Retour

Quand l’intelligence artificielle bouscule notre quotidien : des chatbots au e-commerce

L'exploitation des donnéesLa marque à l'ère numérique 15/02/2018 Scala Dream Team
Intelligence artificielle_e-commerce

Des milliers d’informations à portée de main

Des laboratoires de recherche au grand public

Le début des année 90s (un temps que les moins de 20 ans ne peuvent pas connaître et que les moins de 30 ans peuvent à peine deviner…), était l’époque où le Saint Graal de la recherche en IA était le « Système Expert » (ancêtre des Systèmes à Base de Connaissances, et partant de là, de la Business Intelligence) et où l’industrie espérait dominer le marché à grand coup de « moteurs de règles ».

Mais, comme on le sait, les années 90s ont aussi porté un coup fatal à l’avènement de l’IA pour le grand public et il a fallu attendre plus de 30 ans pour voir enfin apparaitre une forme de démocratisation des processus cognitifs artificiels.

Les freins à cette démocratisation sont assez aisément identifiables :

  • Les nombreux domaines qui relèvent de l’IA (apprentissage automatique, réseaux de neurones, aide à la décision, langage naturel…) ne peuvent pas tous être réduits en algorithme. Ce qui explique que les systèmes experts (basés sur des logiques plus aisées à réduire en équation) aient prédominés durant plusieurs années.
  • L’IA nécessite de nombreux calculs et donc une infrastructure « solide ». L’évolution exponentielle des volumes de stockages et de la puissance de calcul des processeurs (on ne remerciera jamais assez la loi de Moore pour cela) s’est occupée de rendre cet argument obsolète de nos jours.
  • L’IA demande des compétences scientifiques pointues. Le métier de data scientist a émergé de ce no man’s land où seuls les statisticiens ou chercheurs en IA se taillaient la part du lion.

L’avènement de l’IA à la portée de tous

Aujourd’hui, tous ces blocages ont été levés. Les algorithmes cognitifs sont mieux identifiés.

Dans le domaine du Machine Learning, par exemple, les principaux algorithmes d’apprentissage sont connus et classifiés en fonction du type de traitement (supervisé ou non supervisé) et du type de données (continues ou catégories).

Ils peuvent donc être appelés via des API et intégrés sans que les équipes de développement disposent de connaissances statistiques.

Désormais, de nombreuses plateformes dédiées intègrent des outils qui permettent de définir un flux complet d’apprentissage par simple drag’n drop.

En bref, la data science est enfin accessible aux non data scientists !

Intelligence artificielle_chatbot

Une application grand public de l’IA : les agents conversationnels ou chatbots

Les chatbots sont les descendants directs des premières réalisations de l’IA qui visaient à converser en langage naturel.

Dès les années 60, le programme ELIZA simulait une séance avec un psychothérapeute. Reposant sur une simple reconnaissance de mots clefs et un mécanisme astucieux de relance de la conversation, ce programme produisait un échange convaincant au point d’engendrer un engagement émotionnel chez certains utilisateurs !

Les récents progrès en IA ont mis à notre disposition plusieurs outils permettant de construire des agents bien plus performants. Des modules de reconnaissance du langage naturel sont maintenant capable d’analyser des phrases complexes et d’extraire automatiquement des paramètres au sein de ces phrases (dates, nombres, valeurs monétaires).  Des systèmes de classification permettent de reconnaitre l’intention de l’utilisateur et ainsi de piloter le programme en charge de répondre à sa demande. De plus, ces mécanismes de classification s’appuient sur des techniques d’apprentissage. Les échanges avec les utilisateurs contribuent ainsi à enrichir, au fil du temps, le vocabulaire et les tournures de phrases que le système reconnait.

Ces outils sont maintenant disponibles au sein des offres Cloud des grands acteurs du marché. Par exemple, IBM avec Watson Services mais aussi Alphabet/Google avec DialogFlow, Amazon avec Lex et Microsoft avec LUIS proposent les services d’IA nécessaires à la réalisation des nouveaux chatbots.

