L’intégration de l’IA dans les Customer Data Platforms (CDP)

Quel est (et sera) l’impact de l’IA sur les Customer Data Platform (CDP) ? C’est le sujet dont Carole Chevrot et David Guede, respectivement Manager CRM et Principal Data Technology chez Converteo débattent dans ce “Regards Croisés”, à l’occasion de la sortie de notre cartographie des CDP.

Quelles sont les évolutions que l’on peut d’ores et déjà observer dans les CDP avec l’IA ?

Carole Chevrot : L’intégration de l’IA dans les CDP s’est démocratisé ces dernières années, en particulier pour ce qui concerne le ciblage et la segmentation basés sur le machine learning. De plus en plus d’éditeurs CDP proposent un choix plus large de scoring (d’appétence, prédictif…) et de segmentation (ex. RFM) sur étagère. Les métiers peuvent ainsi y recourir de façon plus systématique. 

Un autre aspect important est l’accélération de l’apparition des interfaces conversationnelles (ou NLP, pour “Natural Language Processing”) : les utilisateurs peuvent désormais davantage interagir avec leur CDP via des assistants IA, que ce soit pour créer un ciblage, un reporting ou même la création de parcours clients complets. Selon les éditeurs, cette intégration du langage naturel est plus ou moins poussée et permet l’interrogation, l’analyse et/ou la visualisation des données.

En parallèle, on voit se développer les fonctionnalités de traduction automatisée, de génération d’objets ou de contenus.

David Guede : De fait, il convient de bien distinguer deux types d’IA. D’un côté, l’IA « classique », qui existe depuis plusieurs années, mais qui est encore largement sous-exploitée dans les CDP : elle n’a pas encore produit la révolution qu’on aurait pu escompter. Sur ce sujet, les solutions du marché s’appuient de plus en plus sur des solutions d’IA externes adaptées, qui permettent de réaliser automatiquement segmentations et scores.

De l’autre côté, on a l’IA générative qui arrive maintenant et qui commence à prendre une place importante à deux niveaux : d’abord pour les utilisateurs non-techniques qui peuvent interroger leurs données de façon plus intuitive et ensuite pour la création de contenu personnalisé, pour les CDP qui intègrent une brique d’activation. 

Certains acteurs vont même jusqu’à repenser complètement leur interface utilisateur autour d’un chatbot, où l’utilisateur dialogue directement avec la solution pour accomplir ses tâches. Traduire du langage naturel en requête SQL, c’est un vrai accélérateur pour les métiers !

Quels sont les premiers cas d’usage concrets que vous observez chez les clients ?

Carole Chevrot : Prenons l’exemple du secteur du luxe : pour ces acteurs, l’IA répond à la recherche d’ultra-personnalisation de la relation client, pour animer les meilleurs profils. L’intérêt y est encore plus fort que dans d’autres secteurs, car le ROI y est tout de suite plus élevé. En combinant IA analytique “classique” et IA générative, on peut vraiment accélérer le déploiement des stratégies de “clienteling”.

Cependant, on bute rapidement sur des limites opérationnelles : comment valider humainement toutes les variables générées, tant qu’on ne peut pas faire confiance à 100% à l’IA ? C’est un enjeu particulièrement sensible dans le luxe, où l’exigence de qualité est très élevée.

David Guede : De manière générale, il y a clairement un effet d’attraction chez les clients, lié à leur expérience personnelle de ChatGPT : les utilisateurs, qui commencent à utiliser ces outils dans leur quotidien, projettent ces possibilités sur leur travail et rêvent d’automatiser certaines tâches… 

Mais effectivement, comme le souligne Carole, l’individualisation – produire un message unique pour chaque client – pose encore des défis considérables en termes de charge de travail pour la validation. Et surtout, le ROI d’une telle granularité de personnalisation n’est pas encore prouvé : est-ce vraiment plus efficace d’avoir des messages totalement différents pour deux personnes du même segment ?

Quels sont les principaux défis à l’heure actuelle dans le déploiement de l’IA via les CDP ?

Carole Chevrot : Les coûts, essentiellement. Faire tourner ces modèles a un prix, et certains business models – comme les “crédits” chez certains éditeurs- sont particulièrement complexes à comprendre et à budgéter à l’avance. On peut très vite avoir de mauvaises surprises quand les modèles nécessitent plus d’appels que prévu pour leurs calculs. À cela s’ajoute l’enjeu écologique : avec la multiplication des données et des requêtes, la consommation d’énergie et les besoins en termes de stockage augmentent significativement. Certains éditeurs tentent de se différencier en proposant des solutions d’optimisation plus écologiques, notamment pour l’envoi des messages, via des fonctionnalités de STO (“Sending Time Optimization”).

David Guede : Au-delà des coûts directs de l’IA, il y a aussi des défis techniques. Les algorithmes doivent s’appliquer réellement aux données du client et donc être adaptés aux spécificités de chaque secteur : dans de la vente simple, des modèles génériques peuvent faire l’affaire, mais ce ne sera pas nécessairement le cas pour des ventes complexes. Sur le long terme, la maintenance des modèles est aussi un sujet : un modèle performant aujourd’hui peut devenir obsolète dans 5 ans si les comportements clients évoluent ou si de nouvelles offres apparaissent… Il faut donc des solutions robustes et stables dans le temps, tout en maîtrisant les coûts.

Et si on se projette dans quelques années, quelles sont les évolutions à attendre ?

Carole Chevrot : Un changement majeur serait de rendre ces algorithmes de recommandation plus accessibles aux métiers. Aujourd’hui, c’est une « black box » peu configurable ou personnalisable. 

L’intégration de la génération d’images personnalisées directement dans les e-mail builders serait aussi une petite révolution. Aujourd’hui, les outils de génération de visuels existent déjà, mais pas de façon fluide et intégrée. L’IA pourrait aussi contribuer grandement à améliorer la qualité des données, grâce à ses capacités de réconciliation et de correction automatique des erreurs, même si le double cadre réglementaire du RGPD et de l’AI Act pourrait complexifier les choses.

David Guede : Le marché s’oriente aussi vers des solutions encore plus automatisées, qui reposeront sur une simple définition des objectifs marketing. Concrètement, au lieu de spécifier précisément chaque action dans l’outil, il suffira de fixer des objectifs généraux (des prises de rendez-vous, un upsell de X%) et l’IA orchestrera elle-même les actions pour les atteindre. 

L’IA générative pourrait aussi permettre d’exploiter les données issues des interactions clients d’une nouvelle façon. Par exemple, en analysant les verbatims dans les centres d’appels pour nourrir automatiquement les profils clients ou adopter une démarche “voix du client” plus proactive.

Toutefois, il convient de souligner qu’il existe encore un décalage important entre ce qui est techniquement possible avec l’IA et ce qui est réellement intégré dans les CDP. Les outils actuels n’exploitent qu’une fraction du potentiel de l’IA, en partie à cause des coûts, mais aussi parce que l’adoption humaine et la compréhension de ces capacités prennent du temps.

Téléchargez dès maintenant notre cartographie des CDP

Pour mieux comprendre les tendances, innovations et enjeux stratégiques des Customer Data Platforms, et choisir la solution la plus adaptée à vos objectifs, téléchargez gratuitement notre cartographie complète du marché des CDP.

Participez au webinar pour découvrir, avec Grégoire Michel, Partner CRM, les principales solutions du marché, leurs forces et cas d’usage, et comprendre comment votre entreprise peut tirer parti des CDP transformer sa stratégie client.

Inscrivez-vous à notre newsletter dédiée aux métiers du CRM et Marketing relationnel :