L’hyperpersonnalisation grâce au marketing alimenté par l’IA

Jake Burns :
Peut-être pourriez-vous commencer en nous en disant un peu plus sur la pile technologique que vous utilisez ? En effet, je discute avec de nombreux clients qui souhaitent se lancer dans l’IA et l’IA générative, et beaucoup d’entre eux ne savent pas par où commencer. Quels conseils leur donneriez-vous ?

Vijay Chittoor :
Je pense que le premier conseil, en particulier dans notre domaine, lorsque nous réfléchissons à la nature de l’IA, est de disposer d’une grande quantité de données. Dans notre cas, il s’agit de données de première main sur les consommateurs, qui sont organisées par marque. Ainsi, chacun de nos clients dispose d’un vaste référentiel de données, qu’il peut ou non avoir suivi historiquement. Cependant, avec Blueshift, nous leur facilitons la tâche pour commencer ce parcours d’unification des données, qui est souvent, je suis sûr que vous le constatez dans votre expérience, l’une des étapes clés de la progression vers l’IA. Je pense donc que la première étape consiste à bien organiser ces données, à pouvoir les saisir en temps réel et à les unifier. Mais ensuite, le conseil que nous donnons à tous ceux qui se lancent dans l’aventure de l’IA, c’est de penser d’abord au client final.

Dans notre cas, lorsque nous pensons au client, nous nous demandons comment utiliser l’IA pour offrir des interactions personnalisées au consommateur final. Pour nous, cela implique en grande partie de penser à l’IA client. Et quand on pense à l’IA client, il s’agit de prendre ces données clients, les données de première partie dont nous avons parlé, et de les traduire en termes de qui, quoi, quand et où, pour savoir comment s’engager avec le client. Ainsi, lorsque vous pensez au marketing traditionnel, qui est souvent très manuel, non piloté par l’IA, vous commencez à prendre des décisions parfois uniformes concernant les personnes à cibler pour une certaine campagne, les offres à leur présenter, le moment où il faut contacter le client et le canal ou l’endroit où il faut s’engager avec eux. Et si vous pensez aux applications dans un monde qui n’implique pas l’IA, lorsque vous prenez ces décisions manuellement, vous simplifiez beaucoup trop les choses et vous regroupez un grand nombre de clients en essayant de dire : « Ce segment entier, ciblons-le avec cette seule offre ».

En réalité, les gens, les consommateurs finaux, sont des individus uniques qui doivent y réagir différemment. Et l’IA est très performante quand il s’agit de prendre cette décision au niveau d’un client individuel, tout comme des millions de décisions au total, même lorsque le marché humain est endormi. Je pense que c’est le type de moteur décisionnel, le type de pouvoir décisionnel, le pouvoir de personnalisation que l’IA vous donne. Ainsi, lorsque nous conseillons les gens sur la manière de se lancer dans cette transition vers l’IA, il faut commencer par organiser les données. Ensuite, le client doit être prioritaire, il faut penser aux cas d’utilisation, puis être capable de tirer parti de l’IA, qui peut prendre des décisions à grande échelle, personnaliser en fonction de l’individu et transformer l’expérience du client final en gardant ces éléments à l’esprit.

Jake Burns :
Tout à fait. Exactement. Il s’agit vraiment de personnaliser l’expérience. Il serait tout simplement trop laborieux pour un être humain de le faire manuellement, même s’il travaillait 24 heures sur 24, n’est-ce pas ?

Vijay Chittoor :
Tout à fait. Oui.

Jake Burns :
Mais avec l’IA, on peut supposer qu’elle obtient plus souvent des résultats corrects parce qu’elle utilise plus de données provenant d’un plus grand nombre de points de données différents.

