Memoire Online - L'intelligence artificielle au sein des services marketing

- Les pionniers : Seb est un cas d'école en termes d'intégration (peu de solutions innovantes extérieures et transformation rapide sur un business large et traditionnel), en avance sur de nombreuses entreprises. Il existe peu d'entreprises sous ce modèle, intégrant des solutions impliquant une intelligence artificielle innovantes au sein de leurs services et crées en interne. Ce cas d'entreprise doit être une des priorités d'entretien du fait de sa valeur ajoutée sur ce marché et son périmètre d'action innovant. En effet l'entreprise possède beaucoup d'internalisation, l'entretien aurait pour but de faire un état de leurs procédés et méthodes afin d'en comprendre les enjeux et en quoi ce modèle d'intégration rapide pourrait être considéré comme un exemple au sujet de l'avenir de la plupart des entreprises :

Quelle est la proportion quotidienne de l'utilisation de l'outil, quel a été le but de l'installation de l'outil, qui ont été les premiers concernés, quel impact, quels moyens à mettre en oeuvre pour son fonctionnement, quel est le ressenti face à cet outil lors de son arrivée / ressenti lors de la phase de préparation / ressenti lors de l'exécution / ressenti face au résultat donné par l'outil ?

- Les porteurs de solutions : Des start-ups innovantes comme Tilkee (outil de management des pratiques marketing) ou Geolead (référencement local et personnalisé), dont les outils favorisent le développement de ces pratiques intelligentes au sein des entreprises et ont un puissant levier à actionner ces prochains mois ou années du fait de la nature prometteuse et porteuse de ce marché encore en plein expansion :

Certaines sont inscrites dans des partenariats avec des grands comptes comme La Poste par exemple : quelle est la principale demande des clients, quel est le rôle majoritaire de l'outil chez eux, est-il changeant en fonction des domaines, quelles perspectives dans ce marché en plein expansion, existe-t'il déjà des signes avant-gardistes prouvant ces changements imminents, de quelle nature sont-ils, quelle évolution pour les outils d'aide à la décision ?

- Les acquéreurs de ces solutions : Comme évoqué précédemment, La Poste en fait partie intégrante mais nous pourrions en citer bien d'autres. L'objectif serait d'obtenir des réponses quant à la non conception en interne de ces process, mais aussi les motivations de ces derniers, et les process mis en place pour effectuer leurs choix (ou les modifier), conception unique ou calquée sur un modèle ? ressenti lors de l'exécution / ressenti face au résultat donné par l'outil ?

- Les conférenciers et conseils aux entreprises : Ils ont une forte connaissance du terrain et de la diversité des solutions proposées, sont souvent porteurs de nouvelles idées pour les entreprises et sont directement impliquées parfois dans ces changements (notamment les personnes que nous interrogerons) de par leur activité de conseil aux entreprises. Il sera question d'obtenir leur point de vue sur l'avancée des outils, quel est la principale innovation à pousser s'il fallait en implémenter une seule au sein des services marketing, quelle est l'innovation la plus prometteuse, celle qui est désormais la plus utilisée, celle qui est la plus génératrice de ROI, comment les entreprises font face à ces changements, quel est leur rôle dans ces changements

Modèle, pistes de propositions, méthodologie de recherche et guide de l'entretien

L'impact des changements induits par l'automation et des autres services intelligents développés avec une intelligence artificielle dans les départements Marketing, et plus précisément au sein de leur stratégie décisionnelle et prédictive (notamment sur les problématiques de positionnement et de ciblage).

- Qui est en charge de la maintenance et de l'entretien, ainsi que de l'évolution de l'outil

- Perspectives d'évolution du marché ? aujourd'hui / dans 3 ans / dans 5 ans / dans 10 ans

- Existe-t'il déjà des signes avant-gardistes prouvant ces changements imminents ? De

4 Qui est en charge de la maintenance et de l'entretien, ainsi que de l'évolution de l'outil

4 Quel est la principale innovation à pousser s'il fallait en implémenter une seule au sein des

- Des entreprises de plus de 10 salariés ayant un profil commercial B2B ou B2C et résidant en France

