues possibles par les dernières innovations
technologiques. La startup suisse Fashwell,société de reconnaissance d'image B2B,
propose depuis plus de trois ans des solutions de recherche visuelle et de
recommandation pour les meilleurs détaillants de mode, marques et sites de e-
commerce du monde via le machine et le deep learning.

CHAPITRE 2.2 L’Impact de l’Intelligence artificielle sur la
relation client
Les failles du service client classique
Les clients satisfaits sont des clients qui reviennent. Les clients insatisfaits du service
client proposé par les entreprises estiment qu’il y a encore trop d’efforts à fournir
pour recevoir un service adapté. Le baromètre AFRC de l'effort client, réalisé par
Médiamétrie, permet de mesurer à partir du CES (Customer Effort Score), l'effort des
consommateurs dans leurs parcours client selon plusieurs critères :
● Le temps d’attente
● L’effort financier
● L’effort physique
● L’effort cognitif
● La lourdeur du parcours client
● L’effort relationnel
La gestion de la relation client (Customer Relationship Management : CRM) est
essentielle pour chaque entreprise. Le CRM ou la construction et l'entretien des
relations avec les clients, a toujours fait partie intégrante de la réussite des
entreprises. Et comme les marchés sont de plus en plus encombrés, la fidélisation
de la clientèle par l'installation d'un système CRM qui permet de communiquer
efficacement avec les clients pour répondre à leurs besoins et préoccupations est
devenue de plus en plus importante en cette ère des médias sociaux.

Le cabinet de conseil et de développement Ruby Garage estime qu’en 2020, les
clients géreront 85% de leurs relations avec les entreprises sans interagir avec un
être humain.
Service client : les attentes des consommateurs
Le service client est l'un des services les plus gourmands en ressources d'une
entreprise. En plus de recevoir et de répondre aux appels téléphoniques, aux
courriels et aux conversations des clients, ils doivent également communiquer avec
les autres services de l'entreprise.
Au fur et à mesure que l’entreprise grandit, les besoins en ressources humaines
augmentent. Les entreprises ont alors besoin de plus en plus de personnes pour
gérer la multitude de tâches liées au support client, ce qui implique d'engager plus de
personnel, ce qui implique également une augmentation des salaires et des frais
généraux.
De plus, au cours des dernières années, il y a eu un changement important dans la
façon dont les gens passent leur temps en ligne, car les gens passent maintenant
plus de temps sur les applications de messagerie (WhatsApp ou Messenger) que sur
les médias sociaux.
L'augmentation continue des applications de messagerie a conduit la population à ne
pas aimer faire des appels téléphoniques et envoyer des courriels pour répondre à
leurs préoccupations de base. Les clients demandent une réponse rapide. Une étude
a révélé que 42% des clients s'attendent à une réponse dans les 60 minutes, tandis
que 32% s'attendent à une réponse dans la moitié de ce temps.
Ce développement a rendu d'autant plus important pour les entreprises de créer des
plateformes qui leur permettent d'être là où se trouvent leurs clients.
Une enquête récente a révélé que près de 64% des consommateurs étaient d'accord
pour que les entreprises soient accessibles via des applications de messagerie.

