L’intelligence artificielle (IA) est déjà présente dans les entreprises. La preuve par l’exemple avec Okaïdi, Monoprix et le Crédit Mutuel.

1. Crédit mutuel adapte Watson à ses chargés de clientèle

Le Crédit Mutuel-CIC avait été la première banque française à franchir le pas, en signant un partenariat avec IBM pour utiliser son  système d’intelligence artificielle Watson , dès début 2016. Il a d’abord été éprouvé par deux caisses du Crédit Mutuel afin d’aider leurs chargés de clientèle à répondre aux e-mails et à parfaire leur connaissance des offres d’assurance auto, habitation et d’épargne.

Concrètement, le logiciel Watson a été installé sur deux assistants virtuels capables de répondre instantanément aux questions des chargés de clientèle sur ces offres, leur évitant ainsi des recherches fastidieuses sur la base documentaire interne. Watson a aussi été « branché » sur la messagerie des conseillers, afin d’être en mesure de sélectionner les e-mails urgents et de proposer des réponses adaptées, à personnaliser.

Au début, la vigilance était de mise. En interne, les syndicats se sont d’abord inquiétés de l’évolution des conditions de travail avec ces nouveaux outils. D’autant que les résultats n’étaient pas très probants. « Le taux de réponse correcte au moment de l’expérimentation était de 35 % », atteste Nicolas Théry, le président du Crédit Mutuel-CIC. Mais justement, Watson apprend : ce taux de réponses correctes est passé à 90 %, en avril 2017, lorsque la banque a décidé de déployer l’outil à l’ensemble de son réseau hexagonal, soit 5.000 caisses locales et 20.000 chargés de clientèle.

Un an après, Nicolas Théry se dit satisfait : « Nous avons quitté les débats théoriques sur l’intelligence artificielle qui remplacerait les emplois pour nous rendre compte que, chez nous, l’intelligence cognitive permet de dégager du temps commercial. C’est un outil extrêmement puissant de montée en compétences des salariés. L’adhésion des utilisateurs est impressionnante, le taux de satisfaction est de l’ordre de 90 %. »

 Le logiciel libère 200.000 jours homme, soit une économie de 60 millions d’euros. 

Sur le plan financier, il estime aussi que l’investissement est rentable : le déploiement de Watson devrait coûter 40 millions d’euros sur cinq ans au Crédit Mutuel, et ce dernier estime que le logiciel libère « 200.000 jours homme, soit une économie de 60 millions d’euros ».

Au sein de la banque, des inquiétudes sur l’emploi subsistent pourtant. « Les gens craignent d’être remplacés. Qu’est-ce qu’on fera des 200.000 jours homme dégagés par Watson ? Cela correspond au travail de 1.000 salariés sur un an ! Cela risque d’accentuer le non-remplacement des départs de salariés », estime Alain Giffard, délégué syndical SNB/CFE-CGC du CI

2. Monoprix invente la liste de courses vocale

Une version vocale de la liste des courses habituellement accrochée sur la porte du réfrigérateur : c’est ainsi que Monoprix présente l’une des toutes premières applications françaises pour  l’enceinte connectée Google Home . L’enseigne du groupe Casino l’a lancée en novembre dernier, après seulement quatre mois de développement. Celui-ci a été sous-traité à l’agence de marketing digital Artefact, qui a aussi mis au point les applications Google Home de Cdiscount ou Les Echos.

« A l’origine, nous cherchions un moyen numérique de remplacer la liste des courses, et de le faire de façon itérative, c’est-à-dire en ayant la possibilité d’arrêter, de reprendre et de corriger sa liste à tout moment », explique Pierre-Marie Desbazeille, directeur marketing client de Monoprix. « Nous n’avons pas envisagé de le faire en interne pour une question de compétences à ce moment-là, et surtout pour pouvoir mener le projet rapidement », précise-t-il. Démarré début août, le projet devait en effet être disponible fin novembre, afin de coller au lancement grand public de l’enceinte de Google sur le marché français.

Du côté d’Artefact, l’essentiel du travail n’a pas porté sur la partie dialogue du chatbot, mais sur la façon de le faire communiquer avec les bases de données de l’enseigne. « Il s’agissait de trouver un moyen d’utiliser au mieux les données de Monoprix », explique Sophie Gallay, consultant manager chez Artefact. Dans ce cas précis, la carte de fidélité sert à connaître les habitudes de consommation du client – par exemple, pour ajouter à sa liste la marque de lait qu’il achète habituellement. Il a aussi fallu s’adapter à la base produits, pour que l’assistant comprenne les différentes façons de parler d’un pack de papier toilette, par exemple.

« On a préféré attendre qu’il soit le plus abouti possible avant de le promouvoir », explique Pierre-Marie Desbazeille. Pas de chiffres non plus sur le coût du projet, dont le responsable indique juste qu’il est  « raisonnable ».

3. Okaïdi optimise la gestion de ses stocks

Eviter les ruptures de stock et avoir la bonne marchandise en magasin au bon moment est un casse-tête pour les enseignes de distribution. Tout comme calculer le réassort nécessaire d’une nuit sur l’autre quand on a 945 magasins dans 47 pays, comme Okaïdi (groupe IDKids. community). « Une gestion de stock complexe car, dans l’enfant, il y a énormément de tailles : du 0 au 15 ans, soit de 15 à 20 millions de positions de stock à étudier toutes les nuits », souligne Pierre-Yves Lobry, directeur gestion et flux chez IDKids. community.

La société a choisi le logiciel Provisia  de Vekia avec, pour objectif, « que le client trouve ce qu’il cherche, voire d’anticiper ce dont il a besoin ». Les utilisateurs intègrent les différents paramètres, comme les courbes de vie de chaque produit (vêtements été en été), une masse de données énorme, moulinée par les algorithmes de Provisia, qui tiennent compte également des historiques de vente en magasin.

 La machine soulage les équipes des tâches de masse pour leur permettre de travailler au plus près les exceptions. 

Le croisement de tout ces éléments fournit alors le réassort, prenant en compte – en plus – la situation des quatre entrepôts (trois en France, un à Hong Kong) « pour une répartition raisonnée au plus près du client », ajoute Pierre-Yves Lobry.

D’autres paramètres, plus ponctuels, peuvent encore être introduits manuellement, comme la météo ou une opération commerciale. « La machine soulage les équipes des tâches de masse pour leur permettre de travailler au plus près les exceptions, il y a un vrai enrichissement du métier d’approvisionnement », estime Pierre-Yves Lobry. « En plus, ça rationalise les stocks, évitant que des produits restent dans un coin alors qu’ils pourraient être vendus ailleurs. »

En savoir plus sur https://www.lesechos.fr/intelligence-artificielle/cas-pratiques/0301413006668-trois-exemples-dutilisation-de-lia-par-des-groupes-francais-2159930.php#t8wFHoKgrxhigAWW.99

Recrutement IA Montréal : www.cybersecuritemontreal.com