- Entreprises innovantes et start-ups développant des outils marketing ayant recours à l'intelligence artificielle pour améliorer la qualité des services internes et externes - Entreprises innovantes ayant recours à toute forme intelligence artificielle dans l'aide à la décision, le marketing prédictif (ciblage, positionnement de préférence)

- Entreprises ayant recours à une intelligence artificielle dans un but d'amélioration de la productivité de ses salariés au sein du service Marketing

- La rencontre se déroulera dans les locaux de l'entreprise avec un entretien audio enregistré. Dans le cas d'une indisponibilité des personnes interrogées pour un entretien physique, les réponses seront rédigées à l'écrit avec des échanges de courriers électroniques.

- La rencontre pourra également avoir lieu lors de conférences si nécessaire.

1/ Introduction (Remerciements, Présentation de l'intervieweur, Présentation de la démarche, présentation des thèmes objectifs, demandes concernant la confidentialité / anonymat, conditions matérielles pour l'entretien)

2/ Présentation de l'interviewé (Emploi, Ancienneté & Mobilité professionnelle, Statut familial, détails personnels)

3/ Entrée dans la thématique (par catégorie d'objectifs) par l'intermédiaire des questions principales et de ses questions complémentaires

Patrick Johnson (Vice-président Corporate Research & Science chez Dassault Systèmes), Frédéric Bornuat (Chief Data Officer à CEGID)

Annexe 2 : Entretien Patrick Johnson

PATRICK JOHNSON

Patrick Johnson est VP Corporate Research & Science chez Dassault Systèmes. Dans ce cadre, il définit les bases scientifiques des solutions de Dassault Systèmes, invente de nouvelles technologies disruptives pour l'industrie du futur et anime l'écosystème mondial de recherche pour le groupe.

Après quelques années durant lesquelles il invente plus d'une vingtaine de produits innovants qui transforment les pratiques de conception grâce à la gestion de la connaissance et l'intelligence artificielle (marque phare CATIA), il prend la direction de la Recherche en 2004, contribuant au développement de nouvelles technologies originales pour l'ensemble des marques du groupe, et développe significativement l'écosystème mondial d'innovation en favorisant la création de partenariats pu-blic/privé avec de prestigieux instituts et organismes de recherche.

Par ailleurs, il lance un domaine de diversification entièrement nouveau, avec la création d'une suite d'applications collaboratives destinées au secteur des sciences de la vie (marque BIOVIA) dans le cadre du programme BioIntelligence (+120 millions d'euros, une douzaine de partenaires publics et privés) et la constitution d'un laboratoire mondial R&D en modélisation, simulation, big data et développement de bioprocédés pour les sciences de la vie.

Diplômé de l'ENSAE et d'un Master d'informatique, Il a également été membre des Conseils Scientifiques d'INRIA, de l'ARISS, de la société internationale en biologie computationnelle (ISCB), de l'Institut Mines Telecom, d'IRCAM, du Comité de Culture Mathématique de l'IHP (Institut Henri Poincaré).

- Merci d'être avec moi ce jour Patrick Johnson. Je vais d'abord me présenter briève-

ment et vous présenter la démarche de notre rencontre dans ce cadre. Puis je vais vous laisser vous présenter brièvement également avec notamment votre emploi, vos anciens emplois, votre ancienneté et mobilité professionnelle. J'entrerai ensuite dans la thématique avec quelques questions où nous échangerons sur le sujet. L'entretien sera plus sous forme d'échange que de questions en réalité.

Déjà je vous remercie d'être là aujourd'hui. Je me présente je suis Erwan Roux de Bezieux, je suis étudiant à Kedge Business School Bordeaux dans la Chaire Business in a Connected World, spécialisée Marketing Digital et Communication. Je suis là ce jour car je rédige actuellement un mémoire actuellement concernant l'intelligence artificielle au sein des services marketing. Plus globalement ce sont plus les tendances d'évolution et comment les outils marketing aident les services marketing et comment les emplois peuvent être im-pactés par cela et comment c'est impliqué.

Je vais procéder si vous le voulez bien à un enregistrement audio de notre conversation : il est déjà lancé est-ce que vous êtes d'accord pour que nous continuons l'enregistrement de nos échanges ?

