En tant qu’expert RH et conférencier, je suis régulièrement sollicité par des entreprises et organismes de formation comme Lefebvre Dalloz sur l’impact de l’IA sur les métiers.
L’intelligence artificielle identifie, analyse, regroupe et produit des données à une échelle et avec une rapidité que nous ne connaissions pas encore.
Elle accède à cette data via des canaux de plus en plus diversifiés (elle « voit » même grâce aux webcams, elle « entend » avec nos micros…), ce qui la rend capable de communiquer de façon de plus en plus naturelle avec nous.
L’IA traite ces quantités d’informations de plus en plus vite à travers des modèles statistiques et des algorithmes intégrant des paramètres toujours plus diversifiés, parce que les machines actuelles sont déjà capables d’effectuer des milliards d’opérations à la seconde et cela progresse chaque année.
C'est ce qui lui permet d'avoir des raisonnements qui se rapprochent de ceux que nous appliquons, parce qu'elle est capable d'intégrer de plus en plus les mêmes types de données et de règles que nous.
Ainsi, l’IA est en mesure de nous comprendre et de répondre comme nous le ferions, c’est tout le changement apporté par les IA génératives comme Chat GPT ou Perplexity.
Contrairement aux idées reçues, l'IA est loin de remplacer les humains mais elle augmente leurs capacités à créer de la valeur ajoutée, en leur permettant de se concentrer sur des tâches plus stratégiques, en fiabilisant leurs décisions en apportant des informations clés, ou en créant pour eux les livrables dont ils ont besoin plus vite et plus facilement.
Comme le dit Yann Le Cun, le « godfather » du Deep Learning, l’IA a vocation à devenir notre super assistant, pas notre remplaçant.
Je suis ravi de partager avec vous cet article qui vous apportera une vision concrète de l’impact de l’IA sur trois fonctions vitales de l’entreprise qui sont :
3. Finance
L’article reste volontairement dans une présentation simple et accessible, avec des exemples de bénéfices et changements principaux à anticiper avec l’intelligence artificielle.
Si vous devez retenir les points marquants de cet article, notez qu’utiliser l’IA en entreprise implique de :
· définir les objectifs recherchés avec l’IA
· revoir les processus de chaque métier
· identifier les meilleures données à exploiter
· modéliser les schémas de décisions
Les données sont au cœur de l’IA, c’est certainement le point crucial, que votre réflexion vous amène à envisager de la personnalisation marketing par IA, de la formation assistée par IA, des chatbotsRH, de la vente augmentée par IA ou de l’analyse prédictive en finance par IA.
Bien entendu, si vous souhaitez en savoir plus, n’hésitez pas à me contacter à l’adresse contact@alfanero.fr ou via ma page LinkedIn et sur le site www.alfanero.fr
Bonne lecture !
1 Marketing & Ventes
Les professionnels du marketing utilisent désormais l'IA pour analyser le comportement des consommateurs et personnaliser les campagnes à grande échelle, comme jamais auparavant, c’est tout le propos de l’IA marketing.
Quant aux forces de vente, elles s'appuient sur des outils d'IA pour définir encore plus finement les profils des clients afin d’optimiser leurs stratégies commerciales et fixer, par exemple, le prix de vente pour décupler la vente augmentée par l’IA.
Analyse des données et personnalisation des offres commerciales
Les algorithmes d'IA apportent aux directions marketing la possibilité de collecter, puis, recouper dans des modèles d’analyse statistiques et prédictifs les millions de données laissées par les clients à travers les programmes de fidélité, leur parcours client, leurs achats, leurs connexions aux sites internet, leurs réseaux sociaux…
À partir de ces datas brutes, l’intelligence artificielle leur apporte la possibilité d’augmenter la connaissance des clients et de gagner en réactivité et personnalisation des actions marketing sur tous les canaux de la relation client.
Quel est l’intérêt du recours à l’intelligence artificielle pour analyser les données clients ?
Grâce à l’IA, il est possible de segmenter, avec une très grande précision, une population ciblée.
Par exemple, dans le cadre du ciblage client par l’IA, l’algorithme va analyser toutes les données collectées dans le CRM, puis :
· identifier chaque profil de client
· définir les caractéristiques sociales et démographiques
· les volumes de vente
· les produits préférés
· les réclamations les plus courantes
· les canaux de communication privilégier par ces clients
Grâce à cette puissance d’analyse, le service marketing dispose d’une information extrêmement ciblée et précise à tout moment.
