Cheryl BaldwinWSI, Director of Marketing & Communications

Résumé : Les dépenses consacrées à l’IA doivent trouver leur place dans le budget marketing. Les opportunités les plus prometteuses sont liées à une contrainte métier spécifique, s’appuient sur des données fiables et sont évaluées à l’aune d’un résultat commercial avant d’être déployées à grande échelle. Les dirigeants doivent également tenir compte du temps nécessaire à la validation, des changements de processus et du coût lié à des erreurs dans des résultats ayant des conséquences importantes. L’IA mérite des investissements supplémentaires lorsqu’elle améliore les performances sans engendrer de coûts, de complexité ou de risques supérieurs à ce que l’entreprise peut justifier.

• Les dépenses en IA doivent répondre à un enjeu métier. Les cas d’utilisation les plus pertinents partent d’une contrainte opérationnelle ou commerciale claire, la technologie étant choisie en fonction de ce besoin.
• Le niveau de préparation peut influencer la décision d’investissement. Des données de mauvaise qualité, une responsabilité mal définie ou un flux de travail défaillant peuvent nécessiter d’être corrigés avant que la mise en œuvre ne soit pertinente.
• Un projet pilote doit comporter une condition d’arrêt ainsi qu’un objectif de réussite. Sans ces deux éléments, les expérimentations risquent de se transformer en dépenses permanentes avant même que la direction n’ait déterminé si elles apportent suffisamment de valeur.
• Le retour sur investissement (ROI) de l’IA doit inclure les étapes de révision et de retouche. Le gain de temps réalisé lors de la première ébauche peut s’effacer dès lors que les collaborateurs corrigent des erreurs, vérifient les résultats ou gèrent le processus lié à l’outil.
• La supervision humaine doit refléter le coût d’une erreur. Les utilisations en contact avec la clientèle, sensibles aux données et aux conséquences importantes nécessitent une révision plus rigoureuse que les tâches internes à faible risque.
• La mise à l’échelle mérite une deuxième analyse de rentabilité. Un projet pilote peut fonctionner à petite échelle et néanmoins échouer dès lors qu’un déploiement à plus grande échelle entraîne des coûts d’intégration, des efforts de révision ou une exposition des données supplémentaires.

Les décisions marketing basées sur l'IA peuvent s'avérer coûteuses lorsque l'outil est choisi avant même que le problème métier ne soit clairement identifié.

Un assistant de rédaction peut faire gagner du temps. Une fonctionnalité d’IA intégrée au CRM peut améliorer le suivi. Un outil de reporting peut aider une équipe à repérer plus rapidement les variations de performance. Mais chacun de ces éléments entraîne des coûts, des exigences en matière de données, un travail de vérification et des changements de processus qu’il est facile de sous-estimer avant la mise en œuvre.

McKinsey a indiqué que seules 21 % des entreprises interrogées avaient fondamentalement repensé leurs modèles opérationnels autour de l’IA. Les entreprises faisant état de meilleurs résultats financiers étaient également beaucoup plus susceptibles de repenser leurs flux de travail avant de choisir leurs outils.

Définissez d’abord le problème. Désignez un responsable du test et déterminez ce que signifie « réussir » avant de souscrire un nouvel abonnement.

Identifiez le problème marketing qui mérite d’être résolu

Recherchez la partie du marketing ou du parcours client qui coûte de l’argent, du temps ou de la croissance à l’entreprise.

Peut-être que l’établissement des rapports mensuels prend dix jours, ce qui fait que les problèmes liés aux campagnes sont repérés trop tard. Le service commercial reçoit peut-être de nombreux formulaires remplis, mais passe des heures à trier les prospects intéressants de ceux qui ne le sont pas. Les entretiens clients, les tickets d’assistance et les notes d’appel peuvent contenir des indications utiles sur les motivations d’achat que personne n’a le temps d’examiner correctement.

Chaque problème nécessite des données différentes, un suivi différent et un cas d’utilisation de l’IA différent.

« Utiliser l’IA dans le marketing » ne donne pratiquement rien à tester à une équipe.

Un meilleur cas d’utilisation pourrait être :

Utiliser l’IA pour analyser chaque mois les transcriptions des appels commerciaux, regrouper les objections récurrentes et fournir à l’équipe de contenu des thèmes étayés par des sources pour les prochaines campagnes.

Désormais, ce travail s’accompagne d’une entrée, d’une sortie, d’un responsable et d’une décision métier.

Avant d’approuver les dépenses, répondez à cinq questions :

• Quel problème cherchons-nous à résoudre ?
• Quelle tâche spécifique l’IA va-t-elle aider à accomplir ?
• Quelles informations va-t-elle utiliser ?
• Qui vérifie le résultat ?
• Quel résultat justifierait de poursuivre ?

Si ces réponses restent floues, il est trop tôt pour parler de logiciel.

