Découverte des principaux ingrédients de l’intelligence artificielle

Objectifs de formation

Une fois cette unité terminée, vous pourrez :

• Identifier les technologies basées sur des solutions d’intelligence artificielle (IA)
• Décrire le rôle du workflow et des règles dans l’utilisation des prédictions basées sur l’IA

Vous avez probablement beaucoup entendu parler de l’intelligence artificielle récemment. Pas une semaine ne passe sans que l’on nous explique comment l’IA peut nous aider à réaliser des choses incroyables. Des personnes comme vous, venant de tous types d’entreprises, montrent naturellement un grand intérêt pour cette technologie révolutionnaire. Vous êtes impatient de commencer à utiliser l’IA, mais vous avez sans doute beaucoup de questions sur ce qu’elle permet et ne permet pas de faire. Il est encore plus difficile d’obtenir des réponses à ces questions, car la technologie derrière l’IA évolue à une vitesse impressionnante.

Pour comprendre ce que l’intelligence artificielle peut vous apporter, il est important de comprendre comment elle fonctionne. Au cours de ce module, vous allez en apprendre plus sur les grandes composantes de cette technologie, sur les éléments nécessaires pour démarrer votre premier projet d’IA et sur la façon dont les entreprises peuvent exploiter l’IA grâce au score des pistes, aux prédictions de ventes, au marketing et au service client, entre autres.

Les principaux ingrédients

À première vue, l’intelligence artificielle peut sembler un peu mystérieuse, voire un peu magique. En vérité, l’IA qui alimente les applications commerciales se compose de plusieurs petits éléments qui, associés de façon ingénieuse, offrent une réelle valeur ajoutée aux entreprises. Imaginez l’intelligence artificielle comme un ensemble d’ingrédients que l’on mélange afin de créer la recette parfaite pour votre entreprise. Associez ces ingrédients d’une manière et vous obtenez un plat. Associez-les autrement et vous obtenez un plat vraiment différent. Ces ingrédients simples peuvent permettre de développer un nombre impressionnant de solutions pour les besoins de votre entreprise.

Examinons les ingrédients principaux qui font partie de toute plate-forme d’IA solide : les prédictions et les réponses de type oui/non, les prédictions numériques, les classifications, les recommandations et les synthèses. 

Prédictions et réponses de type oui/non

Les prédictions de type oui/non sont les premiers ingrédients d'une bonne plate-forme d’IA. Ces prédictions vous permettent de répondre à des questions comme « Est-ce une piste intéressante pour mon entreprise ? » ou « Ce prospect ouvrira-t-il mon e-mail ? ». L’IA vous aide à répondre à ces questions en analysant les données historiques que vous avez stockées dans votre système. 

Les prédictions de type oui/non se présentent généralement sous la forme d’une probabilité (par exemple, « Marie Durant a 67 % de chances d’ouvrir ce type d’e-mail »). Les probabilités sont cependant parfois converties en scores. Les scores sont tout simplement une autre représentation de la probabilité du nombre de « oui ». Ils peuvent être représentés sous forme de nombres sur une échelle numérique (par exemple, de 0 à 100) ou même sous forme d’étoiles lors d’une enquête de notation à cinq étoiles. Gardez à l’esprit que ces scores illustrent la même probabilité, mais de manière différente. De plus, avec l’aide de l’IA générative, vous pouvez poser plus qu’une simple question dont la réponse sera oui ou non, comme « écris un e-mail de bienvenue pour un prospect » ou « aide-moi à créer un résumé pour ma publication de blog ». L’IA générative vous fournit une réponse adaptée à votre demande. Non seulement elle répondra à votre question, mais elle continuera également à améliorer sa réponse en fonction de vos retours. Plus votre demande est détaillée et précise, plus la réponse sera utile. 

Prédictions numériques

Que sont-elles ? Les prédictions numériques alimentent souvent les solutions de prédiction (par exemple, « Quel est le chiffre d’affaires généré par ce nouveau client ? »), mais elles sont également utilisées dans d’autres contextes comme le service client (par exemple, « Combien de jours nous faudra-t-il pour résoudre le problème de ce client ? »). Les prédictions numériques utilisent également vos données historiques pour répondre à ces questions.