Vijay Chittoor :
Tout à fait. Et je pense que vous avez mis le doigt sur quelque chose d’important. Vous pensez au parcours du client final. Si vous y réfléchissez bien, de nombreuses personnes ont parlé de la complexité croissante des parcours des clients dans le monde numérique d’aujourd’hui, où tant de points de contact différents sont apparus. Et dans cette complexité, il existe des millions de variantes du parcours du client. D’une certaine manière, je pense que le problème de l’engagement des clients aujourd’hui est de favoriser le parcours autonome de chaque client, car chaque client est automatiquement engagé dans un parcours avec la marque. Alors, comment reconnaître le parcours de chacun ? Comment pouvez-vous les aider à ce moment précis et comment pouvez-vous le faire à plus grande échelle ? C’est vraiment là que l’IA entre en jeu pour tous nous aider. Nous travaillons avec des spécialistes du marketing, qui sont selon moi très doués pour raconter des histoires. Mais aujourd’hui, le défi est de savoir comment saisir l’essentiel de l’histoire tout en l’individualisant à travers tous ces différents parcours autoprojetés. C’est là que les spécialistes du marketing peuvent selon moi vraiment bien travailler avec l’IA. Et ce partenariat a été très efficace.

Jake Burns :
Ça a l’air incroyable. Permettez-moi donc de vous poser la question suivante : quel est le rôle des humains dans tout cela ?

Vijay Chittoor :
Je pense que les humains sont l’élément créatif central de tout cela. Il existe également des moteurs stratégiques à l’origine de tout cela. D’une certaine manière, je pense que la première vague de technologies d’automatisation a empêché les humains d’être plus stratégiques et plus créatifs, parce qu’une grande partie de l’automatisation était conditionnelle et basée sur des règles du type « si ceci, alors cela ».

Bien souvent, les spécialistes du marketing et d’autres services de l’entreprise ont fini par se contenter d’appuyer sur un grand nombre de boutons, ce qui a eu pour effet de réduire la créativité et la réflexion stratégique de leur travail. Je pense qu’avec une nouvelle approche de l’IA, qui entraîne une véritable automatisation qui vous dispense de rester assis à appuyer sur des boutons de type « si ceci, alors cela », vous êtes en fait davantage mis au défi et habilité à fournir la valeur stratégique et la créativité. Vous pouvez désormais réfléchir aux histoires que vous voulez raconter à vos clients finaux et utiliser la technologie comme un assistant pour les diffuser à grande échelle, sans vous enliser à vous battre contre votre technologie d’une manière ou d’une autre. En ce sens, l’IA a libéré le potentiel d’un grand nombre de personnes et nous sommes très enthousiastes à ce sujet.

Jake Burns :
Il s’agit donc plus d’une relation de co-créateur que d’un remplacement complet de l’humain.

Vijay Chittoor :
Tout à fait. Dans une certaine mesure, concernant l’analogie du co-créateur, nous parlons parfois de l’idée que tout le monde devient rédacteur et, au sens littéral, les personnes qui écrivent aujourd’hui sont capables d’obtenir des premières ébauches rapidement et passent plus de temps à l’édition. Mais à un niveau plus stratégique, vous commencez à penser au travail des humains. Je pense que dans tous les services, l’entreprise est élevée au rang de rédacteur en chef et qu’elle n’a pas besoin de faire le travail de base qui consiste à rédiger les premières ébauches et à écrire les premiers textes.

Jake Burns :
Moins de ce travail indifférencié et plus de personnalisation et de touches finales.

Vijay Chittoor :
Tout à fait.

Jake Burns :
D’accord. Parlons donc des compétences nécessaires pour créer une entreprise comme celle-ci. En effet, la plupart des entreprises avec lesquelles je travaille veulent utiliser l’IA, mais c’est une compétence rare sur le marché, car les scientifiques des données et tous ceux qui travaillent dans le domaine de l’IA sont très difficiles à recruter de nos jours. Ils sont très précieux. Quelle a été votre approche pour recruter et intégrer ces talents dans votre organisation ?