- Patrick Johnson, Responsable des activités de recherche pour le groupe Dassault Sys-

temes qui est une société d'environ 16.000 personnes et qui est dans les trois géographies mondiales, qui est éditeur de logiciels centré sur ce que nous appelons les expériences, c'est à dire comment l'économie a shifté du produit à l'usage, comment est-ce qu'on aide les grands industriels à inventer de nouveaux produits ou services pour un usage supérieur ou innovant. Cela fait une vingtaine d'années que je suis dans le groupe j'ai fait un certain nombre de trucs dedans et ça fait maintenant plus d'une dizaine d'années que je suis à la recherche.

- Je suis rentré comme un ingénieur. De formation ingénieur de développement, plutôt

infrastructure et puis j'ai vite pris des responsabilités : j'ai été chef de produit donc j'ai vite été confronté à des problématiques un peu marketing (suivi produit, création d'une ligne de produit) d'abord en mécanique puis en intelligence artificielle. J'ai vraiment fait mes premières armes en intelligence artificielle. J'ai d'ailleurs développé pas mal de suites qui ont fait que des industriels comme Toyota ont par exemple vraiment changé la façon qu'ils avaient de travailler en digitalisant les savoir et savoir-faire de conception de voiture à l'intérieur même des modèles de voiture. C'est à dire qu'on avait internalisé le savoir-faire dans les pièces ce qui faisait que quand quelque chose devait être modifié les pièces savaient presque d'elles même comment faire.

Après j'ai eu un parcours un peu particulier puisque j'ai été « sherpa » du PDG, d'un parcours toujours en « learning » on va dire (rires) : ce n'est pas artificiel et c'est très intelligent (rires) et puis après j'ai fait la recherche, mon poste actuel.

- Justement vous parliez de Toyota, quelle est la principale innovation ou « prototype »

comme vous me l'aviez évoqué plus tôt en off pour laquelle vous avez été impliqué dernièrement et dont vous avez été le plus fier ?

- Je vais vous en donner deux : celle-là dont je vais vous parler qui est une suite de

produits appelée « Knowledge wear » : cela a vraiment changé les pratiques de conception et pas que dans l'automobile mais dans plein de secteurs.

Et puis j'ai fait quelques années après dans le cadre de mes activités de recherche où en fait toujours en exploitant le Big Data, la médiation, la simulation et l'IA on s'est dit que c'était « bête » de se concentrer que sur les sciences de l'ingénieur et que en fait il y avait plein de défis dans les sciences du vivant et donc j'ai été à la base de toute une création d'une division chez Dassault Systèmes, qui s'appelle Biovia. C'est à dire consacrées aux sciences de la vie et qui a démarré avec un très grand projet de recherche en Europe, qui a généré une douzaine d'applications en Discovery, Pré Clinique et Cancérologique. Puis après on a structuré par une acquisition externe et maintenant on a un très gros pôle donc je vais mettre ca sur mes actifs.

- C'est ce que j'avais lu dans une de vos interviews. Et c'était qu'elle technologie qui

- Sur le projet initial oui. Je voulais tout refaire en interne. Non pas par arrogance mais

disons que ce qui était à l'extérieur n'était pas bien et on voulait y mettre notre propre savoir-faire et ADN. Beaucoup de choses sont faites en science du vivant qui sont du Big Data (de l'analytics) mais moi je suis un fervent convaincu que l'IA touche tous les secteurs et ce n'est pas une formalité mais c'est juste un moyen et si on rentre un peu dans la technique, entre les différentes formes d'apprentissage (supervisée, non supervisée, guidée ou pas) on pense que quand vous avez une bonne compréhension du métier (des

modèles industriels) d'une certaine façon vous supervisez l'apprentissage, vous comprenez mieux les données. Je suis un fervent défenseur de l'adjonction des modèles et de la simulation à l'IA (ce n'est pas l'un ou l'autre) et beaucoup de projets qu'on voit en ce moment c'est souvent de l'IA pour de l'IA. Et nous on pense que c'est une dialectique très vertueuse (confrontation de données et simulation). C'est presque épistémologique en fait (rires).