C’est tout le propos de la segmentation client automatisée par l’IA.
Afin d'exploiter cette connaissance optimale des clients, le service marketing pourra utiliser l’IA générative afin de concevoir en un temps record, grâce à l’intelligence artificielle générative, les supports vidéos, audios ou graphiques à leur communiquer.
Par exemple, il devient possible de demander à l’IA analytique d’identifier les attentes actuelles d’une population ciblée, puis de faire créer par l’IA générative les images et vidéos optimales à diffuser via le canal de communication privilégié de cette population.
Autrefois, ce travail aurait pris des jours, voire de semaines ; aujourd’hui, il ne prend que quelques heures.
Le recours à l’IA générative permet également d’augmenter la fréquence et le nombre de publications à destination des clients de la marque ou de l’entreprise.
Cette réactivité et cette précision procurent un avantage significatif sur un certain nombre de marchés, particulièrement lorsque la population ciblée consomme à haute fréquence les supports audiovisuels sur les réseaux sociaux.
Développement de la relation avec le client
Les chatbots alimentés par l'IA améliorent le service client en offrant une assistance 24/7 et en traitant de manière très personnalisée les demandes des clients.
Grâce à la capacité d’adaptation temps réel des algorithmes aux questions qui leur parviennent, à leur capacité à intégrer tout l’historique du client pour personnaliser la réponse ; l’IA conversationnelle permet au service marketing de développer une stratégie de relation client ultra qualitative et individuelle.
Par exemple, le chatbot peut répondre à 02h00 du matin à la question d'un client qui se demande quel serait le meilleur produit à acheter pour compléter le produit acquis plusieurs mois auparavant.
En consultant la base de données du CRM, l'algorithme de Deep Learning peut lui faire une proposition adaptée qui tiendra compte de l'analyse de ses goûts, de ses besoins, en réalisant une prédiction du meilleur produit à lui vendre.
Dans une version encore plus poussée déjà possible actuellement, le client peut directement « montrer son produit à l'algorithme », en exploitant la webcam de son smartphone, ce qui augmente encore la fluidité de la relation entre la marque et le client et facilite les choses à ce dernier.
Quel est l’intérêt de la relation client augmentée par IA ?
Premièrement, le délai de réponse est extrêmement raccourci et il n’y a plus de perte de sollicitation entrante, ce qui peut arriver à cause de l’encombrement d’une plate-forme téléphonique, par exemple.
Or, dans le contexte d’hyper connexion actuel, comment réussir à satisfaire un client si le délai pour lui apporter une réponse est trop élevé ?
Grâce à la segmentation client automatisée par l’IA, l’analyse des données de l’historique d’achat du client permet à une marque de proposer à tout moment la recommandation la plus appropriée à chacun de ses clients, exactement comme si ces derniers disposaient en permanence d'un conseiller de vente personnel, ce qui est un avantage déterminant quant à la fidélisation du client et à son expérience avec la marque.
Quelle marque ne souhaite pas avoir la capacité d’adresser un message unique à chacun de ses clients, en tenant compte de leur profil, de leur historique, de leurs attentes et de leur style de communication ?
Sélection des leads aux meilleurs rendements
En ce qui concerne les forces de vente, l'IA a la capacité d’analyser avec une précision inégalée d’énormes quantités de données pour identifier les prospects au meilleur potentiel de conversion en analysant, par exemple :
· la nature et le nombre des contacts du prospect avec l’entreprise
· la cohérence de son secteur d’activité avec la typologie de clients actuels et ciblés
· le ratio de conversion pour la même typologie de leads
· le coût de la conversion
· la prédiction des volumes d’achats envisageables
C’est tout le propos de la qualification des leads par l’IA, un enjeu majeur de toute stratégie de développement commercial dans le futur.
Quel est l’intérêt de l’intelligence artificielle pour la qualification des leads ?
En premier lieu, la détection des prospects les plus intéressants par les algorithmes d’IA permet d’augmenter le rendement de l’investissement nécessaire pour la conquête des nouveaux clients.
Concrètement, l’IA , avec la puissance du machine learning et du deep learning, réalise les tâches très complexes d'analyse des données et fournit aux équipes commerciales les recommandations les plus pertinentes avec une réactivité quasi instantanée pour identifier les leads aux probabilités de chiffre d’affaires les plus élevés.
