Big Data et Intelligence Artificielle : enjeux et challenges pour les entreprises

C’est à travers de multiples exemples de Big Data pratiqués en entreprise que le blog du dirigeant analyse en quoi ces technologies impactent nos modes de vie et nos modes de travail.
Nous ne manquerons pas également de définir le Big Data et de le relier à la notion d’intelligence artificielle ; deux éléments à ne pas confondre pour pouvoir en saisir pleinement les perspectives !

Big Data et Intelligence Artificielle, de quoi parle-t-on ?

On entend beaucoup parler du Big Data et de l’Intelligence artificielle (IA), dans tous les domaines de nos vies : nos navigations Web sont impactées par le Big Data, les réseaux sociaux, nos objets connectés… Nous générons effectivement 2.5 trillions d’octets de données dans le monde (source : étude IBM).
Le Big Data représente en fait toutes les techniques de collecte, de stockage et d’analyse de ces données ; données de plus en plus volumineuses au vu des informations personnelles que nous semons ça et là sur Internet – d’où le concept de « Big (gros) » et de « Data (donnée) ».

Les cookies, par exemple, sont dissimulés sur les sites Web. Ils récupèrent toutes nos données personnelles, comme nos habitudes de navigation sur Internet, nos requêtes sur les moteurs de recherche, nos intérêts sur les réseaux sociaux, nos préférences et nos achats… Puis ils établissent un profil type de consommateur pour chacun d’entre nous. Les annonceurs peuvent ensuite acheter des bases de données de cookies correspondant aux profils de la cible qu’ils souhaitent viser. Voilà un exemple de technologie du Big Data (en version simplifiée).

Ce sont les GAFAM (terme employé pour désigner les 4 mastodontes que sont Google, Amazon, Facebook, Apple et maintenant Micosoft) qui, par leur modèle économique et leurs offres de services, ont amené le Big Data dans nos vies, l’ont façonné et démocratisé.

Le Big Data pour analyser toutes les données que l’on souhaite, même hors du Web

rnMais les données sont vues au sens large. Quand on parle de Big Data, on parle aussi des données (pas forcément Web) de l’entreprise, par exemple : la rentabilité d’un service est une donnée, le nombre de salariés, la moyenne d’âge des salariés, le nombre d’outils de production… Sont des données ; c’est-à-dire des informations que l’entreprise peut traiter pour en tirer des conclusions d’analyses.

Les données sont aussi des informations globales et générales (la météo du jour, l’état politique d’un pays à l’instant T sont, par exemple, des données qui peuvent influer sur ce que l’on est en train d’analyser)… Une entreprise qui vend des parapluies utilisera des données telles que la météo et la saisonnalité pour établir ses prévisions de chiffre d’affaires.

Et voilà l’intérêt du Big Data : trouver des corrélations entre des données/informations qui, en apparence, n’ont aucun lien entre elles, pour tirer une analyse fine d’une situation, voire anticiper (un comportement, un phénomène…).

 Une entreprise de transport routier pourrait par exemple analyser, pour chacun de ses camions de transport, leur chemin emprunté, l’horaire de départ et d’arrivée, le climat du jour, les événements perturbants rencontrés sur leur chemin (accident, embouteillage…).

Ces données analysées entre elles, chaque jour, pour chaque transport, permettraient d’identifier les jours de la semaine, horaires et trajets idéaux à emprunter pour chaque camion afin de gagner du temps. In fine, l’entreprise serait à même de réorganiser son planning et toute sa logistique. Elle y gagnerait certainement en rentabilité. Voilà un bel exemple de technologie de Big Data appliqué au service logistique.

L’intelligence artificielle est fortement liée au Big Data

C’est là que l’intelligence artificielle intervient. Seuls des algorithmes sophistiqués sont aujourd’hui capables de traiter autant d’informations en instantanée. Ensuite, comme toute loi de statistiques et des probabilités, plus l’intelligence artificielle a de données à traiter, plus elle a de chance d’en tirer une tendance générale.

On en arrive presque à anticiper un comportement à force d’identifier les mêmes corrélations dans l’analyse des données. On appelle cela « l’analyse prédictive ».En clair, sans les algorithmes qui fondent une intelligence artificielle, le Big Data (collecte, stockage et analyse des données) n’est pas possible.

Le big data est en temps réel

L’avantage du traitement des données en temps réel

Enfin, les technologies du Big Data ont de révolutionnaire en ce qu’elles permettent une collecte et un traitement des données en temps réel.

