L'impact de l'intelligence artificielle sur les ventes et le commerce

Betty introduit la conférence en ligne sur l'impact de l'intelligence artificielle (IA) sur les ventes et le commerce. L'objectif de la conférence est d'explorer les opportunités, les défis, les compétences nécessaires et les stratégies de succès dans un environnement en évolution. Les sujets abordés incluent les avantages et les risques de l'IA pour les ventes, les compétences requises et des exemples concrets d'entreprises intégrant l'IA dans leurs stratégies de vente.

Plus de 300 participants ont assisté à une conférence précédente avec un expert en préparation mentale de France, connu pour son livre sur la préparation mentale. Le livre comprend plus de 100 exercices pour les athlètes de haut niveau pour gérer des situations critiques et stressantes. L'expert a mené l'équipe de basketball française à une médaille d'argent aux Jeux olympiques de Sydney, marquant la première fois que la France a battu les États-Unis dans une compétition mondiale.

Incitatif est une application tout-en-un conçue pour aider les directeurs commerciaux à impliquer et à coacher les équipes de vente pour améliorer leurs performances. L'application, soutenue par Carlos Tavares de Stellantis, fournit des informations essentielles pour un coaching efficace. Actuellement opérationnelle dans une vingtaine de pays et 9 langues à travers différents secteurs.

Didier, un ingénieur avec une formation en ingénierie centrale et en mathématiques appliquées, a travaillé en tant que data scientist chez EDF, Enedis et Capgemini. Comprenant l'importance des données pour les entreprises, il a fondé Ayo Dissolution en 2019 pour aider les entreprises dans leur stratégie de données et la mise en œuvre de l'IA. En collaboration avec des entreprises comme Air Liquide, BNP Paribas et Leclerc, ils fournissent des solutions sur mesure et forment les équipes aux défis liés aux données.

Roland introduit le sujet de l'intelligence artificielle (IA) en soulignant son importance et sa discussion généralisée dans le contexte de la transformation numérique. Il définit l'IA comme un ensemble de technologies qui automatisent les processus de prise de décision sans avoir besoin de règles explicites. Victor approfondit davantage les applications de l'IA, telles que les décisions de tarification sur des plateformes comme Amazon, où les algorithmes d'IA déterminent les prix des produits en fonction de divers paramètres tels que les prix de la concurrence et les données de ventes historiques.

La discussion porte sur la croissance exponentielle de la production et de l'utilisation des données. Il est mentionné que 90% des données existantes ont été créées au cours des deux dernières années, mettant en avant l'accélération rapide de la génération de données. Cette explosion de la création de données est principalement attribuée à la numérisation impactant les processus commerciaux et la vie quotidienne à travers la prolifération des appareils connectés et des technologies IoT.

La conversation explore l'impact de l'IA et des données sur les équipes commerciales. Une vue d'ensemble des outils d'IA disponibles pour un usage commercial est fournie, y compris des applications comme Superman pour la prise de notes et l'identification des actions lors des réunions. La discussion se tourne ensuite vers des projets concrets qui exploitent l'IA pour améliorer les opérations commerciales et la prise de décisions stratégiques au sein des entreprises.

L'IA peut améliorer les présentations en intégrant du texte et des images, en résumant les besoins des clients, en générant des messages personnalisés sur LinkedIn, en créant des présentations PowerPoint et en synthétisant des documents. Des exemples incluent l'utilisation d'outils d'IA pour les messages LinkedIn et la résumé d'articles.

L'IA améliore l'efficacité des équipes marketing et commerciales de deux manières. Premièrement, elle améliore l'efficacité opérationnelle en automatisant des tâches telles que la synthèse des notes de réunion, la rédaction d'e-mails et la planification des rendez-vous. Deuxièmement, la sous-utilisation de l'IA réside dans l'amélioration des propositions de valeur, des produits et des offres de services en exploitant les données pour automatiser la tarification, détecter les signaux de comportement des clients et optimiser le moment du contact client pour améliorer les taux de conversion.

Les outils d'automatisation du marketing comme HubSpot et les mécanismes web utilisent actuellement des systèmes de notation de base pour évaluer les prospects en fonction de leurs interactions sur le site web. Ces systèmes attribuent un score de 0 à 100 et déclenchent des actions telles que la planification d'une réunion lorsque le prospect atteint un certain seuil de score.

La distinction entre les algorithmes historiques et l'intelligence artificielle réside dans la capacité de l'IA à déduire des règles implicites à partir de données historiques. L'IA peut analyser un grand nombre d'exemples pour reconnaître des schémas subtils et des comportements qui conduisent à des probabilités plus élevées de résultats réussis, allant au-delà des simples systèmes de notation.

