Comment l’IA s’immisce dans le parcours d’achat

1Deliveroo : le nouvel algorithme réduit le délai de livraison de 20 %, mais…

Deliveroo, la startup de livraison de repas, a revu en début d’année son algorithme de répartition des commandes. Déployé dans les 140 villes du monde où est implantée l’entreprise, le nouveau logiciel fait appel à l’intelligence artificielle pour réduire les délais entre la commande et la livraison des plats.

Alors que la précédente version dispatchait les commandes de façon relativement basique (le livreur le plus près du lieu de préparation prenait en charge la course), le nouvel algorithme intègre un grand nombre de données accumulées au fil des mois ainsi que de facteurs extérieurs : le temps de préparation de chaque restaurant, les pics horaires d’activité, les conditions de trafic, la météo, etc. « L’algorithme anticipe mieux : il sait quel livreur est susceptible d’être disponible au moment où la commande est susceptible d’être prête », résume Hugues Décosse, directeur général de Deliveroo France. Qui plus est, cet algorithme prédictif s’améliore continuellement car il apprend de ses erreurs.

D’après Deliveroo, le déploiement de cette intelligence artificielle a permis de diminuer le délai de livraison de 20 % en France entre janvier et juin 2017, passant de 31 à 26 minutes en moyenne. Le logiciel permettrait ainsi aux livreurs, toujours d’après Deliveroo, de réaliser en moyenne 20 % de courses supplémentaires (entre 3,5 et 4 livraisons en moyenne par heure, contre 3,2 auparavant).

Conséquence : Deliveroo, dont l’activité repose en France sur 7 500 coursiers « indépendants », a décidé d’harmoniser la rémunération de ses livreurs, pour ne plus les payer qu’à la course (5 € en province ; 5,75 € à Paris). Ce qui provoque le mouvement de grogne de cette rentrée, certains livreurs bénéficiant jusque-là d’un fixe horaire.

Source : L’Usine Digitale

2Mr Bricolage optimise ses stocks grâce à l’intelligence artificielle

Un chiffre d’affaires qui augmente de 4 %, des stocks qui diminuent de 10 % et des vendeurs plus disponibles pour les clients au moment où la concurrence avec Leroy Merlin et Castorama se fait de plus en plus pressante. Voici quelques-uns des résultats obtenus par Mr Bricolage dans les magasins où il a implanté son nouveau logiciel qui optimise la gestion des commandes grâce au machine learning.

Pour comprendre les enjeux, il faut noter qu’un magasin Mr Bricolage compte entre 35 000 et 50 000 références. Qu’un article manque et le client repart déçu. À l’inverse, le sur-stockage coûte cher. La mission du nouveau logiciel, baptisé ProOrder : fournir toutes les semaines des bulletins de commandes automatisés sur chaque catégorie de produits (quincaillerie, électricité, luminaires…). Il s’appuie sur l’historique du magasin sur plusieurs années, mais il prend en compte bien d’autres facteurs pour anticiper les ventes : la météo locale, l’implantation du magasin, les promotions, les campagnes de communication des marques… L’algorithme a aussi intégré les liens qui existent entre différents articles : les ventes de certains modèles de vis et d’écrous sont liées aux ventes de telle poignée de porte ou tel pied de lit.

Les bulletins de commande sont validés par les chefs de rayons. Et s’ils apportent des modifications, le logiciel en tient compte et apprend de ses erreurs. Avec au final un gain de temps considérable pour les équipes. « Pour le rayon visserie/clouterie, qui compte entre 1 500 et 2 000 références produits, cette opération demandait 2 heures. Désormais, elle ne prend que 20 minutes », se félicite Christophe Dubus, directeur de l’accompagnement du changement chez Mr Bricolage. Tous les magasins de l’enseigne devraient être équipés de ProOrder d’ici la fin 2018.

Source : Le Journal du Net

3Un algorithme d’Amazon conçoit des vêtements en scrutant les réseaux sociaux

Amazon affiche l’ambition de devenir le premier vendeur de mode en ligne. Et il s’en donne les moyens. Le géant du e-commerce a créé l’an dernier sept marques de mode ; il propose pour ses clients américains le service Prime Wardrobe qui permet d’essayer des vêtements avant de les acheter ; il a développé Echo Look, une variante de son assistant personnel dotée de l’intelligence artificielle Alexa et destinée à donner des conseils de style, etc.

Nouvelle étape : Amazon a annoncé cet été qu’il avait mis au point un algorithme capable d’identifier les tendances émergentes dans la mode en scrutant les images publiées sur Instagram, Pinterest ou Facebook. Mais l’algorithme ne s’arrête pas là : il s’inspire de ces photos pour concevoir ses propres vêtements, comme le ferait un designer. Pour l’instant, Amazon n’a toutefois pas présenté de vêtements conçus par cette intelligence artificielle.

Un logiciel qui détecte les tendances vestimentaires en scrutant les réseaux sociaux : ce principe en soi peut sembler fou, mais ce type d’algorithme existe déjà. Edited, une entreprise d’analyse de données spécialisée dans la mode, propose par exemple un tel logiciel, permettant à ses clients de « repérer l’émergence de micro-tendances avant leurs concurrents, et d’adapter leur offre vestimentaire en fonction », décrit l’Atelier BNP Paribas.