Vijay Chittoor :
Excellente question. Je pense qu’il s’agit en partie de recruter correctement, mais également de créer la bonne culture. En ce qui concerne le recrutement, je pense que nous avons eu la chance, dès le début, d’avoir des talents en matière d’IA dans l’entreprise. Mon cofondateur Manyam est notre directeur de l’IA et il a réalisé un travail très impressionnant à l’époque où l’IA n’était pas encore un terme à la mode. Je pense que c’est formidable de commencer avec quelqu’un comme lui et de construire les fondations de l’équipe de la bonne manière. Il s’agit bien de rechercher les bonnes compétences et les bons talents, mais je pense aussi que la culture est importante. Vous devez donc mettre en place le bon cadre pour l’ensemble de l’entreprise, pas seulement pour les ingénieurs spécialisés dans le machine learning et l’IA, mais pour l’ensemble de l’entreprise, afin de pouvoir exploiter ces technologies et de les proposer aux clients pour assurer la réussite de ces derniers.

Ainsi, en termes de culture, cinq valeurs culturelles sont fondamentales chez Blueshift. Ces cinq valeurs, lorsque nous prenons la première lettre, forment le mot « MORPH ». Le premier M correspond à l’expression « faire de nouvelles erreurs » (make new mistakes). C’est un peu surprenant, car pourquoi demander à quelqu’un de faire des erreurs ? Mais l’essentiel est de faire de nouvelles erreurs, c’est-à-dire d’apprendre rapidement, de pouvoir essayer des choses, mais aussi d’avoir cette culture de l’apprentissage constant et cet élément de curiosité et d’apprentissage. Nous commençons donc par ce point qui me semble très important, en particulier avec les nouvelles technologies comme l’IA. Deuxièmement, nous parlons d’une obsession pour la réussite des clients. C’est donc le O de MORPH. Encore une fois, je pense que pour que la technologie soit vraiment utile, vous devez vraiment avoir le client final à l’esprit.

Qu’il s’agisse de nos équipes technologiques ou même de nos équipes de marketing, de vente et de suivi de la clientèle, tout le monde est donc obsédé par la réussite des clients. Le R correspond à « relever la barre ». Nous nous mettons donc au défi d’être la meilleure version de nous-mêmes et de réfléchir réellement à la meilleure innovation que nous pouvons offrir à nos clients. Il s’agit donc de placer la barre plus haut. La quatrième lettre, le P, renvoie à « travailler comme une seule équipe » (play as one team). Pour que nos clients réussissent, nous devons travailler comme une seule équipe dans toute l’entreprise, depuis les personnes qui développent les produits jusqu’aux équipes en contact direct avec la clientèle, etc. Enfin, la lettre H signifie « s’amuser tout en étant sérieux » (have fun, seriously). Il s’agit simplement de reconnaître que tout ce travail sera difficile, mais nous créerons une culture dans laquelle il sera agréable pour chacun de venir travailler et d’avoir autant de plaisir à construire ce projet et à profiter du parcours qu’à contempler la destination.

Jake Burns :
Vous l’avez déjà dit, je pense que c’était pour la lettre M : faire des erreurs. Cela peut sembler effrayant pour certaines personnes. Comment vous assurez-vous de réduire le coût des défaillances afin que ces erreurs ne soient pas catastrophiques ?

Vijay Chittoor :
Oui, c’est un point absolument essentiel selon moi. Il ne s’agit pas de faire des erreurs, mais plus précisément de nouvelles erreurs, ce qui implique de mettre davantage l’accent sur la culture de l’apprentissage au sein de l’entreprise. Mais il s’agit également d’une obsession pour la réussite de nos clients. Nous proposons à nos clients de nombreux cas d’utilisation stratégiques. Encore une fois, comme nous sommes obsédés par la réussite de nos clients, il faut prendre très au sérieux tout ce qui est stratégique. Vous ne devez pas commettre d’erreurs dans ce domaine.

Il faut trouver un équilibre entre l’innovation, qui peut se produire en coulisses au fur et à mesure du développement, et le développement d’un produit final sous une forme qui réponde vraiment à l’obsession de la réussite du client. Ce sont en quelque sorte les deux objectifs que nous devons atteindre. À ce propos, je pense qu’il est formidable de s’associer à des entreprises fantastiques telles qu’Amazon, car nous comptons sur Amazon pour une grande partie de notre infrastructure. Elle doit être fiable, performante, avec une faible latence, etc. Nous avons cet état d’esprit lorsque nous travaillons à livrer des produits à nos clients et sommes obsédés par leur réussite.