En marketing, par exemple, il y a la méthode du retargeting qui consiste à suivre les navigations Web d’un consommateur en temps réel.

Imaginons que vous vous rendiez sur le site de la FNAC pour regarder les appareils photo disponibles, mais que vous n’achetez rien. Toutes vos navigations suivantes comporteront des bannières de publicité vantant les appareils photo de la FNAC ou encore des produits associés (housse, batteries, agences de voyages…).

Les technologies du Big Data permettent effectivement un traitement en temps réel des données (ici, votre navigation Web) pour pouvoir communiquer sur le bon canal (les sites suivants sur lesquels vous vous rendez), au bon moment (juste après avoir vu l’appareil photo) et avec la bannière de publicité adéquate (les produits associés).

MyFeelBack permet aux e-commerçants de réagir à chaud

Autre exemple : La startup MyFeelBack propose l’envoi de questionnaires intelligents aux internautes qui se rendent sur des sites Web ; questionnaires capables de poser des questions personnalisées et adaptées à l’action/navigation de l’internaute à l’instant T ; récupérant ainsi le feedback des visiteurs en temps réel ; permettant également une action directe selon la réponse obtenue.

Un internaute qui abandonne son achat en cours de route auprès d’un e-commerce, par exemple, recevra une question par SMS, par mail ou encore directement sur le site Web si l’interface le permet, de type « pourquoi avez-vous abandonné votre achat ? ». Selon la réponse obtenue « à chaud », le e-commerçant pourra réagir en conséquence et immédiatement.

Le marketing prédictif : SFR prédit les résiliations à venir grâce au Big Data

Nous évoquions l’analyse prédictive, rendue possible grâce au gros volume de données et aux algorithmes d’analyse du Big Data. L’analyse prédictive est largement utilisée dans les services marketing, vous vous en doutez. En combinant des données issues de multiples sources (données de navigation Web, données issues du CRM de l’entreprise, de sa boutique, de son call center, des réseaux sociaux…), les technologies du Big Data peuvent modéliser la personnalité et le comportement d’achat d’une cible spécifique et, in fine, anticiper ses besoins et ses envies.

Le service marketing peut alors communiquer exactement ce dont la personne souhaite, au bon moment – ou juste avant son envie ! – et au bon endroit. Du marketing prédictif où les données sont capables d’anticiper nos actions et nos désirs !
Dans ce contexte, la société SFR est allée encore plus loin en créant un logiciel de prédiction des résiliations. En passant au crible l’activité Web de ses clients (pages consultées, mots-clés rédigés dans les moteurs de recherche, intérêts sur les réseaux sociaux…), elle a réussi à détecter quels abonnés de sa base de données allaient incessamment sous peu demander à résilier leur abonnement SFR.

Le service commercial a ensuite pris le relais pour proposer à ces clients de nouvelles offres alléchantes AVANT qu’ils ne prennent leur décision de quitter SFR. Selon l’entreprise, le logiciel a permis d’identifier 81 % des clients en phase de départ et a permis de récupérer au vol 75 % d’entre eux.

La logistique prédictive : Amazon prédit quand et où ses clients passeront commande

Amazon a fait fort. Le géant du Web a mis au point un système prédictif basé sur les technologies du Big Data. Le logiciel, qui collecte et analyse en temps réel un ensemble de données (top secret) concernant ses clients, arrive à prédire quand et où ils passeront commande, avant même que ces derniers n’aient décidé d’acheter quel que produit que ce soit sur Amazon.
Le système de « logistique prédictive » va permettre à Amazon de développer un service de livraison de colis groupé et ainsi améliorer son service logistique (gain de temps et baisse des coûts). Ouhahou !

PayPal : détecter la fraude à la carte bleue avec le Big Data

Les algorithmes des technologies du Big Data peuvent traiter des milliards d’informations en temps réel. Les banques ont bien saisi l’enjeu, tout comme PayPal qui a développé son propre système de détection des fraudes.
À partir d’un « score de suspicion » accordé pour chaque transaction en cours (des notes allant de 0 à 3, déterminées par rapport à la nature, le lieu de la transaction et par rapport au profil de la personne qui est en train de la réaliser), le système peut détecter instantanément une fraude à la carte bleue.