Les chatbots : une solution d’Intelligence Artificielle qui améliore le CRM
des entreprises
Il ne fait aucun doute que les chatbots, ou programmes qui utilisent l'intelligence
artificielle et des scripts informatiques bien pensés pour offrir une expérience
semblable à une messagerie instantanée entre humains, deviendront la norme de
l'industrie dans les années à venir. C'est une partie intégrante du commerce
conversationnel qui maintient le marketing en ligne personnalisé et interactif.
En tant que l'une des applications les plus courantes de l'IA dans les affaires, les
chatbots sont utilisés pour fournir une assistance aux clients. L'avantage d'utiliser les
chatbots pour gérer les requêtes des clients est qu'ils peuvent apprendre à répondre
de manière spécifique et qu'ils peuvent gérer des millions de requêtes à la fois.
Les Chatbots peuvent être utilisés pour répondre aux questions les plus génériques
que les centres de service client reçoivent : « Comment retourner un produit ?», « Où
se trouve la succursale la plus proche ?» Et « Quand la dernière version du produit
est-elle diffusée ? Ensuite, lorsque les questions deviennent plus difficiles à résoudre
pour un chatbot, un représentant du service clientèle peut intervenir et gérer la
requête. De cette façon, le CRM est réellement amélioré car un volume accru de
requêtes est traité en moins de temps. Voir Annexes 6 et 7.
Qui sont nos clients ? Et quand est-ce qu'ils ont visité notre site web ? Ce sont des
détails essentiels à connaître pour les marques. L'IA peut extraire de grandes
quantités de données et les transformer en rapports très lisibles. Cela s'est avéré

être vrai à maintes reprises à mesure que des rapports, des articles et des livres
écrits par des ordinateurs sont de plus en plus produits et jugés exacts, bien écrits et
indiscernables du travail humain. Cela fait gagner du temps au personnel et fournit
des détails essentiels aux clients. Si les données n'ont pas été achetées par un client
dans un certain délai, un e-mail ou un SMS peut être automatiquement envoyé pour
lui rappeler les offres spéciales et les remises.
Etude de cas : Voyages SNCF
Situation Démarche de curiosité inspirée dès 2015 par le développement de chatbots
chez les GAFA
Défi - Offrir une expérience de conversation personnalisée à chaque
utilisateur, donnant l’impression de converser avec un humain
- Répondre aux questions et aux besoins spécifiques de chaque
utilisateur
- Créer un nouveau canal d’acquisition
Implémen
tation
Conception du chatbot Voyages SNCF par différentes phases :
- Observation de conversations terrains, téléphoniques et online
- Proof of concepts (POC) sur Facebook messenger et amazon Echo
- Ateliers de Design thinking avec test de scénarios
- Industrialisation : recrutement de 10 personnes (UX et UI designer,
développeurs, Product owner, scrum master, concepteur rédacteur
- Go live
Résultats
et étapes
suivantes
- Résultats : Chaque semaine, plus de 2 000 billets de train TGVMax
sont réservés par ce canal
- Next step : Grâce à l’IA, le chatbot va progressivement compléter sa
compréhension du besoin en questionnant l'utilisateur, pour affiner sa
proposition et expliquer pourquoi la réponse qu'il apporte est la plus
pertinente.

CHAPITRE 2.3 L’Intelligence artificielle au service de
l’expérience client : en magasin et sur le web
La notion de User experience (UX) et de User interface (UI) :
La première exigence pour une expérience utilisateur exemplaire est de répondre
aux besoins exacts du client. La véritable expérience utilisateur va bien au-delà de
donner aux clients ce qu'ils
disent vouloir, ou de fournir
des fonctionnalités de liste de
contrôle. Afin d'obtenir une
expérience utilisateur de
haute qualité dans les offres
d'une entreprise, il est
nécessaire de fusionner les
services de plusieurs
disciplines, y compris
l'ingénierie, le marketing, le design graphique et industriel et la conception
d'interfaces. Il est important de distinguer l'expérience utilisateur totale de l'interface
utilisateur (UI), même si l'interface utilisateur est une partie extrêmement importante
de la conception.
Nous devrions également distinguer l’UX et la facilité d'utilisation. Pour qu'il y ait une
expérience utilisateur significative et utile, l'information doit être :
● Utile : Le contenu doit être original et répondre à un besoin
● Utilisable : le site doit être facile à utiliser
● Souhaitable : Image, identité, marque et autres éléments de design sont
utilisés pour évoquer l'émotion et l'appréciation
● Localisable : Le contenu doit être navigable et localisable sur place et hors
site
● Accessible : Le contenu doit être accessible à tous
● Crédible : Les utilisateurs doivent faire confiance et croire ce que vous leur
dites