Qui souhaiterait consacrer du temps et de l’argent à un prospect qui a très peu de chance d’être converti en client ?
Quel est l'intérêt de l'intelligence artificielle pour la fixation des prix ?
D’autre part, l’IA permet une veille permanente des marchés grâce à laquelle les forces de vente disposent d’un assistant incroyablement précis pour la création et la personnalisation de leur argumentaire de vente, comme pour la fixation du prix optimal.
C’est un point clé de l’optimisation des ventes par l’IA.
Les algorithmes de veille peuvent, par exemple, analyser à travers de multiples bases de données :
· toutes les données de ventes de l’entreprise
· les coûts de l’entreprise
· les tendances du marché avec une précision qui peut être locale
Afin de prédire le meilleur prix à proposer aux clients en fonction de l'évolution globale du contexte ainsi que des contraintes économiques spécifiques à l’entreprise et de l’historique d’achat du client.
Avec la même logique d’analyse et en y ajoutant les données issues de la segmentation client automatisée, l’IA peut apporter aux forces de vente les meilleures recommandations d'argumentaires qui répondront au comportement d'achat et profil des clients en face d'eux.
Dans une version encore plus poussée, l'intelligence artificielle générative est en mesure de concevoir elle-même la présentation commerciale et de générer les visuels les plus adaptés en fonction du client que le commercial s'apprête à rencontrer.
Quel commercial ne serait pas heureux en ayant en permanence avec lui un assistant qui connaîtrait tous les clients de l’entreprise et serait capable de rédiger les meilleurs arguments et définir le meilleur prix à lui proposer ?
2 Ressources Humaines
L’IA a déjà commencé à transformer les RH, notamment les processus chronophages et récurrents à faible complexité qui sont de plus en plus traités par l’automatisation des processus RH.
Sur les processus RH plus sensibles, les recommandations de l’IA basées sur l’exploitation de différentes datas en nombre significatif, retraitées par des algorithmes capables d’intégrer dans leurs modèles mathématiques les variables complexes des raisonnements humains, vont renforcer la fiabilité et la rapidité des décisions RH.
C’est tout l’enjeu du machine learning RH.
Automatisation des processus RH
En termes de gains de temps dans les processus RH, l’IA apporte, par exemple, la lecture autonome des documents PDF et emails, la génération automatique de réponses et la mise à jour des informations dans le SIRH.
Ainsi, cela permet concrètement à la DRH d’augmenter l’automatisation d’une grande partie des processus RH récurrents que sont :
· La gestion des congés payés
· Le traitement de la paie
· La gestion des formations
Autre exemple, le développement de chat bots RH entraînés avec les données juridiques spécifiques de l’entreprise pour apporter une réponse en phase avec les spécificités de l’entreprise et qui tienne également compte du dossier collaborateur, apportent une réactivité immédiate aux demandes des salariés.
C’est l’analyse conversationnelle RH.
Par exemple, lorsque le salarié demande s’il a droit à une prime d'ancienneté, l’IA est capable d'interroger simultanément :
· la convention collective de l'entreprise
· le contrat de travail du salarié
Afin de rédiger et envoyer de manière autonome par mail la réponse exacte dans son cas individuel.
L’IA peut même informer automatiquement en copie du mail le manager et le service RH afin que ceux-ci puissent répondre au salarié.
Quel est l’intérêt de l’intelligence artificielle pour les processus RH administratifs ?
Dans un premier temps, le traitement plus rapide des processus administratifs permet d’augmenter la qualité de l’expérience collaborateur, parce que celui-ci obtient plus rapidement les réponses exactes dont il a besoin.
Quel collaborateur apprécie de patienter, parfois pendant plusieurs jours, pour obtenir le décompte exact de son solde de congés payés ou une explication sur son bulletin de paie ?
De plus, en consacrant moins de temps à réaliser les tâches administratives récurrentes et répondre aux « simples demandes de renseignements », le service RH peut allouer plus de temps à la gestion des carrières ou au développement du dialogue social, par exemple.
Par ailleurs, les échanges à travers l'analyse conversationnelle RH sont automatiquement enregistrés pour alimenter l'algorithme de Deep learning RH et améliorer sans cesse la qualité des réponses apportées.