Il y a des cas où vous voulez faire des erreurs rapidement, par exemple lorsque vous faites des prototypes ou lorsque vous construisez en interne. Il faut une culture où tout le monde veut expérimenter, mais aussi une culture où tout le monde sait à quel moment l’erreur est inacceptable, une culture très ancrée dans cette notion d’obsession de la réussite du client et d’une responsabilité envers le client final prise très au sérieux.

Jake Burns :
Avez-vous rencontré des difficultés en cours de route ? Et si oui, comment les avez-vous surmontés ?

Vijay Chittoor :
Excellente question. Je pense qu’en mettant sur le marché certaines de ces technologies innovantes, nous avons relevé quelques défis intéressants au fil du temps, notamment en ce qui concerne l’IA. Le premier défi consiste à rendre l’IA fiable et explicable, car elle est déployée dans des situations d’entreprise. Nos clients veulent s’assurer que l’expérience qu’ils offrent au consommateur final est cohérente avec leur marque et qu’il s’agit d’une interaction personnalisée et harmonieuse à valeur ajoutée. Ainsi, lorsque vous dites à l’entreprise que l’IA prend toutes ces décisions, comment convaincre l’équipe chargée de l’expérience client, l’équipe marketing, que l’IA prend les bonnes décisions ? Car ils ne peuvent pas vérifier chacune d’entre elles en les examinant manuellement, cela irait presque à l’encontre de l’objectif. Une grande partie des moyens que nous utilisons pour relever ce défi, et nous y sommes parvenus, consiste à rendre l’IA explicable à plusieurs niveaux.

Comment s’assurer qu’un spécialiste du marketing non technique, par exemple, peut accéder à la plateforme Blueshift et comprendre les effets de l’IA avant son déploiement ? Pour le comprendre, vous créez une interface utilisateur dans laquelle une personne qui ne suit pas entièrement les différents paramètres de l’IA peut néanmoins en comprendre suffisamment en comprenant si le modèle lui-même est très fiable, en comprenant la nature des données qui ont été utilisées pour la modélisation elle-même, les caractéristiques qui ont été extraites et utilisées. En examinant les interfaces utilisateur qui expliquent comment cette IA aurait pu prendre une décision pour un client hypothétique dans un certain secteur, par exemple. L’intégration de tout cela dans l’interface utilisateur de nos applications a été un élément clé pour pouvoir déployer cette IA en toute confiance. C’est une chose à laquelle j’invite tous ceux qui commercialisent des technologies d’IA à réfléchir, afin que les humains puissent collaborer avec l’IA. Et pour qu’ils puissent collaborer avec succès, ils ont besoin que l’IA soit explicable, intuitive, interprétable.

Jake Burns :
En d’autres termes, l’IA apportera une réponse, mais elle devra expliquer comment elle y est arrivée.

Vijay Chittoor :
Dans une large mesure, oui, ou cette réponse doit être tellement intuitive qu’elle semble juste, et il doit y avoir suffisamment de preuves pour que, sans examiner des millions de décisions, vous puissiez être convaincu qu’elle fait toujours ce qu’il faut pour le client final.

Jake Burns :
Tout le monde veut savoir ce que l’avenir nous réserve, n’est-ce pas ? Personne n’a de boule de cristal, mais si vous deviez vous projeter dans deux ou trois ans, comment pensez-vous que l’IA, et peut-être plus particulièrement l’IA générative, va influencer l’expérience client ?