Classifications

Viennent ensuite les classifications. Les classifications utilisent fréquemment des capacités d’« apprentissage profond » pour traiter des données non structurées comme du texte libre ou des images. L’idée derrière la classification est d’extraire des informations utiles à partir de données non structurées et de répondre à des questions comme « Combien de canettes de soda se trouvent dans cette image ? ». Elle peut même utiliser une déclaration comme « J’aimerais racheter la même paire de chaussures que la dernière fois » pour lancer un workflow qui peut rechercher la dernière commande de chaussures et placer la même paire de chaussures dans le panier d’achat en ligne.

La classification utilisant l’apprentissage profond est très performante, même lorsque les données non structurées se présentent sous différentes formes. Reprenons l’exemple des chaussures. Vous pourriez simplement dire « Je veux une autre paire de ces chaussures » ou « Donnez-moi-en une autre paire ». Quelle que soit la façon dont la requête est formulée, le moteur d’apprentissage profond sous-jacent intégré à une plate-forme d’IA peut généralement la comprendre, comme votre cerveau.

Autre type de classification, qui peut ou non utiliser l’apprentissage profond : le clustering. Ce type d’ingrédient IA rassemble des informations issues de vos données, que vous n’auriez peut-être pas remarquées autrement. Par exemple, si vous êtes un vendeur de vêtements, l’intelligence artificielle peut vous informer que les hommes plus âgés des zones rurales et les jeunes en milieu urbain aiment acheter un certain type de pull. Vous pourriez penser qu’il s’agit de deux groupes totalement différents, mais les données montrent qu’ils adoptent le même comportement vis-à-vis des produits qu’ils achètent. Cela vous permettrait alors d’adopter les mêmes stratégies pour cibler ces deux groupes.

Recommandations

Viennent ensuite les recommandations. Les recommandations sont essentielles lorsque vous disposez d’un grand nombre d’articles que vous souhaitez recommander aux utilisateurs. De nombreux sites Web d’e-commerce appliquent aux produits des stratégies de recommandation. Ils peuvent, par exemple, détecter que les personnes achetant une certaine paire de chaussures commandent souvent une paire de chaussettes spécifique. Lorsqu’un utilisateur place ces chaussures dans son panier, l’IA recommande automatiquement les chaussettes en question.

Les recommandations ne concernent pas uniquement les produits. Les spécialistes du marketing utilisent la même technique pour recommander aux utilisateurs professionnels du contenu, comme des livres blancs. Les employeurs peuvent utiliser les recommandations de leur système de recrutement RH pour recommander des offres d’emploi aux candidats. En tant qu’utilisateur, vous pouvez obtenir des recommandations si jamais vous ne parvenez pas à rédiger un e-mail ou à répondre à une requête client. L’IA générative peut générer et vous fournir des réponses ou des modèles pour vous aider à démarrer. Vous pouvez également demander à Einstein de vous aider pour la rédaction, ce qui peut vous permettre de mener la tâche à bien.

Workflow et règles

Le workflow et les règles ne font techniquement pas partie de l’IA, mais ils sont essentiels à la façon dont l’IA est utilisée.  Prenons l’exemple suivant. Supposons que l’IA prédise qu’un client donné a 25 % de chances de ne pas renouveler son contrat. Le fait de le savoir ne suffit pas, vous devez faire quelque chose de cette information. C’est là que le workflow et les règles entrent en jeu. Dans cet exemple, votre workflow peut correspondre au lancement d’une campagne de fidélisation lorsque l’IA prédit qu’il est peu probable qu’un utilisateur reste client. 

Synthèse

Enfin, la synthèse. La synthèse joue un rôle important dans le fonctionnement de l’IA générative. Imaginez que vous ayez des heures d’enregistrements à écouter ou que vous ayez besoin de lire un article de 10 pages sur les valeurs de Salesforce. L’IA générative permet de synthétiser des blocs d’informations sous forme de notes rapides et faciles à comprendre. Au lieu de passer des heures à examiner des enregistrements ou des notes, laissez Einstein synthétiser les informations les plus importantes et conserver leur essence afin de vous permettre de rester informé sans pour autant passer tout votre temps sur un sujet. 

Avec ces ingrédients fondamentaux de l’IA, vous pouvez créer des applications d’IA personnalisées qui répondent à un grand nombre de besoins de votre entreprise. Dans l’unité suivante, vous allez apprendre à élaborer vos propres solutions d’IA.