Le démarrage du projet a été avec nos propres technologies et notre propre ADN : on a par exemple modélisé une cellule cancéreuse intégrale, ce qui était une première mondiale et on l'a calibrée (alors la calibration était très compliquée à faire) avec des données cellulaires qui venaient d'hôpitaux etc.

Puis quand on a fait une croissance externe, la société qui nous a rejoint est venue avec plein de technologies : elle avait déjà développé des technologies par elle-même mais également en collaboration avec des centres universitaires. Je vais en citer un par ce qu'il est assez emblématique : on travaillait en modélisation moléculaire pour que les molécules se recroquevillent sur elles-mêmes. Pour qu'un médicament marche bien faut qu'il se recroqueville bien. On a travaillé avec un Prix Nobel de Harvard qui s'appelle Martin Karplus. Il a développé une technologie qui est assez connue et on est le seul acteur industriel qui incorpore cette technologie.

- Si je comprends bien vous avez, plutôt que d'avoir des partenaires en extérieurs, pri-

- Pour parler plus globalement sur vos expériences, que ce soit des prototypes ou des

technologies / innovations, quels sont les facteurs déterminants pour que le prototype soit pertinent et mis sur le marché ? Je fais référence à ceux qui sont à l'IA.

- Je vais essayer de répondre en deux crans : il y a ceux qui ne sont pas inhérentes à

l'IA mais vous les connaissez comme les MVP, il faut avoir une bonne délimitation, il faut savoir ce qu'on veut faire. Il y a beaucoup de sociétés en start-up ou autre qui ont des idées mais au fond qui ont des idées assez floues et qui essayent plein de trucs. C'est un vrai travail, c'est dur, c'est un travail ingrat d'avoir une target précise : et sans ça ne vous serez pas exactement ce que vous voulez et vous allez vous diluer avant de l'obtenir. Il y a un travail où il ne faut presque pas coder, de « Defline » où tout se joue car 80% des décisions sont prises tôt et après libre à vous de redorer, étendre, revoir ou encore reconfigu-rer mais il faut définir des objectifs car sans, on ne peut pas l'attendre. Donc avoir une bonne définissions du MVP ça c'est clair.

Après si on parle de l'IA : alors ça va n'engager que moi mais, bon il y a plein de technologies dans l'IA, c'est un buzz word, mathématiques et celles en émergence aujourd'hui, comme le deep learning. Certaines de ces technologies c'est encore de l'artisanat. Il faut quand même le dire : il y a plein de cas qui marchent bien et ça marche bien justement par ce qu'on a affaire à la première définition hyper précise avec par exemple des trading set très délimités avec une vraie réflexion sur les cas d'usage.

Le cas emblématique qui enfonce tout c'est l'accident de la voiture autonome survenue il y a peu avec un vélo. Parce que le training set entrainait l'IA à reconnaitre les vélos et les cyclistes mais pas les cyclistes qui marchaient à côté des vélos. Malheureusement le cycliste est mort parce que la voiture n'avait pas vu que c'était un cycliste qui roulait. Cela veut bien dire que si l'on n'a pas bien défini ce que l'on veut pour cet IA cela ne pourra pas marcher. Il y aura toujours des cas qu'on n'appelle pas industriel, qui ne marche pas en d'autres termes. Il y a une délimitation extrêmement précise mais c'est un travail chirurgical, des scénarios, des cas d'usage, des données qui en incombe et même après de l'évolution du logiciel (de nouvelles données qui arrivent). Ça c'est un vrai travail pour réussir une application de base IA.

Prenons un exemple en marketing d'analyse de sentiments avec une marque qui s'appelle Exalead. Il faut avoir analysé pendant un certain temps des données pour se voir dégager des choses ou alors disposer d'une technologie qui ne dépend pas des données (réel ou

d'autres fondamentaux de principe). Il faut donc savoir si quoi on base les forces de l'appli car si on l'appuie sur des forces qui ne marchent pas au prototype et qui ne se calera pas du prototype à l'appli, on va perdre un prototype. C'est souvent le projet de réalité dans un projet d'IA. C'est compliqué de faire ça. En plus on est à l'ère de la mobilité et de l'usage instantané donc la tolérance à l'erreur est nulle. Ce n'est d'ailleurs pas à vous jeune gens que je vais dire ça (rires communs) : si un truc ne marche pas au bout de 10 secondes on se « barre » et on va ailleurs, hors de question de comprendre pourquoi ça

ne marche pas.
Comme une IA dépend des données et que ce n'est pas algorithmique au sens formel n'existe pas encore, c'est artisanal comme technologie et ça demande à être encadré comme un artisanat.