Comparez les cas d’utilisation avant d’acheter un nouvel outil

L’IA peut faciliter la recherche, la planification de campagnes, la personnalisation, le reporting et le suivi des prospects. Ses avantages et ses inconvénients varient considérablement selon les cas d’utilisation.

Une première expérience judicieuse est généralement ciblée, mesurable et facile à annuler. La recherche et le reporting internes remplissent souvent ces conditions plus facilement que l'automatisation en contact avec la clientèle, car quelqu'un peut vérifier le travail avant qu'il n'ait d'impact sur un acheteur.

Décider si le cas d’utilisation mérite un projet pilote

Évaluez chaque candidat selon quatre critères : valeur commerciale, effort requis, risque et disponibilité des données.

La mise en œuvre de cette solution aura-t-elle un impact sur un indicateur qui vous tient à cœur ?

Mettez en perspective l'avantage.

Un gain de 20 heures par mois sur la création de rapports mérite un traitement différent d’un gain de 20 minutes. Un suivi plus rapide des prospects peut s’avérer crucial lorsque la demande entrante est forte et que les temps de réponse sont longs. Gagner quelques minutes sur la rédaction de contenu peut avoir peu de valeur commerciale si la production de contenu ne freine pas la croissance.

La commodité ne justifie pas automatiquement un investissement.

Quel sera le coût des tâches liées à l’utilisation du logiciel ?

Le prix de l’abonnement n’est qu’un élément parmi d’autres dans le calcul.

L’entreprise devra peut-être également connecter des sources de données, modifier un flux de travail, configurer des autorisations, former les employés et vérifier les résultats. Quelqu’un devra assurer la maintenance de ce processus après le lancement.

McKinsey a constaté que les entreprises tirant de meilleurs rendements financiers de l’IA étaient plus enclines à repenser leurs workflows avant de choisir leurs outils. Cet ordre des priorités mérite qu’on s’y attarde. Si le reporting repose encore sur la saisie en double de données, des transferts de tâches peu clairs ou des validations superflues, ces problèmes doivent également être pris en compte dans la décision d’investissement.

L’automatisation d’un processus défaillant peut perpétuer les mêmes inefficacités tout en ajoutant un système supplémentaire à gérer.

Que se passe-t-il si le résultat est erroné ?

Un résumé des informations publiques sur la concurrence et une décision automatisée concernant les clients devant recevoir une offre ne devraient pas être soumis aux mêmes règles de validation.

Demandez-vous quelles pourraient être les conséquences d’un résultat erroné. Cela pourrait-il exposer des informations confidentielles, publier une affirmation non fondée, indiquer un prix erroné ou envoyer un message incorrect à un client ?

La norme ISO/IEC 42001 fournit aux organisations une norme formelle pour la gestion de l’IA par le biais de la responsabilité, des contrôles des risques et d’une surveillance continue.

Pour les équipes marketing, la règle est plus simple : les utilisations aux conséquences plus importantes nécessitent un examen plus rigoureux.

Les données sont-elles prêtes ?

Vérifiez si les informations alimentant le système sont à jour, cohérentes et autorisées pour l’usage prévu.

Cinq commerciaux utilisant cinq définitions différentes d’une « opportunité qualifiée » ne produiront pas soudainement un scoring de prospects fiable simplement parce que l’IA a été intégrée.

Des données de mauvaise qualité indiquent souvent ce qui doit être corrigé avant le lancement du projet pilote.

Faire appel à une expertise externe peut permettre de réaliser des économies dans ce domaine. Une évaluation de l’état de préparation permet de distinguer un cas d’utilisation prêt à être testé de celui qui nécessite d’abord des données plus propres, une responsabilité plus claire ou un workflow mieux défini. WSI utilise cette évaluation pour aider les entreprises à décider ce qui doit être mis en œuvre dès maintenant, ce qui nécessite une préparation et ce qui ne mérite pas encore d’être financé.

Savoir ce qui justifierait la poursuite du projet pilote d’IA

Les projets pilotes d’IA peuvent se transformer en dépenses permanentes avant même que la direction n’ait décidé s’ils ont généré suffisamment de valeur pour être poursuivis.

Un cahier des charges succinct pour le projet pilote permet d’éviter cela. Il doit préciser le problème actuel, le cas d’utilisation, qui en est responsable et quelle décision sera prise à l’issue du test.

Une condition d’arrêt mérite autant d’importance que l’objectif de réussite.

Sinon, un projet pilote peut se poursuivre simplement parce que quelqu’un apprécie le logiciel ou ne veut pas admettre que le test a échoué. Aucune de ces raisons ne justifie son renouvellement.

Veillez à ce que les personnes soient tenues responsables des tâches aux conséquences importantes

Les résultats d’une IA fluide peuvent tout de même être erronés. Elle peut passer à côté du contexte de l’entreprise, inventer une source ou produire un langage destiné aux clients que personne n’aurait approuvé s’il l’avait rédigé lui-même.

La révision humaine doit être confiée à un responsable désigné.