Accorhotel : le Big Data comme stratégie efficace de fidélisation client

Allons voir du côté d’AccorHotels. La chaîne hôtelière, qui administre les réservations de 500 000 chambres, 365 jours par an, a de sacrées donnés à analyser ! Restait encore à savoir lesquelles et dans quel but. « Rendre possible un traitement global des data demande un travail qui n’est pas naturel pour des entreprises fonctionnant en silos indépendants, expliquait Vivek Badrinath, le PDG du groupe, car il s’agit de fusionner différentes bases de données. »

En 2014, le groupe engage alors 225 millions d’euros sur 5 années pour lancer un plan de transformation digitale ; le Big Data faisant partie de sa stratégie. Et l’un des objectifs Big Data pour AccorHotels a été de réussir à renforcer la fidélisation client. Comment ? Par l’envoi automatique de recommandations et de suggestions de chambres Accor, adapté à chaque client (pays/ville/budget/attentes en matière de style de chambre/de services associés pour partir en vacances).

Le système a également été utilisé pour, non pas suggérer des chambres, mais des destinations de vacances (avec une chambre Accor à la clé) selon le profil de la cible, ses goûts et ses périodes habituelles de voyage. Pour ce faire, la société a combiné des données en provenance de multiples sources : en interne d’abord directement auprès des hôtels (retours clientèle), mais aussi sur le Web, via l’achat de cookies, l’analyse des formulaires de réservation, les données issues des réseaux sociaux…

Accor utilise aussi des données externes telles que la météo (influe en temps réel sur le comportement d’achat), les billets publics sur Twitter, les commentaires sur les sites de réservations TripAdvisor… Son système est désormais capable d’envoyer des recommandations et suggestions automatiques et hyper personnalisées auprès de sa base de données client, via le bon canal de communication et au moment précis où l’internaute réalise certaines requêtes et actions sur Internet. La PDG d’AccorHotel Vivek Badrinath est satisfait. Il estime que son système de Big Data est trois fois plus efficace qu’une méthode traditionnelle de fidélisation.

Le Big Data, en chiffres

Vous l’avez compris, le Big Data est la nouvelle tendance des entreprises, à tous les niveaux et pour tous ses services. Les technologies du Big Data et les prouesses actuelles de l’intelligence artificielle permettent d’accroître l’efficacité de tout type de système informatique comprenant des bases de données. De plus en plus de dirigeants prennent leurs décisions stratégiques après avoir consulté une analysé tirée d’un système de Big Data et cela ne fait que commencer !

Dans un ouvrage de référence intitulé « Big Data », les auteurs et chercheurs Viktor Mayer-Schönberger et Kenneth Cukier envisagent un doublement des données disponibles tous les 12 ans, tendance largement boostée par l’avènement des objets connectés et leurs quantités d’informations personnelles que nous y laissons.

Sur Facebook, environ 30 milliards de contenus sont publiés chaque mois dans le monde (source : cabinet Mc Kinsey), la plupart collectés et traités par les GAFA, mais aussi de plus en plus par les petites et moyennes entreprises soucieuses d’améliorer leur expérience client.

Le marché mondial du Big Data devrait représentera 24 milliards de dollars en 2017 (source : le Huffington Post) et, selon l’IDC, il atteindra 48.6 milliards de dollars en 2019. Aujourd’hui, 25 % des entreprises dispose d’un effectif dédié à la data dans leur service et 65 % d’entre elles mentionnent se servir d’un système basé sur le Big Data, en interne ou en Saas, pour améliorer la qualité et/ou la rentabilité d’un service ou des prises de décision (source : EMC Social Sphere).

Amorcer la transition numérique dans votre entreprise

Nous espérons que ce dossier vous aura permis de saisir les enjeux du Big Data pour votre propre entreprise, que vous soyez TPE, PME ou grand compte. Si vous êtes en train de créer votre entreprise, n’hésitez pas à bâtir votre projet en intégrant de suite des technologies du Big Data dans votre modèle économique et dans votre manière de « penser » l’entreprise.
De même, amorcez de suite la transition numérique dans votre entreprise : que cela soit au niveau de votre stratégie marketing et de communication (réseaux sociaux et expériences digitales pour vos clients), de vos bases de données (Cloud) et de leur centralisation (Big Data) et à tous les niveaux. Suivez aussi la notion de blockchain, qui pourrait impacter votre organisation interne et vos modes de fonctionnement, notamment en matière juridique (exécution des contrats avec vos partenaires et clients, systèmes de déclarations sociales et fiscales…).

Vous aurez alors certainement une longueur d’avance sur vos concurrents en place ; encore en train de se demander par quel bout commencer. A nous la data et les nouvelles techno’, nous n’avons plus le choix !