Survey-Magazine : Quelle est la valeur ajoutée de l’IA pour la
connaissance client ?
Emilie Carcassonne : L’IA permet d’augmenter la connaissance
client via l’automatisation d’une variété de tâches : la segmentation
des données propriétaires, l’identification des clients à forte valeur,
ou encore l’identification de nouveaux prospects (jumeaux statistiques
des clients existants). L’IA permet également d’accélérer les prises de
décision dans la mesure où elle permet de traiter rapidement de gros
volumes de données. Par exemple, la notation prédictive d’un prospect
peut se réaliser à partir de l’apprentissage automatique ce qui permet
d’éviter toute approximation ou biais et ainsi d’identifier des profils
plus enclins à l’achat par exemple.
L’IA impose-t-elle de nouvelles méthodologies d’études ? Si oui, quels
outils et quels moyens avez-vous mis en place ?
Le métier des études est nécessairement révolutionné par les nouvelles
capacités de traitement liées à l’intelligence artificielle.
L’intelligence humaine seule a d’ores et déjà montré ses limites face à
l’explosion du volume de données disponibles. Le recours à
l’intelligence artificielle s’impose comme une impérieuse nécessité
compte tenu de la quantité de données à exploiter ou encore des enjeux
liés à l’interprétation analytique qui en est faite.
Le monde des affaires est en constante évolution, donc si nous voulons
rester compétitifs, il est impératif que Nielsen continue à faire
progresser ses méthodologies d’IA. Par exemple, au cours des dernières
années, la conversation autour de la quantité de données (Big Data) a
évolué vers la rapidité d’accès à ces données et la complexité liée au
traitement des masses de données disponibles. Ce changement nous a
amenés à repenser notre intelligence artificielle afin de mettre en
place une solution pour traiter des données massives à évolution
extrêmement rapide. Début 2017, nous avons lancé Nielsen IA, notre
moteur d’intelligence artificielle en apprentissage automatique. Nielsen
IA a été conçu pour gérer des données en mouvement continu afin
d’apprendre et s’adapter aux conditions changeantes en temps réel. Dès
que de nouvelles informations sont reçues notre IA peut mettre à jour
ses connaissances sur l’état du monde (nous parlons de temps de réponse
inférieur à la milliseconde) et tirer parti de ces apprentissages pour
prendre des décisions. Nielsen IA constitue l’un des principaux piliers
de la plateforme Nielsen Marketing Cloud. Notre technologie alimente
actuellement des segments d’audience qui s’ajustent en temps réel et
permet ainsi d’affiner des stratégies marketing à partir de la
déclinaison de messages personnalisés. En 2018, nous tirerons parti de
notre moteur d’IA et de quelques innovations pour mettre en place de
nouveaux cas d’utilisation. Récemment l’IA de Nielsen a été reconnue par
R&D magazine comme l’un des produits les plus significatifs sur le plan
technique de l’année 2017.
Quelles sont les premières applications concrètes d’IA pour le métier
des études et de la connaissance client ?
L’IA existe depuis le milieu des années 1980 et était initialement
utilisée pour l’automatisation des décisions. Les applications les plus
courantes étaient dans le domaine médical notamment pour aider à la
prise de décision ou alors dans le domaine de l’assurance pour
automatiser l’approbation des demandes d’assurance. L’IA était également
utilisée dans le monde de la finance pour l’évaluation des risques et de
la conformité réglementaire. Alors que les techniques d’apprentissage
automatique que nous utilisons aujourd’hui glanent automatiquement des
règles à partir de modèles trouvés dans les données, l’IA d’antan
exigeait que ces règles soient traitées manuellement et explicitement
codées. Ces solutions d’IA basées sur des règles prédéfinies sont
difficiles à mettre en place à grande échelle. Elles doivent en effet
être mises à jour en permanence au risque de devenir rapidement
obsolètes. L’IA de Nielsen telle qu’existe aujourd’hui, permet à nos
clients d’améliorer leur connaissance consommateur en rendant «
activables » dans le cadre de stratégie marketing, des données à forte
valeur mais peu massives en temps réel des jumeaux statistiques de ses
propres clients.