L'intégration de l'analyse des données historiques et de l'IA n'est pas une dichotomie mais un continuum. Établir une base avec l'analyse des données historiques permet un meilleur contrôle des processus, tandis que l'utilisation de technologies avancées comme l'IA permet aux organisations d'extraire des insights plus profonds et d'améliorer leurs performances.

Les avancées de l'IA posent des risques tels que l'exploitation des données, pouvant conduire à des actions non pertinentes ou inappropriées. Pour les équipes commerciales, un risque clé est d'automatiser les réponses aux clients sans un étalonnage approprié, risquant ainsi la mécontentement des clients en raison de réponses automatisées inexactes ou hors cible.

La clé du succès pour une équipe commerciale réside dans l'identification des cas d'utilisation à forte valeur ajoutée, la résolution des problèmes critiques et la recherche de solutions sur mesure. Il est crucial d'aborder chaque étape de manière méthodique, en se concentrant sur la compréhension de l'entreprise, de l'industrie et des processus pour prioriser efficacement.

Dans le contexte de la mise en œuvre de l'IA, le risque principal n'est pas technique mais plutôt centré sur l'acquisition d'une compréhension plus profonde de l'entreprise et potentiellement sur la perte des subtilités des insights humains essentiels pour la prise de décision efficace. Les préoccupations concernant l'IA devenant une "boîte noire" et éclipsant l'expertise humaine sont courantes mais peuvent être atténuées grâce à une conception réfléchie et à la construction de la confiance des utilisateurs.

L'IA n'est pas une solution magique mais plutôt un outil de support à la décision. Elle complète l'intelligence humaine en aidant dans les processus de prise de décision, en priorisant les prospects et en détectant les signaux subtils dans les données. Comprendre les limites et les capacités de l'IA est crucial pour tirer pleinement parti de ses avantages.

La question des modèles d'IA en 'boîte noire' pose un défi important en matière d'adoption. Construire la confiance des utilisateurs à travers des modèles d'IA explicables, la transparence dans la prise de décision, et favoriser une culture de compréhension des raisons pour lesquelles des décisions spécifiques sont prises par l'IA sont des aspects critiques. Équilibrer le jugement humain avec les capacités technologiques est essentiel pour une intégration réussie de l'IA.

En discutant de l'importance de l'enseignement en intelligence artificielle, il est souligné que comme un élève ayant besoin d'un enseignant pour apprendre, les systèmes d'IA ont également besoin de guidance pour comprendre et effectuer des tâches de manière efficace. Le concept de l'effet de la 'boîte noire' est mentionné, en soulignant le besoin pour quelqu'un d'enseigner aux systèmes d'IA ce qu'ils doivent apprendre. Il est suggéré qu'impliquer les opérations et les utilisateurs dans le processus d'apprentissage peut aider à améliorer les performances de l'IA en identifiant les domaines où le système a pu mal comprendre et a besoin d'amélioration.

La conversation se tourne vers les applications avancées de l'IA, en se concentrant spécifiquement sur un projet de développement commercial. La suggestion est faite d'explorer des applications qui automatisent ou personnalisent les processus de planification de rendez-vous. L'idée est d'approfondir quelques applications avancées sélectionnées pour comprendre comment un projet de déploiement de telles initiatives se déroulerait.

La discussion présente Chang GPT comme un modèle d'IA générative capable de générer du texte en fonction de l'entrée. Il est noté que l'évaluation de la qualité des réponses de tels modèles peut être subjective, car différentes personnes peuvent percevoir le texte généré différemment. La complexité de l'IA générative est soulignée, avec une recommandation pour les débutants de commencer par des méthodes d'apprentissage supervisé comme la classification supervisée avant de se plonger dans des tâches d'IA générative plus complexes.

L'importance de la classification supervisée en IA est soulignée, en particulier pour les entreprises cherchant à mettre en œuvre des solutions d'IA. La classification supervisée consiste à entraîner des algorithmes à catégoriser les données d'entrée en fonction de résultats attendus clairement définis. Un exemple est donné de l'utilisation de la classification supervisée pour le service client, où les e-mails entrants sont classés pour rationaliser les processus de réponse, améliorer la productivité et potentiellement mesurer le retour sur investissement grâce à des métriques de test et d'évaluation claires.

Le conférencier discute de la mise en œuvre de l'intelligence artificielle dans les stratégies de tarification, citant l'exemple d'un client nommé Terreal, un leader dans la fabrication de tuiles en Europe. Terreal a travaillé de manière approfondie sur les concepts de tarification et les applications d'IA en matière de tarification en raison de facteurs tels que l'inflation, l'augmentation des prix des matières premières et les problèmes de disponibilité des composants, notamment dans l'électronique.