Expérience client : l’exemple d’IFS Applications
L’expérience client est un facteur essentiel que ce soit en ligne ou en magasin. Il est
important pour les marketeurs de proposer une expérience unique pour le client.
La notion d’UX et d’UI doit être applicable pour tout type d’entreprise qui existe en
ligne ou en magasin.
Dans le domaine de l’industrie, prenons l’exemple d’IFS World, un des leaders
mondiaux d’édition de logiciels de gestion d’entreprise. IFS investit dans la recherche
pour promouvoir les meilleures interfaces de gestion d’entreprises via un laboratoire
(IFS Labs).
IFS propose des solutions dans le domaine de l’ERP (Enterprise Resource
Planning), dont IFS Applications 9, un progiciel qui permet de gérer et suivre au
quotidien, l'ensemble des informations et des services opérationnels d'une entreprise
via un CRM, la gestion des ressources humaines ou encore de planning.
A l’échelle de l’industrie, quelles sont les opportunités que crée l’IA dans une
entreprise comme IFS ? Quelles sont les opportunités que cela représente pour IFS,
dans le développement même de ces produits, à savoir des logiciels de gestion ?
Jeremy Jeanjean, Consultant Senior chez IFS répond :
“Pour répondre à la première partie de la question, nous pourrions imaginer que
dans le futur, nos logiciels (IFS Applications) embarquent de l’IA afin d’étudier le
comportement des utilisateurs, et donc, de s’adapter à chacun. S’adapter à chaque
personne, à chaque individu. Comprendre que Jean-Luc du service comptabilité
arrive en général vers 9h15, puis ouvre son logiciel et vérifie tels éléments puis tels
autres, avant de lancer une analyse des transactions en devise sur la zone Asie.
Comprendre que sa collègue Awa, qui occupe pourtant le même poste que lui, a des
habitudes de travail différentes. En effet elle est plus jeune et utilise donc son
smartphone durant son trajet en RER pour anticiper certaines tâches qu’elle aura à
faire dans sa journée, comme par exemple autoriser le paiement des notes de frais
des collaborateurs.
Tous ces éléments permettraient donc de comprendre comment nos clients,
comment chaque individu chez nos clients, utilisent nos produits. Et donc d’adapter
ces derniers à chacun. Par exemple, quand Jean-Luc se connecterait à l’application,

de lancer automatiquement un tableau de bord concernant les 3 ou 4 éléments qu’il
contrôle en général le matin. Pour Awa, nous pourrions même imaginer que l’analyse
de son utilisation de notre application pour smartphone permette d’adapter
automatiquement les informations visibles en un coup d’œil : en effet pourquoi
afficher des données qu’elle ne regarde jamais, autant lui présenter seulement les
éléments qui sont important pour elle.
Cas d’application possible de l’IA, IFS France, Production temps réel, Lyon
Sans forcément nous projeter aussi « loin » dans l’utilisation de l’IA, nous pouvons
aussi prendre l’exemple d’IFS Talk. IFS Talk est un assistant personnel que notre
cellule de recherche expérimentale, IFS Labs, a développé. Cet assistant se
présente sous la forme d’une application Androïd, avec laquelle l’utilisateur peut
dialoguer. Nous pouvons lui poser des questions, par exemple « Combien de
pompes industrielles sont en cours d’achat ? » « Quel est le statut de la commande
numéro 412 ? ». Mais nous pouvons aussi interagir avec le système, par exemple
demander de « valider la commande numéro 412 ». IFS Talk nous parle, nous
comprend, réalise des recherches, fait des actions, etc. Cela ouvre un champ des
possibles très vaste : utilisation en mobilité (par exemple quand nous conduisons),
utilisation « sans les mains » (exemple : pendant qu’un technicien fait une réparation
il peut dicter le rapport d’intervention à IFS Talk), ouverture vers les personnes en