Le sujet des chatbots est actuellement en expérimentation par la cellule « Innovation » de Scala, affaire à suivre donc…

Intelligence artificielle_omnipresence

Intelligence artificielle et e-commerce : l’ère du commerce cognitif

Nous avons vu précédemment que l’Intelligence Artificielle correspondait à l’intégration du cognitif dans les logiciels. Avec le e-commerce, nous entrons actuellement dans l’ère du commerce cognitif.

Les étapes de fonctionnement du logiciel d’IA d’IBM « Watson » sont les suivantes :

  • Collecter les données individuelles ou comportementales
  • Analyser les données
  • Modéliser les données à l’aide d’un moteur probabiliste
  • Apprentissage (cet apprentissage enrichie le modèle probabiliste)
  • Langage

 

La particularité du logiciel Watson est qu’il s’agit d’une solution collaborative faisant communiquer les différents silos d’informations, là où habituellement, il y a un cloisonnement des SI des différentes entreprises. Watson est une solution SAAS qui se plug à n’importe quel système et à n’importe quelle solution e-commerce.

Par exemple, Watson a été mis en place au sein du service client du Crédit Mutuel. Pour cela, Watson les a accompagnés pendant une période d’1 an d’apprentissage. Aujourd’hui, 95% des conseillers recommandent Watson à leurs collègues. Une réussite !

Exemples d’extensions Watson appliquées au e-commerce :

  • Tealeaf : détecte les irritants dans les parcours clients, joue des parcours clients, détecte les abandons de paniers, les rebonds etc… et préconise les meilleurs parcours clients.
  • Content Hub : constitue un couplage émotionnel et détecte les produits dans des images ou des photos ; permet aussi d’identifier un produit dans une photo et de le vendre.

Watson au service de la plateforme e-commerce IBM :

Watson analyse en temps réel et réalise les recommandations d’animation marketing et d’optimisation de parcours client en direct.

Par exemple, en paramétrant une campagne mailing sur le site e-commerce, Watson réalise tout seul la mise en place de la newsletter en fonction des profils utilisateurs : chaque destinataire recevra une newsletter différente et adaptée en fonction de ses précédents usages, de la localisation ou de l’heure. C’assez impressionnant lorsque l’on sait le temps que cela peut prendre via Mailchimp ou Campaign Monitor !

Cet outil est aussi pratique pour les mises en avant marketing sur le site : les animations prennent en compte les paramètres catalogue (stock des produits) et même les paramètres externes.

Par exemple, si Watson détecte qu’il y a une tempête de neige à Pékin, il va détecter et anticiper les problèmes d’approvisionnement des entrepôts et ainsi ne pas mettre en avant certains produits qui pourraient être en rupture de stock (haaaaaaa ça va très loin !! 🙂 ).

Avatar auteur
Écrit par ,
Consultants Scala
Ça vous a plu ? Faites tourner !

À lire aussi

say hello !

un projet ? des infos ? un devis ?

on est partout.

Marseille - Siège social
Scala Marseille

11 avenue André Roussin
Immeuble Grand Ecran

13 016 Marseille
+33 (0)4 91 46 84 60
Paris
Scala Paris

8 Rue Euler

75 008 Paris
+33 (0)1 56 68 77 80
Tarascon
Scala Tarascon

18 bis rue Edouard Millaud

13 150 Tarascon
+33 (0)4 91 46 84 60
Tunis – Tunisie
Scala Tunisie

Rue du Lac Biwa, Immeuble Fraj
3ème étage, Lac 1,
Les Berges du Lac

1053 Tunis – Tunisie
+216 71 657 451
Et même Londres, Bruxelles, NY, Montréal et Casablanca.Voir carte.

on recrute !

Venez voir toutes nos offres ici.

contact
le blog