Le processus de mise en œuvre implique trois phases clés : comprendre les besoins et les problèmes, concevoir l'outil et la solution en fonction de cette compréhension, et déployer opérationnellement initialement à petite échelle puis en l'élargissant progressivement. Cette approche vise à avoir un impact tangible sur les équipes opérationnelles.

L'optimisation des prix est cruciale pour les clients industriels traitant un grand volume de devis personnalisés. En utilisant des outils d'IA pour rationaliser les décisions de tarification, les entreprises peuvent maximiser les marges et accélérer le processus de devis. Cette approche implique l'utilisation de données historiques, de profils clients, d'analyses de la concurrence et de divers paramètres pour améliorer les stratégies de tarification.

Le conférencier discute de l'importance d'apprendre à lire les données et mentionne que les experts dans le domaine ont une connaissance opérationnelle. Ils soulignent la construction d'un processus d'apprentissage basé sur les données existantes pour créer un outil capable de générer automatiquement des prix optimaux en fonction de nouvelles conditions ou demandes des clients. Les critères d'optimisation, tels que la maximisation des profits ou la sécurité des contrats, doivent être définis de manière collaborative par l'IA et les experts en affaires.

Le conférencier met en avant les gains de productivité significatifs et les améliorations de la qualité de réponse et de présentation obtenus grâce à diverses applications avancées.

Le conférencier introduit le concept d'un cercle vertueux de données impliquant la mesure, l'extraction, la collecte et la prise de décision. Ils soulignent la nécessité de développer des compétences dans ces domaines pour une mise en œuvre réussie.

Le conférencier conseille de commencer par une compréhension approfondie du domaine commercial, en se concentrant sur les défis opérationnels et les objectifs d'amélioration. Ils recommandent d'adopter une approche holistique en tenant compte des processus, des compétences, de l'organisation et des outils. Les trois principales étapes consistent à cartographier les inefficacités opérationnelles, à concevoir des solutions idéales basées sur les points de douleur identifiés, et à déployer efficacement les solutions.

Le conférencier discute de l'excitation et des opportunités dans l'exploration de la science des données, mentionnant l'émergence de nouvelles technologies sur le marché. Ils expriment leur gratitude pour le témoignage instructif fourni et recommandent un livre sur la science des données pour une exploration plus approfondie.

Diverses applications simples de la science des données sont mises en avant, notamment la création de noms de marque, de logos, de récits, d'illustrations pour les sites web, d'associations musicales avec les marques, et la génération de vidéos avec des personnages virtuels parlant plusieurs langues. Des outils spécifiques tels que Nemix, Mes Logos.i, Paulination, Aiva, et d'autres sont mentionnés pour chaque application.

Le conférencier souligne l'impact révolutionnaire de la science des données sur les agences et la communication, la décrivant comme un nouveau monde extraordinaire qui s'ouvre. Ils mentionnent comment cette révolution bénéficiera significativement aux agences dans divers aspects.

Le conférencier annonce la prochaine édition de la master class sur l'excellence commerciale prévue pour la semaine suivante. Ils invitent le public à se joindre et à participer à la session à venir.

Le conférencier reconnaît les nombreuses questions de l'auditoire, y compris une recommandation de lire 'World Without Work' de Loïc Simon. Ils abordent des questions liées aux considérations émotionnelles dans l'intelligence artificielle, précisant que l'IA, étant artificielle, ne comprend pas intrinsèquement les émotions ou l'éthique.

Dans le domaine de l'informatique, il y a un accent mis sur la matérialisation des émotions à travers des avatars générés par ordinateur. Les émotions comme la joie peuvent être exprimées par un sourire, mais il est important de noter que les expressions externes ne reflètent pas toujours les sentiments internes. L'analyse des sentiments, une partie du traitement automatique du langage naturel, est utilisée pour recueillir les retours des utilisateurs sur les produits en détectant les sentiments positifs ou négatifs dans les commentaires.

La discussion tourne autour de savoir si l'intelligence artificielle (IA) peut pleinement intégrer l'intelligence émotionnelle, qui est cruciale dans les ventes. On soutient que l'IA ne pourra pas complètement remplacer les humains dans les transactions complexes en raison de la valeur unique que les humains apportent, telle que la compréhension de la psychologie et du contexte du client. Alors que l'IA peut aider dans des tâches telles que la planification de rendez-vous et l'analyse de données, elle ne pourra peut-être pas reproduire l'intelligence émotionnelle, qui reste un aspect vital dans les interactions de vente.