Source : Mashable

4Un chatbot comme assistant shopping

La mode sera-t-elle l’un des premiers secteurs bouleversés par l’intelligence artificielle ? Les algorithmes fleurissent dans cet univers, comme celui proposé par la startup californienne Mode.ai, qui figure dans le top 100 des entreprises les plus prometteuses dans l’intelligence artificielle, selon le cabinet spécialisé CB Insight.

Mode.ai a mis au point un chatbot, accessible depuis Facebook Messenger, qui fait office d’assistant shopping virtuel. Parmi les fonctionnalités, l’utilisateur peut envoyer une photo du vêtement qu’il recherche. Le système le reconnaît et lui propose des liens où acheter ce vêtement, ou un article équivalent.

La recherche à partir d’une photo a le vent en poupe. Elle vient d’être mise en place par la boutique de mode en ligne Asos au Royaume-Uni. Et elle va être déployée par eBay aux États-Unis cet automne. 

Source : Les Échos

5Aux États-Unis, 208 centres commerciaux engagent un chatbot comme concierge

Confrontés à une désaffection des consommateurs, les centres commerciaux américains font feu de tout bois pour retrouver l’intérêt du public. Simon Property Group Inc., la plus grande entreprise foncière spécialisée dans la gestion de malls aux États-Unis, vient ainsi de déployer un chatbot qui fera office de concierge dans chacun des 208 centres commerciaux qu’elle possède. 

Accessible via Facebook Messenger, ce chatbot a pour mission de répondre aux questions des clients qui recherchent l’emplacement d’une enseigne (« Où se trouve le magasin H&M ? »), qui veulent connaître les horaires d’ouverture, identifier les restaurants qui se trouvent dans le centre commercial, etc. Ce concierge virtuel est aussi au courant de toutes les promotions en cours, et il prévient si le magasin Old Navy, par exemple, propose des rabais en ce moment.

L’objectif est également de pouvoir proposer des recommandations personnalisées aux clients, en fonction de leurs centres d’intérêt et de leurs précédentes visites dans le centre commercial.

Source : Philly.com

6Walmart va utiliser la reconnaissance faciale pour mesurer la satisfaction client

Autre application annoncée de l’intelligence artificielle dans le parcours d’achat : la reconnaissance faciale. Ce sujet est pris très au sérieux par les géants du retail, notamment par le leader mondial Walmart. Selon une information révélée cet été par le Wall Street Journal, le retailer américain développe une technologie permettant de détecter, à l’aide de caméras, les expressions du visage de ses clients. Le dispositif s’appuiera sur le parc existant de caméras de surveillance des magasins. Objectif : mesurer le degré de satisfaction, et surtout d’insatisfaction, des clients.

Ainsi, quand une caméra identifiera un client insatisfait, une notification sera envoyée aux employés, qui pourront rectifier le tir lors du passage en caisse. À ce jour, on ignore encore quelles seront les méthodes déployées pour redonner le sourire à sa clientèle, tempère toutefois le magazine spécialisé LSA. Walmart veut aussi se servir de cette technologie pour analyser le comportement d’achat des consommateurs dans ses magasins.

Aucune date de déploiement n’a été communiquée. Mais Walmart n’en est pas à son premier essai dans le domaine de la reconnaissance faciale. Un programme similaire, mais moins poussé, avait déjà été testé en 2015. Il avait été rapidement abandonné, les résultats étant alors jugés peu probants. Reste également à savoir si les clients apprécieront d’être ainsi épiés…

Source : LSA

7BNP Paribas planche sur des dizaines de projets d’intelligence artificielle

La plupart des grandes entreprises surveillent désormais les avancées de l’intelligence artificielle comme le lait sur le feu. Dernière illustration avec BNP Paribas : le groupe a monté un lab dédié à l’intelligence artificielle pour exploiter les données non structurées de la banque grâce à des algorithmes d’apprentissage automatique.

L’Usine Digitale est allée à la rencontre de son responsable, Édouard d’Archimbaud. Parmi ses ambitions : « Utiliser la donnée pour proposer des services innovants à nos clients, des services qui peuvent aller au-delà du modèle bancaire actuel et qui confèrent encore plus de valeur ajoutée aux services fournis par nos collaborateurs. »

Plusieurs dizaines de projets ont déjà vu le jour. Notamment un système d’analyse automatique des contrats. « Avant, tous les contrats étaient relus manuellement pour s’assurer qu’ils suivaient bien les règles de conformité. Nous avons depuis développé un outil d’analyse automatique qui permet de diviser par deux le temps de lecture. Il est désormais possible d’analyser 150 pages en une dizaine de secondes. »

Autre exemple de réalisation : un moteur de traduction intelligent. « Auparavant, nous avions un moteur de traduction en interne qui fonctionnait avec des technologies externes d’ancienne génération qui coûtaient relativement cher », raconte le spécialiste. Ses équipes se sont donc appuyées sur des publications sur le deep learning (apprentissage profond) appliqué à la traduction automatique. « Nous sommes partis des technologies open source, puis nous avons récupéré des données internes et externes pour affiner les modèles d’apprentissage. Nous avons obtenu un modèle meilleur que ceux disponibles sur le marché », assure-t-il.

Interrogé sur l’impact de ces nouvelles technologies sur l’emploi, le responsable du laboratoire se veut rassurant. « La machine ne remplace pas l’Homme. Notre objectif est de mettre au service de l’Homme le meilleur de ce que sait faire la machine. »

Source : L’Usine Digitale