Vijay Chittoor :
Excellente question. L’IA générative c’est le sujet dont tout le monde parle. Si vous regardez la première vague d’IA générative au cours des derniers mois, tout le monde dit qu’elle est en train de prendre d’assaut le monde entier. Une grande partie des cas d’utilisation initiaux de l’IA générative concernaient la création de contenu et de plus en plus de variations, ainsi que la possibilité de réduire la complexité et le temps nécessaire à la création de nouveaux contenus. Pour en revenir au monde de l’expérience client que vous avez évoqué, pour les équipes qui essaient de fournir une expérience client, il y a eu un gros goulot d’étranglement au niveau du contenu afin de produire le bon contenu pour personnaliser chaque interaction. Si vous pensez à des millions d’interactions personnalisées, comment créer des millions de contenus ? D’une certaine manière, la première chose que l’IA générative a faite est d’éliminer ou du moins de réduire le goulot d’étranglement de la création de contenu dans de nombreuses variations du même contenu.

La prochaine étape consiste à combiner cette IA générative avec ce que nous appelons une IA client afin d’offrir une véritable personnalisation. L’IA client permettrait donc de prédire ce que chaque personne souhaite ou quelle variante de contenu pourrait plaire à chacune d’entre elles. L’IA générative pourrait créer tout ce contenu en temps réel ou presque et le mettre à disposition. Prenons l’exemple simple d’une promotion qu’une marque envoie par SMS et dont le texte est différent pour chaque client. Cela peut-il être éclairé non seulement par le sentiment et d’autres éléments de ce type, que l’IA générative peut facilement manipuler, mais aussi par l’IA du client, qui comprend vraiment quelle offre intéresse le client ? Lorsque vous réunirez ces deux éléments, nous pensons que vous atteindrez le niveau suivant du Saint-Graal de la personnalisation. Nous sommes donc très enthousiastes à l’idée d’un avenir où l’IA générative et l’IA client s’associeront pour offrir des expériences client exceptionnelles.

Jake Burns :
Auriez-vous un conseil à donner aux personnes qui débutent leur parcours dans l’IA, de la part de quelqu’un qui y travaille depuis un certain temps ? De nombreuses personnes se lancent en ce moment. Quelles sont les principaux éléments que vous leur conseilleriez de prendre en compte ?

Vijay Chittoor :
Si vous y réfléchissez bien, il y a beaucoup de potentiel latent dans les entreprises. Il y a beaucoup de connaissances latentes, beaucoup de données latentes qui pourraient être utilisées pour apporter de la valeur aux consommateurs finaux. Alors, comment débloquer toute cette valeur ? Je pense que les marques ont traditionnellement commencé par des efforts humains. Elles ont ensuite procédé à une transformation numérique afin d’utiliser certaines technologies pour commencer à débloquer la valeur.

Mais en réalité, grâce à l’IA, tous les acteurs de l’entreprise sont désormais en mesure d’apporter cette valeur transformationnelle aux clients finaux. Si vous commencez à réfléchir dans cette optique, vous commencez à penser à la manière dont vous pourriez revoir l’ensemble de votre stratégie, de vos processus. Si vous deviez axer toute votre construction sur l’IA, certains de ces processus devraient être réinventés.

Jake Burns :
D’accord. Vous avez fait allusion à la démocratisation de cette technologie, n’est-ce pas ? La remettre entre les mains de toutes les personnes de votre organisation ou d’un plus grand nombre de personnes de votre organisation. Ce que j’entends également, c’est qu’il faut prendre les données que vous possédez déjà, qui sont probablement largement inutilisées, et utiliser cette technologie pour exploiter les informations contenues dans ces données.

Vijay Chittoor :
Tout à fait. C’est exactement cela. La démocratisation. Cette technologie arrive à un stade de maturité tel que des utilisateurs non techniques pourront l’utiliser. Lorsque cela se produit à l’échelle de nombreuses entreprises, une valeur d’entreprise considérable peut être débloquée. C’est en réfléchissant à la manière dont cela peut être le plus grand moteur de votre croissance, en mettant cette technologie entre les mains des équipes en contact avec les clients et entre les mains de nombreuses autres fonctions non techniques de votre entreprise, que vous parviendrez à passer à l’échelle supérieure.