situation de handicap (une personne malvoyante ou ne pouvant pas taper sur un
clavier d’ordinateur pourrait travailler sur le logiciel en utilisant simplement sa voix),
etc.”
IFS fait donc appel à des solutions innovantes afin de proposer des services adaptés
à l’utilisateur qui ont pour but de fournir une expérience utilisateur évolutive,
adaptable et cohérente selon les comportements et les besoins de l’utilisateur.
L’importance d’un parcours client multicanal, cross canal et “seamless”
Si l’approche User et mobile Friendly est déjà d’actualité, il est important de continuer
sur cette voie, notamment en optimisant les sites afin qu’ils soient adaptés à tous les
supports : mobiles, tablette et desktop. Avec la disruption des modes de
consommation, l’approche ATAWAD (Any Time Any Where Any Device), a pris de
l’ampleur, l’internaute étant connecté, il est essentiel de lui fournir une expérience de
navigation optimale.
Il existe des moyens très pratiques pour les détaillants d'appliquer l'IA et, plus
particulièrement, l'apprentissage automatique, à la vente au détail aujourd'hui. Par
exemple, l'apprentissage automatique peut aider les spécialistes du marketing à
comprendre la dynamique de chaque client, non seulement en fonction du

comportement d'achat précédent, mais aussi en apprenant comment leurs goûts,
leurs humeurs et leurs comportements changent et évoluent avec le temps.
En comprenant la dynamique de chaque client, les détaillants peuvent plus
facilement déplacer les acheteurs du Point A vers un Point B plus optimal. Le
machine learning peut vous informer des messages marketing à livrer à des
consommateurs spécifiques ou groupe de consommateurs au fil du temps pour les
déplacer dans la direction souhaitée. Adopter une approche d'apprentissage
automatique du marketing aide déjà les utilisateurs précoces à maximiser la
fréquence d'achat des clients, sans déclencher la lassitude des consommateurs
générée par les recommandations orientées vers les rétroviseurs fournies par les
solutions traditionnelles d'analyse prédictive et de personnalisation.
L’IA au service du retail
L’expérience d'achat, à la fois sur les canaux digitaux et en magasin, peut varier
considérablement entre les retailers car les fournisseurs abordent le parcours client
de différentes manières. Cependant, l'intelligence artificielle devient de plus en plus
un outil commun utilisé dans le secteur du commerce de détail. L’IA commence à
bousculer le secteur du commerce de détail et il existe de nombreuses façons
d'utiliser l'IA à l'avenir pour augmenter les revenus des détaillants et améliorer le
niveau d'expérience client, notamment dans la gestion des stocks avec la
technologie RFID.
Extrait de “RFID: New Tag Technology Will Elevate Target’s Guest Experience”,
corporate.target.com, 29 Mai 2015
Les systèmes d'IA efficaces recherchent des schémas récurrents pour éviter les
ruptures de stock et les démarques inutiles, par exemple en promouvant des lignes