Cela permet aussi de constituer un historique utile pour la gestion des collaborateurs dans le futur, par exemple en cas de contentieux.
Recrutement et sélection des candidats
Les outils de recrutement qui intègrent l’intelligence artificielle, en renforçant l’objectivité des décisions par l’exploitation de données en grande quantité pour compléter les raisonnements intuitifs, réduisent le risque d’erreurs d’évaluation et de sélection des candidats.
C’est l’objectif visé par l’optimisation du recrutement par l’IA.
Par exemple, l'intelligence artificielle est capable d'apporter une évaluation des risques et proposer des recommandations au recruteur sur les aspects suivants :
· Détection des candidats les plus adaptés à un poste par analyse des données des recrutements précédents
· Évaluation de la cohérence du profil avec la culture d’entreprise
· Analyse automatique des documents des candidats
· Comparaison des documents du candidat avec ses profils sur les réseaux sociaux
De plus, les nouvelles solutions d’IA multimodales, capables de traiter en temps réel l’information fournie par des canaux tels que la vidéo ou l’audio, sont capables d’établir des analyses prédictives et recommandations sur des sujets tels que :
· Vérification de la cohérence entre le discours et la gestuelle du candidat
· Comparaison des réactions du candidat avec les modèles de références
Certaines entreprises ont déjà commencé à utiliser ce type de solution en faisant passer un entretien de recrutement en visioconférence et dans les cas les plus avancés, l'entretien est piloté directement par l’IA sans la présence du recruteur. Ce type d'entretien est, notamment, utilisé dans les premières phases de sélection.
Quel est l’intérêt du recrutement par IA ?
Le tout premier point est de faire gagner du temps au recruteur, afin qu’il se consacre plus à l’évaluation de la cohérence des profils avec les besoins techniques mais également sociaux du poste.
Ensuite, l’IA, par son analyse basée sur des datas et non des émotions, permet de renforcer la part d’objectivité dans la sélection des candidats.
L’IA peut aider le recruteur à ne pas oublier une des dimensions à évaluer dans le cadre spécifique d’un poste ou éclairer son jugement en évitant certains biais.
Dans cette perspective, l’IA peut apporter au professionnel RH les éléments de savoirs techniques dont il ne dispose pas (tout le monde ne connaît pas tous les métiers) afin de vérifier les compétences du candidat.
Par exemple, l’IA peut générer en quelques secondes un test adapté aux propos tenus par le candidat pour vérifier s’il est réellement compétent dans ce qu’il avance.
Ainsi, le recrutement assisté par IA agit comme un super - assistant au recruteur, l’intelligence artificielle lui permet d’avoir une évaluation plus complète du candidat et de prendre des décisions plus éclairées.
Grâce à cela, la réactivité et la fiabilité du processus augmentent, ce qui constitue un avantage important compte tenu de l’investissement que représente chaque recrutement.
Quel DRH a envie de consacrer plusieurs mois à la recherche de candidats pour se tromper et repartir pour plusieurs mois de recherche… ?
Gestion des talents et des compétences
En réalisant une analyse à grande échelle des données internes et externes sur :
· les compétences actuelles des employés
· l’évolution des programmes sur le marché de la formation
· les nouvelles méthodes et métiers du secteur d’activité
La gestion des compétences par IA permet aux DRH d’optimiser facilement l’adéquation des compétences des collaborateurs avec les besoins actuels et futurs de l'entreprise, ce qui est indispensable au déploiement de la stratégie.
Entre autres exemples, la gestion des talents par l’IA représente une aide majeure pour les DRH afin de réaliser les processus clés suivants :
· Cartographie précise des compétences au sein de l'entreprise
· Suggestions personnalisées de formations pour les employés
· Identification des potentiels de mobilité interne
· Évaluation des risques de départs des talents
· Analyse des données sectorielles et concurrentielles sur l’évolution des métiers
Quel est l’intérêt de la gestion des compétences par IA ?
En premier lieu, la gestion des talents par IA permet de réaliser automatiquement le croisement des bases de données du personnel avec les datas issues du marché du travail et de la formation. Ici, toute la puissance des algorithmes de Deep learning prend son sens dans la mise en place d'une intelligence artificielle RH de premier plan.