« Le service marketing vérifiera » est trop vague. « Le responsable de la génération de demande approuve chaque message sortant pendant le projet pilote » est une règle opérationnelle.

Les contenus destinés aux clients, les allégations de performance et les décisions qui affectent la manière dont les personnes sont traitées méritent une révision qualifiée avant leur utilisation. Le travail interne nécessite également un jugement. La direction ne devrait pas prendre de décision budgétaire sur la base d’un résumé de rapport généré par l’IA tant que personne n’a vérifié les chiffres sources.

Une question permet généralement de définir le bon niveau de contrôle :

Que se passerait-il si personne ne repérait l’erreur ?

Prenez en compte la révision et les retouches lors de la mesure du retour sur investissement de l’IA

Le gain de temps est facile à quantifier. Il est également facile de le surestimer.

Supposons qu’un rapport marketing hebdomadaire prenait auparavant trois heures à établir. L’IA réduit le temps nécessaire à la première ébauche à une heure. Sur le papier, l’entreprise a gagné deux heures.

Mais si un analyste passe 75 minutes à corriger les classifications et à réécrire les commentaires, le gain réel est de 45 minutes.

Calcul :

Temps brut gagné − temps de révision et de retouche = temps net gagné

Pour les tâches en contact avec la clientèle, associez l’efficacité à un indicateur commercial. Un suivi plus rapide des prospects n’a guère d’intérêt si la qualité des rendez-vous en pâtit. Des e-mails plus personnalisés ne servent à rien si les taux de désabonnement augmentent.

Un calcul financier simple consiste à :

(Bénéfice financier − coût total de l’IA) ÷ coût total de l’IA × 100

Tenez compte des coûts liés au logiciel, à la configuration, à l’intégration, à la formation, au temps de révision et à la gestion courante. Si vous ne prenez pas ces coûts en compte, le calcul du retour sur investissement surestime les gains réalisés par l’entreprise.

Cessez de payer deux fois pour la même fonctionnalité

Une personne achète un outil de rédaction. Une autre équipe active une fonctionnalité d’IA déjà incluse dans son CRM. Un troisième outil gère le reporting.

Très vite, l’entreprise se retrouve à payer plusieurs fournisseurs pour effectuer le même travail.

Tenez un registre simple des outils, indiquant le responsable, les cas d’utilisation approuvés, l’accès aux données, le coût annuel et la date de renouvellement. Consultez-le avant tout renouvellement important.

Supprimez les produits qui font double emploi avec une fonctionnalité existante, qui n’ont pas de responsable actif ou qui ne permettent pas de démontrer les résultats ayant justifié leur achat.

Ne passez à l’échelle que si la rentabilité est toujours au rendez-vous

Un projet pilote réussi ne justifie pas encore un déploiement à l’échelle de l’entreprise.

Un petit test peut fonctionner parce qu’un employé expérimenté vérifie chaque résultat. L’extension à plusieurs équipes peut allonger le temps de vérification, augmenter les coûts d’intégration et accroître l’exposition des données.

Avant de passer à l’échelle supérieure, posez-vous les questions suivantes :

1. Les avantages justifient-ils le coût d’un déploiement à plus grande échelle ?
2. Le processus de validation est-il capable de gérer ce volume supplémentaire ?
3. Les autorisations d’accès aux données et la propriété de celles-ci sont-elles toujours clairement définies ?
4. Le projet pilote a-t-il permis d’améliorer l’indicateur clé de performance qui importait à la direction ?
5. Une autre équipe peut-elle mener à bien le processus sans que le responsable initial du projet pilote soit à ses côtés ?

Déployez à grande échelle tant que la rentabilité et les contrôles opérationnels sont maintenus.

Faites une pause lorsque les données ou le processus nécessitent des améliorations.

Arrêtez-le lorsque le retour sur investissement disparaît.

Un projet pilote maîtrisé qui évite un investissement malavisé de plus grande envergure a rempli sa mission.

Prenez la décision d’investissement en IA en vous appuyant sur l’expertise adéquate

Certaines décisions en matière d’IA concernent un seul flux de travail et un test circonscrit. D’autres touchent aux données clients, aux systèmes CRM, aux opérations marketing, aux processus de vente ou à plusieurs équipes à la fois. Le coût d’une erreur dans le second cas peut très rapidement dépasser le prix du logiciel.

WSI aide les entreprises à évaluer dans quels domaines l’IA peut générer une valeur mesurable, si les données et processus sous-jacents sont prêts, et ce qui doit être mis en place avant d’engager des dépenses. Un bon conseiller doit également être prêt à indiquer quand un cas d’utilisation doit être reporté.

Si vous cherchez à déterminer la place de l’IA dans vos opérations marketing, à identifier les opportunités méritant un investissement ou à savoir comment passer de la phase d’expérimentation à une mise en œuvre contrôlée, contactez un consultant WSI.

Découvrez les services de conseil en IAde WSI pour voir comment nous pouvons vous aider à transformer les opportunités offertes par l’IA en un plan axé sur les résultats commerciaux.