de vente à des prix défiant toute concurrence qui, autrement, devraient être écartées
plus tard. Non seulement cette technologie de pointe saura quand les étagères sont
vides, mais surtout, elle prévoira ce qui va se passer ensuite.
La technologie RFID permet :
● Un gain de temps passage en caisse
● La prévention des pertes/vols
● La gestion des stocks précis en temps réel
Le concept de Retailtainment
Les smartphones sont omniprésents, lorsque nous faisons des achats et pourraient
être le meilleur levier d’amélioration de l’expérience en magasin. Alors, comment les
détaillants peuvent-ils en profiter pour améliorer l'expérience des clients lorsqu'ils
sont en magasin ? Cela passe par une stratégie de réenchantement en magasin,
notamment en alliant le digital au monde physique, concept appelé “phygital”.
Le retailtainment est considéré comme une tendance moderne qui combine des
opportunités de shopping et de divertissement pour se connecter efficacement avec
les gens. Les stratégies Retailtainment sont utiles pour les détaillants qui recherchent
des canaux de distribution traditionnels, car les éléments tels que la couleur,
l'éclairage et le merchandising visuel peuvent influencer les décisions d'achat des
acheteurs, plus encore que le produit lui-même.
Les challenges de l’expérience client
Les centres d'appel, les sites Web, les courriels, les applications, etc. ont permis aux
entreprises d'adapter et d'automatiser l'engagement des clients tout en introduisant
des efficacités de processus et des systèmes de gestion des coûts. Mais cela a
également un coût. Au fil des années, de nombreux clients se sont plaints que ces
mêmes processus et systèmes sont précisément ce qui entrave ou nuit à la
satisfaction.
Le défi de l’IA au niveau de l’expérience client est de répondre aux attentes des
utilisateurs dont l’exigence ne fait que croître. Plusieurs critères se démarquent parmi
les exigences des utilisateurs : le temps, la courtoisie et la personnalisation. Tout
d’abord le temps qui est précieux pour le client : l’attente est longue pour obtenir une

réponse lorsque le client appelle, envoie un e-mail ou encore un courrier. La qualité
du service client n’est-elle non plus pas toujours au rendez-vous. Celle-ci varie selon
l’humeur des interlocuteurs. Et enfin, le client veut se sentir particulier, et bénéficier
d’un service personnalisé.
Malheureusement, les choses ont toujours été lentes à évoluer ou à s’améliorer
parce qu'elles sont souvent considérées comme des centres de coûts plutôt que
comme des investissements. Cependant, l'IA représente une opportunité d'introduire
un engagement intelligent et évolutif et des expériences plus personnalisées pour
aider les clients à accomplir des tâches ou à résoudre des problèmes tout en
améliorant la satisfaction globale. Un mauvais parcours d’achat est souvent l’une des
principales raisons d’un abandon de panier sur un site web.

PARTIE 3. Les Limites et enjeux de la
collaboration entre l’Intelligence artificielle et le
Marketing
CHAPITRE 3.1 L’IA créative : une menace pour le marketeur ?
L'intelligence artificielle est plus communément associée à l'automatisation qu'à la
créativité. Mais au fur et à mesure que la technologie et ses applications continuent
de progresser, certains artistes, des designers, des écrivains et même des cinéastes,
commencent à s'inquiéter du fait que les robots se puissent les remplacer dans leur
travail.
Il n'y a aucun doute que l'IA a beaucoup de cas d'utilisation au sein des industries
créatives. En fait, il est déjà largement utilisé dans les outils, logiciels et services qui
aident les créatifs à faire leur travail. Cela signifie que ces dernières années, les
dernières applications IA ont presque inévitablement vu la frontière entre
l'automatisation et la créativité devenir de plus en plus floue. Mais, malgré sa
rapidité, son efficacité et son intelligence informatisée, peut-elle vraiment remplacer
la capacité de pensée créatrice du cerveau humain ?
La technologie la plus largement utilisée dans le cas de la créativité artificielle est le
GAN : Generative Adversarial Network, une application du Deep Learning qui
consiste à opposer deux réseaux de neurones artificiels distincts.
Stéphane Mallard, Digital Evangelist décrit dans son article “L’IA, plus créative que
l’Homme ?” :
“En réalité, il n’y a aucune limite au développement de l’intelligence artificielle et à
ses futures capacités. Toutes nos fonctions cognitives, tout ce que nous permet de
faire notre cerveau pourra être fait par l’intelligence artificielle.
Aujourd’hui les intelligences artificielles maîtrisent la vision et peuvent reconnaître
leur environnement, elles manipulent le langage, apprennent à réaliser des tâches
toutes seules, à reconnaître nos émotions. Il reste évidemment beaucoup de