- Votre vision est très intéressante et cela va me permettre de rebondir sur un autre

point que Monsieur le Député Cédric Villani a dit tout à l'heure (à la conférence IA Summit ndlr) qui lui a fait la vision totalement opposée de la chose avec justement cette phase de test avant d'implémenter sur un marché.

- En fait il disait la même chose : il disait qu'il fallait démarrer d'abord par de

l'expérimentation avant l'implémentation et l'exploitation. Il y a deux raisons : c'est pour alimenter les réseaux de recherche et les environnements d'expérimentation mais aussi par ce que c'est inhérent à la matière (cette matière-là est une matière expérimentale). Cédric c'est un positiviste, il va dire qu'il faut expérimenter beaucoup avant d'être prêt à lancer.

Et puis il a dit un autre truc qui va aussi dans ce sens : dans la plupart des applications qui marchent il a très peu de théories qui l'explique.

Je vais vous le dire un peu en creux, il a beaucoup d'algorithmes on ne sait pas comment ils marchent. C'est violent de dire ça comme ça mais le même Cédric Villani il dit souvent dans les conférences et moi je lui ai dit quand j'ai été audité pour le Rapport Parlementaire que c'est de la chimie et qu'il faut savoir les encadrer. Mais ça ne veut pas dire qu'on

ne peut pas en faire des applications industrielles simplement il faut avoir un processus industriel pour un recadrage dans l'exploitation.

- Tout auditeur de logiciels procède à des prototypes. Je ne peux pas dire l'intégralité

des choses mais tout éditeur test de manière automatique ou manuelle (beaucoup de manière automatique) et de manière sémantique surtout ses logiciels pour voir s'ils tiennent le choc et s'il n'y a pas des erreurs. Une activité humaine est propre à l'erreur.

- D'abord dans la définissions des tests : on pourrait dire que quand vous développez

un prototype vous en développez deux, « le proto puis le proto qui va tester le proto » et c'est vertueux. Nous on en a beaucoup. Tous les grands éditeurs et de tous les domaines fonctionnent comme ça. En fait d'un point de vue coût si vous voulez, si vous regardez le crédit impôt recherche (on va prendre un élément externe comme ça je vous donnerai le message sans me trahir).

En fait, quand le crédit impôt recherche finance des travaux de recherche innovants, c'est encadré par le manuel européen qui s'appelle le Frascati. C'est celui qui étalonne les phases de développement depuis la recherche jusqu'au développement et la phase d'industrialisation en dernier lieu. Ils savent très bien que la phase d'industrialisation est immense dans le logiciel, donc ils ne la couvrent pas (près de 50%). Alors il y a de nouvelles technologies et l'IA peut aider d'ailleurs. Ce qui est intéressant c'est qu'on voit que le développement du code est en train de changer via et à cause de l'IA. Mais grosso modo on a des organisations entières pour faire ça et chaque développeur est responsable

de la qualité de ce qu'il fait. Alors d'ailleurs si vous voulez un petit conseil là-dessus, de la même manière que le Chef de Produit est responsable de son produit, et de la qualité de son produit et donc de la manière qu'il doit faire son « Defline », il est garant de la réception par son public de son produit. C'est d'ailleurs dans les fiches de rôle des dévelop-peurs. Ce n'est pas vraiment délégué, sinon vous déresponsabilisé le développeur.

- Quand ces moyens physiques sont implémentés, quels sont les moyens physiques et

- Alors nous lors du déploiement en prémisse chez le client (aller installer physique-

ment chez le client), mais avec le Cloud ça change tout car il est directement chez vous, soit lui et nous, nous sommes directement reliés en direct principalement par le Cloud maintenant. Toutes nos solutions passent par ce canal pour l'accompagnement, le suivi, le monitoring et tout ce qu'on veut. C'est comme si vous me disiez que chez Google il est avec vous mais pas dans votre pièce, c'est un service en ligne et nous toutes nos solutions sont en train d'être sur le Cloud. Ça a évidemment des avantages multiples.