L’IA, avec sa capacité prédictive, permet aussi aux DRH de détecter plus facilement les profils clés dans l’organisation et de concevoir les parcours de carrière propices à les faire évoluer et les fidéliser.
C'est tout l'enjeu de la gestion des talents par l’IA.
Quel DRH n’est pas à la recherche d’un assistant efficace, capable de réaliser en permanence la synthèse des informations internes et externes, pour gérer dans l’instant mais aussi avec une projection future, le plan de développement des compétences et les parcours de carrière ?
3 Finance
L'intelligence artificielle a un impact profond et multidimensionnel sur les métiers des directions financières, dont les enjeux de fiabilité et d’analyse sont cruciaux pour toute entreprise.
Les modèles prévisionnels apportent en temps réel les conseils pour les meilleures décisions, notamment par la prise en compte d’un nombre toujours plus varié de paramètres complexes, comme dans le cas de la gestion des risques financiers par l’IA.
L'intelligence artificielle permet aux directions financières d'identifier plutôt les situations à risque, d'alimenter les décisions des dirigeants avec des scénarios prévisionnels plus poussés, d'identifier les gains potentiel en amont et dans toutes les entités de l'entreprise.
C’est l’enjeu stratégique de l’analyse prédictive en finance.
Automatisation et optimisation des processus comptables récurrents
L’automatisation apportée par l’IA améliore énormément la rapidité des processus de saisie et vérification comptables, ce qui réduit les erreurs humaines.
Ainsi, les processus financiers suivants sont bien plus simples, fiables et rapides à réaliser grâce à la capacité de l’IA à analyser plusieurs bases de données simultanément par rapport à des modèles de références :
· Saisie des factures et des paiements
· Identification des impayés
· Rapprochements bancaires
· Génération de rapports financiers
Par exemple, l’IA peut saisir automatiquement les informations des bons de commande et des factures scannées en PDF et les rapprocher avec les informations des flux bancaires pour vérifier la cohérence des paiements encaissés.
Ainsi, en cas d’incohérence détectée, l'intelligence artificielle peut rédiger automatiquement une synthèse d’alerte à destination du DAF, c’est le principe de la détection de fraude par l’IA, par exemple.
Quel DAF ne serait pas ravi d’avoir une surveillance permanente des écarts et des fraudes, par exemple sur un périmètre avec de très nombreux points de vente ?
Analyse prédictive et réduction des risques :
En exécutant en permanence des analyses sur toutes les datas financières de l’entreprise, la capacité de prédiction de résultat et de détection des risques dans le cadre du pilotage financier est décuplée par l’IA sur les processus suivants :
· Détection automatisée des anomalies dans les transactions
· Analyse en temps réel des situations suspectes
· Évaluation continue des seuils de rentabilité
· Prévisions plus précises sur les indicateurs financiers
· Détection précoce des risques financiers
· Optimisation de la trésorerie
Par exemple, en matière de trésorerie, l'intelligence artificielle en finance peut comparer en permanence les factures à régler auprès des fournisseurs et les factures à encaisser auprès des clients, en intégrant les différents postes de charges récurrents dans l'entreprise et les niveaux de liquidités disponibles, pour apporter au DAF un scénario prévisionnel de trésorerie, mis à jour en temps réel.
Quel directeur financier ne serait pas heureux d’obtenir, en temps réel, une mise à jour des prévisions concernant son plan de trésorerie, par exemple ?
Conclusion
Que ce soit en gestion des risques financier par IA, vente augmentée par IA, recrutement par IA, qualification des leads par IA et tant d’autres domaines ; tant que les données à utiliser ne sont pas identifiées et que le modèle d’IA qui va les utiliser n’a pas été entraîné correctement aux objectifs définis, l’investissement dans l’intelligence artificielle ne procure pas les résultats escomptés.
De fait, utiliser l’IA en entreprise de manière optimale implique de :
· définir les objectifs recherchés avec l’IA
· analyser les processus de chaque métier
· modéliser les schémas de décisions de ces processus
· identifier les meilleures données à exploiter
· entraîner les modèles aux spécificités de l’entreprise
· transformer les processus en intégrant la réalisation de certaines étapes par l’IA
C’est en respectant ces conditions que l’on peut obtenir une utilisation concrète des formidables outils que sont le Deep Learning, le Machine Learning, l’IA générative et l’IA conversationnelle.
Comments