challenges et de difficultés mais cela s’améliore très vite. Notre intelligence était
notre spécificité par rapport aux animaux grâce au néocortex. Elle sera challengée
par l’intelligence artificielle qui modélisera toutes ses capacités sans exception :
certains chercheurs de l’Institut Polytechnique de New York travaillent même sur des
algorithmes de conscience artificielle pour permettre aux machines de porter un
regard subjectif sur elles-mêmes en fonctionnant.”
Des peintres artificiellement intelligents inventent de nouveaux styles
d'art
Extrait de “Artificially intelligent painters invent new styles of art”, newscientist.com,29 Juin
2017
Une intelligence artificielle a été développée par AI Art pour produire des images
dans des styles non conventionnels, et une grande partie de sa production a déjà
reçu le feu vert des membres du public.
L'équipe de développeurs qui comprenait également des chercheurs de l'Université

Rutgers au New Jersey et du laboratoire d'IA de Facebook en Californie a modifié un
type d'algorithme connu sous le nom de GAN (Generative accusatory network), dans
lequel deux réseaux neuronaux s'affrontent pour s'améliorer. L'un crée une solution,
l'autre la juge et l'algorithme tourne en boucle jusqu'à ce que le résultat souhaité soit
atteint.
Dans AI art, l'un de ces rôles est joué par un réseau de générateurs, qui crée des
images. L'autre est joué par un réseau discriminant, qui a été formé sur 81 500
tableaux pour faire la différence entre les images que nous aurions classé comme
étant des œuvres d'art et celles que nous ne ferions pas, comme une photo ou un
diagramme.
Une fois que l'IA a produit une série d'images, les membres du public ont été invités
à les juger aux côtés de peintures de personnes réelles dans un sondage en ligne,
sans savoir quels étaient les travaux de l'IA. Les participants ont répondu à des
questions sur la complexité ou le caractère novateur de chaque image et sur le fait
qu'elle les inspire ou qu'elle élève leur humeur. À la surprise des chercheurs, les
images produites par leur IA ont été légèrement plus élevées dans de nombreux cas
que celles de l'homme.
Les IA qui peuvent tordre les photos pour imiter le style de peintres célèbres tels que
Monet sont déjà largement disponibles. Il existe même des applications qui font cela,
comme DeepArt.
L’IA maîtrise très bien sa capacité à imiter le cerveau humain, mais ne dit-on pas que
l’art est subjectif ? ? Non seulement dans sa perception mais également dans sa
création ?

Une machine capable de créer de la musique
Extrait de popgun.ai, Alice
La startup américaine Popgun.ai développée en Janvier 2017, utilise le deep learning
pour apprendre les bonnes règles musicales à partir de compositions humaines pour
enrichir des compositions existantes. Le rôle de leur IA ALICE est notamment
d’apprendre à jouer avec les humains.
“Nous croyons que la collaboration est l'avenir de l'IA en musique. L'IA augmentera,
et non remplacera, les capacités humaines pour libérer une nouvelle ère de
créativité. L'IA pourra alimenter une nouvelle génération de technologie musicale
intelligente, allant des instruments qui vous apprendront à jouer aux stations de
travail audio numériques qui améliorent la musique au-delà de votre imagination. Les
débutants apprendront à jouer plus vite que jamais et les professionnels auront le
pouvoir de créer un univers de nouveaux sons.” D’après le start up, l’IA a donc un
réel potentiel pédagogique et collaboratif dans le secteur de la musique.
L’IA professeur ou assistante pourrait s’avérer devenir très utile pour toutes les
catégories de profession ou d’éducation. Mais pourra-t-elle, comme l’humain être
suffisamment patiente, à l’écoute et s’adapter au rythme de chaque étudiant ?

En quoi le Big Data transforme déjà le marketing ?

En quoi le Big Data transforme déjà le marketing ?

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à En quoi le Big Data transforme déjà le marketing ?

Similaire à En quoi le Big Data transforme déjà le marketing ? (20)

En quoi le Big Data transforme déjà le marketing ?