- Plus globalement, ça va être un des derniers sujets qu'on va évoquer : quelle est

votre perception aujourd'hui, je vous demanderai plus tard et avant dans un second temps, des outils dans l'IA et où est ce qu'on pourrait se placer dans une perspective, que ce soit côté professionnel et utilisateur ? Quelle est l'offre qu'on a aujourd'hui et par rapport à aujourd'hui qu'est ce qui nous attends demain par rapport au début de cette révolution IA ?

- Encore une fois ce n'est pas une fin en soi, ce n'est qu'une matière informatique et ça

- Alors c'est exponentiel car nos technologies fonctionnent de manière exponentielle

mais il y a tellement de trucs qui ne se sont pas faites encore une fois qu'aujourd'hui c'est trop expérimental, il y a des pans entiers qu'on ne comprend pas et la plupart des papiers vous disent « j'ai changé le potard de 3% à gauche et bah ça va mieux », c'est un peu le SVP2222 en aléatoire, sans compréhension théorique forte. D'ailleurs ça c'est un truc que je considère que la France aurait dû souligner dans le Rapport Parlementaire sur l'intelligence artificielle de Cédric Villani : il y a des grands enjeux et on est une école en France de mathématiques connue et unique dans le monde et ses grands défis de compréhension plus fine et théorique de l'IA on aurait dû au moins prétendre qu'on s'y attaquait vraiment. Ce n'est pas le seul truc à faire mais pourquoi pas. Et puis on est également très loin de la compréhension ne serait-ce que d'une IA qui fait plusieurs tâches (DeepMind essaye d'ailleurs de faire ça). On est très loin de la conscience également et on arrive maintenant à tout ce qui est frontalier entre les neurosciences et l'IA. Mais au-delà du schéma biomimétique des réseaux de neurones il est vraiment temps de s'inspirer des neurosciences.

Il y a plein de choses qui sont intéressantes : d'ailleurs on a trouvé il n'y a pas longtemps une certaine boucle de rétroaction sur certaines colmocorticales qui font penser à la palpe propagation de Yann LeCun. Alors après, hasard ou coïncidence ? C'est intéressant, faut creuser et mélanger les disciplines. La conscience est encore à un horizon encore plus loin et je ne parle même pas de la GI (General Intelligence). Ça c'est d'un point de vue simplement du domaine.

Pour l'utilisateur, déjà il y a 25 ans il n'y avait pas internet (rires), 10 ans pas d'Iphone donc le truc évolue juste à vitesse grand V et ça va peut-être continuer encore de manière exponentielle et peut être que finalement les jalons que j'ai donnés vont être atteints (50 à 70 ans). Je ne fais pas de transhumanisme à deux balles en disant ça mais...

- Pas un tournant je dirais. Il y a eu un point d'inflexion en 2012 quand Bengio et Hin-

ton et LeCun ont fait marcher le truc sur la reconnaissance d'image (surtout dû à Hinton de mon point de vue) après on est certainement dans une accélération de performance. Mais c'est dans une activité seulement. C'est comme si je disais qu'on était dans l'ultra performance de la traduction du son avec un vinyle, forcément en 1890 on avait des lecteurs c'était des radiophones ça faisait un truc immonde. Maintenant ça sonne très bien. On est plus dans une mutation dans l'usage du digital dans le sens général du terme. D'ailleurs on se rapproche beaucoup plus des expertises métier comme on le disait ce matin (des savoirs et des savoirs faire) et l'IA est un catalyseur de cela. Donc je ne dirais pas que c'est un tournant, je n'ai pas encore vu une véritable découverte nouvelle mais j'attends de voir ça.

J'ai vu des choses hallucinantes dans des SF, il y a l'histoire du GO etc. Donc j'attends encore et je veux être plus impressionné que ça.

L'intelligence artificielle au sein des services marketing

Annexe 1 : Pistes de réflexion avant la phase d'entretiens et guide d'entretien