1. Systèmes conversationnels : présents dans le dialogue humain via l’intelligence artificielle

Les systèmes de recommandation sur les plateformes de vente, également connus sous le nom de « chatbots », qui permettent de dialoguer avec l’utilisateur pour le guider dans un processus commercial, par exemple, sont de plus en plus courants aujourd’hui. Cependant, les recommandations sont pour la plupart du temps si peu précises et l’intelligence des chatbots tellement limitée que l’efficacité en pâtit, sans parler de la motivation de l’utilisateur.

Mais cela va bientôt changer. Les entreprises investissent toujours plus dans les technologies telles que le « traitement automatique du langage naturel » ou le « système de réponse aux questions en ligne », afin de rendre leurs systèmes plus intelligents et ainsi, plus efficaces. Exemple : lors d’une requête, au lieu d’accéder à des documents à partir desquels l’utilisateur doit lui-même extraire la réponse souhaitée, un système de réponse aux questions en ligne veille à ce que l’utilisateur obtienne une réponse concrète, comme dans une conversation (idéale) entre deux personnes.

Pour atteindre cet objectif, il faut beaucoup d’intelligence artificielle en toile de fond : le système doit être en mesure d’extraire de son contexte l’intention et aussi l’humeur de l’utilisateur. Les progrès dans ce domaine sont si importants, que les systèmes de dialogue prochainement mis en service ne permettront presque pas à l’utilisateur de déterminer s’il a affaire à un humain ou à une machine, voir « Test de Turing » (https://fr.wikipedia.org/wiki/Test_de_Turing).

2. Big Data « humanisé » : les réponses de qualité remplacent les réponses en quantité

Les tendances telles que l’Internet des Objets (IdO) ou l’industrie 4.0 introduisent l’intelligence dans les éléments et les appareils du quotidien, ce qui a comme conséquence la croissance exponentielle du flux de données. C’est ainsi qu’à l’heure actuelle, dans les milieux de production, des machines de pointe transmettent en permanence des données sur l’état actuel et préviennent en temps opportun si un entretien est nécessaire.

Grâce au Big Data, c’est toute une technologie permettant de collecter et d’analyser ces données qui est à disposition. La plus grande force du Big Data, la base quantitative, est en même temps sa plus grande faiblesse, comme l’écrit Jayson DeMers dans le Forbes Magazin (http://www.forbes.com/sites/jaysondemers/2016/11/16/7-technology-trends-that-will-dominate-2017/#4c5e49061b2a) : les analyses des solutions actuelles ne permettent que difficilement de déduire des lignes d’action concrètes, notamment lorsqu’il s’agit de prendre des décisions professionnelles basées sur les données collectées.

La tendance s’oriente donc vers le « Big Data humanisé ». Il faut comprendre par là que les données doivent être traitées d’une manière telle que, même les non-scientifiques des données puissent lire des réponses claires dans les analyses des Big Data et les utiliser comme base décisionnelle, voir « actionable insights » (« données exploitables »).

Cela nécessite une approche plus qualitative que quantitative et un niveau élevé de visualisation des données.

3. Information augmentée (« augmented information ») : la vue à 360 degrés sur les enjeux et les clients

La réalité augmentée est déjà une valeur sûre dans le secteur de la consommation. Il s’agit sur le principe d’enrichir le monde physique d’informations numériques. Le monde professionnel suit le même principe en reliant des secteurs qui étaient auparavant strictement distincts. En 2017, la tendance à concentrer des données issues des sources les plus diverses pour pouvoir offrir aux collaborateurs une vue à 360 degrés sur les enjeux pertinents ou sur les clients, va se renforcer. Cela nécessite un système qui puisse mettre à disposition les données au-delà des limites des applications, des services et même des entreprises, voir « information augmentée ». De tels systèmes généralement basés sur la technologie d’Enterprise Search vont émerger l’année prochaine.

4. Gestion de l’information proactive (Proactive Information Management) : en route vers les assistants numériques !

Les informations importantes sont noyées dans les flux d’informations auxquels nous sommes confrontés au quotidien. Par conséquent, le monde professionnel verra en 2017 des systèmes renforcés, qui fourniront à l’utilisateur la bonne information au bon moment, à l’image d’un assistant qui en permanence sous les yeux a l’emploi du temps et qui prévient à temps lorsqu’une réunion importante est annoncée. Les systèmes appelés « systèmes de gestion des informations proactives » fonctionnent exactement selon ce principe : en observant en continu comment un individu travaille et quelles sont les informations qui lui sont pertinentes, le système apprend à séparer les informations importantes de celles qui ne le sont pas et à fournir les informations proactives en temps voulu. La littérature spécialisée définit également ce système comme « Information Alerting » (information d’alerte), « Information on Demand » (information à la demande) et « Push Information » (communication proactive de l’information).

5. Moteurs de données (Insight Engines) : des recherches intelligentes comme avantage concurrentiel

Si on associe les quatre premières tendances, on obtient les « Insight Engines » ou moteurs de données, un terme forgé par l’entreprise d’études de marché Gartner (https://www.gartner.com/doc/3176419/insight-engines-power-enterprise-search). Il s’agit ici de centres de connaissances à l’échelle de l’entreprise dans lesquels toutes les informations sont reliées, avec lesquels on communique en langage naturel, et qui fournissent des informations proactives et contextuelles.

Étant donné que le savoir partagé dans l’entreprise constitue toujours plus un facteur de compétitivité, (http://www.sas.com/de_de/whitepapers/forbes-data-elevates-customer-experience-108235/download.html), les entreprises investiront, dans les prochaines années, davantage dans la technologie Enterprise Search pour mettre en place des moteurs de données. Lorsqu’un centre de connaissances est établi, le système apporte lui-même les réponses propres aux questions sur l’activité professionnelle ou le cas échéant, transfère les requêtes à un collaborateur qui a l’expérience nécessaire pour y répondre. Les moteurs de données créent ainsi comme produit secondaire automatisé, la base d’une gestion des compétences à l’échelle de l’entreprise avec la promesse que l’entreprise « sait enfin ce qu’elle sait ».

6. Intelligence artificielle : la condition essentielle à la transformation numérique

Le concept d’« intelligence artificielle » accompagne le développement technologique depuis bien longtemps. Contrairement à autrefois où le succès de l’IA était parfois controversé, des outils et des technologies comme Enterprise Search, qui ont le pouvoir d’alimenter en continu les systèmes voulus et de s’améliorer de manière autonome, sont désormais disponibles, voir « apprentissage automatique » ou « apprentissage profond ».

Dans les années à venir, l’intelligence artificielle sera entre-autres incorporée dans les « Monkey Jobs », à savoir le travail intellectuel à la chaîne. Ainsi se démarquent les ressources de l’intelligence artificielle nécessaires pour maintenir l’entreprise sur la bonne voie de la transformation numérique. Par conséquent, l’IA aide de manière indirecte et, dans l’idéal, de manière directe à développer de nouvelles idées ou de nouveaux modèles commerciaux.

L’auteur Daniel Fallmann est le fondateur et le PDG de l’entreprise autrichienne Mindbreeze, qui s’est spécialisée dans les technologies du Big Data et de l’Enterprise Search.