Un exemple est fourni où l'IA rivalise avec les radiologues dans la détection des cancers à partir d'images médicales. Alors que l'IA peut surpasser les radiologues dans certaines tâches en raison de sa formation et de sa cohérence, la valeur d'un radiologue réside dans sa capacité à relier divers concepts médicaux et à fournir une compréhension holistique. La discussion souligne que la vraie valeur d'un professionnel de la santé, comme un radiologue, va au-delà de la simple détection pour inclure l'empathie et les relations avec les patients, des aspects que les machines ne peuvent pas reproduire.

Les vendeurs concurrents de différentes entreprises peuvent rencontrer des défis lorsqu'ils répondent à des questions ou besoins spécifiques. La préoccupation soulevée est de savoir si ces vendeurs risquent de perdre leur proposition de valeur unique dans un environnement concurrentiel. L'importance de comprendre et d'articuler sa valeur fondamentale dans les interactions de vente est soulignée, en mettant l'accent sur le besoin pour les professionnels de la vente de se différencier en fonction de leur expertise et de leurs relations avec les clients.

La précision des réponses de l'IA dépend des données d'entraînement et de la manière dont l'intelligence artificielle a été formée. Si tout le monde utilise le même outil et les mêmes données d'entrée, les réponses peuvent encore varier en raison de la nature probabiliste de ces systèmes. Cette variabilité entraîne de légères différences dans les réponses fournies.

LIA, lors de son lancement, visait à démocratiser l'accès aux technologies de l'IA pour tous, quel que soit la taille de l'entreprise. Les petites et moyennes entreprises (PME) peuvent bénéficier de solutions d'IA basées sur leurs cas d'utilisation spécifiques. La technologie est devenue banalisée, avec des outils comme Chat GPT disponibles moyennant un abonnement mensuel, rendant l'IA accessible à toutes les entreprises.

La décision d'utiliser l'IA devrait être basée sur les avantages spécifiques qu'elle peut apporter à une entreprise. La compétence dans l'utilisation de la technologie pour résoudre des problèmes spécifiques est cruciale, quelle que soit la taille de l'entreprise. La clé réside dans le fait de combler efficacement les défis commerciaux spécifiques avec des solutions technologiques.

L'IA peut être bénéfique pour les entreprises, même avec une petite base de clients. De l'optimisation de la planification des rendez-vous à la compréhension de contextes complexes, l'IA offre divers cas d'utilisation qui peuvent améliorer l'efficacité et la productivité, quel que soit le nombre de clients.

Les entreprises françaises pourraient être en retard par rapport à leurs homologues anglo-saxons dans la transformation de l'IA. Le retard pourrait provenir de divers facteurs, indiquant un besoin d'adopter et d'intégrer davantage les technologies de l'IA pour rester compétitif dans le paysage commercial en évolution.

L'acceptation culturelle joue un rôle crucial dans la mise en œuvre réussie de l'intelligence artificielle (IA). Cela implique d'adopter un changement dans les habitudes, la mentalité et les processus de prise de décision. Dans un monde caractérisé par la volatilité, l'incertitude, la complexité et l'ambiguïté (VUCA), la prise de décision a évolué d'une approche certaine et planifiée à une approche qui nécessite une adaptation et une expérimentation constantes. Ce changement met en avant l'importance de l'agilité, de la rapidité d'exécution et de la capacité à expérimenter avec les données pour en extraire des informations précieuses.

Les entreprises françaises sont confrontées à des défis culturels pour embrasser l'incertitude et prendre des décisions dans un monde en évolution rapide. La préférence française pour la conceptualisation et la rationalisation, ancrée dans une logique cartésienne, peut entraver leur capacité à s'adapter et à innover efficacement. Surmonter cette barrière culturelle nécessite un changement vers une mentalité plus expérimentale, où l'échec est accepté comme faisant partie du processus d'apprentissage.

Malgré les défis culturels, la France possède une compétence significative dans le domaine de l'intelligence artificielle. Les chercheurs français, tels que Yann LeCun, une figure de proue chez Facebook, et les meilleurs chercheurs en IA, démontrent l'expertise et le potentiel du pays. Les laboratoires français mènent des recherches de pointe, indiquant une base technologique et de compétences solide qui pourrait bénéficier aux entreprises françaises.

La citation "L'intelligence artificielle n'existe pas" de Luc Julia remet en question la perception de l'IA et souligne l'importance des processus d'apprentissage dans le développement de l'IA. Elle souligne le besoin de processus d'apprentissage bien réfléchis pour garantir des résultats réussis. De plus, elle met en lumière l'absence d'intelligence émotionnelle dans l'intelligence artificielle, mettant en évidence les limites de la technologie de l'IA.