L’expérience client sur mesure du futur s’écrit dès maintenant avec le machine learning

Le machine learning, ou apprentissage automatique est un terme tendance. Il est utilisé pour désigner les nouvelles technologies apprenantes telles que les robots ou les chats bots. Pourtant, ce dernier ouvre le champ des possibles en termes de relation client mais également de prévention, pour servir une expérience client toujours plus innovante et personnalisée.

Les bases du machine learning

Le machine learning est une composante de l’intelligence artificielle, porté par la puissance de calcul du big data. Il désigne des techniques douées d’intelligence pour classifier et prédire, au moyen d’algorithmes capables d’apprendre et de restituer des connaissances empiriques. D’après Deloitte, ce marché à fort potentiel pourrait peser près de 60 milliards d’euros en 2022. Prenons un exemple simple. Dans le cadre d’une demande de crédit pour l’achat d’une maison pour un client x, le machine learning est utilisé pour évaluer sa capacité d’emprunt, de remboursement ou d’épargne, analyser ses dépenses quotidiennes ou encore la tenue et la gestion de ses comptes. Il aide ainsi le conseiller bancaire à déterminer le risque client face à son projet et à lui fournir ou non un crédit adapté à son profil.

Au service de l’expérience client

La force du machine learning réside dans sa capacité à anticiper et à proposer des biens ou services associés, pour un client définit. Prenons l’exemple du moteur de recommandation de la VOD (Vidéo à la demande) d’Orange. La technologie se base sur l’analyse des films visionnés pour être en mesure d’en proposer de nouveaux disponibles à la location ou à l’achat, présents dans l’offre de la vidéothèque. Pour aller plus loin, un système de notation pourrait être mis en place à l’issue du film pour enrichir les critères étudiés par l’algorithme, selon les goûts et intérêts de l’utilisateur mais aussi du point de vue de son évaluation personnelle (réalisateur, qualité de la photographie, de la bande-son, saisonnalité, humeur…). Pour ce faire, l’analyse prédictive s’appuie sur des comportements du passé pour pousser au moment opportun un produit ou service adequat, grâce à des schémas récurrents. L’enjeu est de construire l’expérience client en se basant sur la collecte de données objectives et subjectives, liées à des instants de vie, pour développer des relations hyper personnalisées.

Au service de la prévention santé

C’est dans le cadre d’actions de prévention santé que le machine learning peut également être utilisé. La révolution numérique de la santé est en marche, soutenue par les volumes de données qu’elle génère et les GAFA. Google a récemment annoncé sa volonté de prévenir les risques de maladies cardiaques au moyen d’un scan rétinien, réalisé auprès de 300.000 individus. Suite à ce scan, ces derniers ont été classés selon le risque perçu (individu ayant déjà manifesté des signes d’accident cardiaque ou non), corrélé à leur mode de vie. Si Amazon a imaginé activer le paiement bancaire par ce procédé, Google s’intéresse au risque santé, une cause d’intérêt général qui pourrait sauver des vies dans un futur proche.