Le dernier rapport de QBE montre que l'adoption accélérée du cloud et de l’intelligence artificielle bouleverse la carte mondiale des risques cyber. En 2025, les ransomwares atteignent des niveaux inédits tandis que les deepfakes deviennent un vecteur d’attaque majeur. La transformation numérique accélérée par l’intelligence artificielle, la migration vers le cloud et l’explosion des volumes de données redessine en profondeur le paysage mondial des menaces cyber. Le dernier rapport de QBE révèle une progression fulgurante : en un an, le nombre d’attaques a bondi de 168 %, les alertes critiques cloud ont augmenté de 235 %, et 10 % des cyberattaques impliquent désormais des deepfakes. Ces chiffres traduisent un basculement structurel où innovation et vulnérabilité avancent de concert. Une attaque sur dix réussie s’appuie sur des contenus falsifiés par IA L’IA générative, longtemps perçue comme un levier de productivité, devient aussi une arme d’ingénierie s...
Par Jean-Michel Franco, Directeur Marketing Produit, Talend
Les big data ont envahi l’espace médiatique depuis quelques années. Si nombre d’articles détaillent les bénéfices qu’elles procurent, tant en termes de connaissance client, d’optimisation de processus ou d’amélioration des capacités de prévision des entreprises, peu s’attardent sur les méthodes qui permettent de les matérialiser. C’est certainement la raison pour laquelle seulement 25% des entreprises déclarent avoir déjà mis en place un marketing personnalisé omnicanal, alors qu’elles sont 80% à souhaiter exploiter davantage les données « temps réel » dans leurs actions marketing.
Pourtant, la technologie est désormais mature. Les pionniers que sont Mint dans le secteur bancaire, Amazon dans la distribution ou NetFlix dans les médias, nous l’ont prouvé : il est aujourd’hui possible de mettre en place une plate-forme centralisée de gestion des données clients, capable d’intégrer et de fournir des informations en temps réel, quel que soit le canal d’interaction utilisé.
Cette plate-forme, communément appelée Customer Data Platform (CDP), permet de reconstituer l’intégralité du parcours client en centralisant et en croisant non seulement des données d’interaction : historique d’achat, préférences, satisfaction, fidélité, etc. (données internes), mais également des informations sociales permettant de comprendre les intentions ou l’appétence : goûts, instants décisifs, habitudes d’achat, parcours web, réseaux sociaux, etc. (données externes). Grâce à la puissance de la nouvelle génération de technologies analytiques – tirant notamment parti d’Hadoop et de son écosystème – et à la baisse drastique de leurs coûts la consolidation de ces énormes volumes de données est aujourd’hui très rapide et offre les moyens de réagir en temps réel à tout événement.
Ainsi, elle aide en amont à améliorer la connaissance client et à bien appréhender les besoins d’un individu. Elle permet en outre de prédire ses intentions et au final, elle offre à l’entreprise toute l’information nécessaire pour influencer le parcours client, en proposant des expériences significatives, au bon moment et via le bon canal.
Pour y parvenir, la Customer Data Platform doit reposer sur quatre piliers principaux. D’une part, des fonctions de gestion de données permettant de récupérer, intégrer et centraliser toute source de données utiles. Ces fonctions incorporent des modules de qualité de données qui garantissent la pertinence et l’actualisation des informations client, ainsi que de Master Data Management (MDM) à travers lesquelles sont fixées les règles d’association entre ces données.
Le second pilier consiste à établir une liste des offres et les conditions d’éligibilité, tenant par exemple compte des spécificités de l’entreprise : clients premiums, cartes de fidélité, etc. Le troisième pilier vise à analyser les données et leurs relations, pour établir une segmentation client. Enfin, le dernier pilier concerne la capacité prédictive et prescriptive de l’entreprise, qui grâce au machine learning, permet de pousser l’offre qui sera la plus probablement acceptée par le client (la recommandation).
Côté méthode, quatre étapes nous semblent essentielles pour parvenir au Graal ultime du marketing one-to-one en temps réel. Avant le projet, il est évidemment capital de définir le business case de votre projet : quels enjeux (augmenter les taux de transformation commerciaux, fidéliser le client en leur proposant le bon service au bon moment, lancer un nouveau produit ou service) ? et quel retour sur investissement ? Les pionniers nous conseillent ainsi de concevoir un storyboard décrivant le parcours client idéal, en s’intéressant aux « moments de vérité » c’est-à-dire aux interactions qui ont le plus de valeur et d’impacts aux yeux du client.
Le respect de la vie privée est évidement un point clé dès que l’on s’intéresse à la personnalisation. On pense bien sûr à la dimension réglementaire, mais cela va bien au-delà, puisque l’enjeu, c’est la relation de confiance et le bénéfice qu’en retire le client. Sans doute ici faut-il s’inspirer de ce qu’a su institutionnaliser le corps médical : il est dans notre intérêt de transmettre à notre médecin toute l’information utile, y compris la plus confidentielle. Mais, nous le faisons que parce que son corps de métier a établi des règles de gouvernance claires et strictes. L’entreprise doit à son tour établir ses règles de gouvernance, voire même son « serment d’Hippocrate ».
Pendant le projet, deux étapes consistent d’une part à importer les données et à les intégrer, afin de bien comprendre ce qu’elles contiennent (« découverte »), et d’autre part à ébaucher les premiers modèles de recommandation (« scoring ») qu’il conviendra de tester et d’affiner en fonction des premiers résultats. Les scores seront actualisés lors de chaque interaction.
Cette capacité à personnaliser la relation en temps réel peut paraitre complexe : les systèmes d’information ont effet jusqu’à présent pris le soin de découpler les fonctions transactionnelles et analytiques, réservant les systèmes analytiques à une petite population d’utilisateurs en les alimentant en information en temps différé. Or, il s’agit désormais d’alimenter les systèmes d’informations transactionnels, site web, applications mobiles, systèmes de point de vente, CRM, etc. avec de l’information analytique, en temps réel, pour faire les bonnes recommandations. Ceci s’effectue donc en général au travers d’une approche progressive. Par exemple en commençant par l’ajout de parcours personnalisés sur une application mobile ou dans les échanges entre le client et le centre d’appel. Ceci a l’avantage d’offrir rapidement de premiers résultats mesurables qui permettront d’élargir peu à peu le périmètre du projet et de s’assurer des retours sur investissements en conditions réelles. La dernière étape permet justement d’intégrer de plus en plus profondément les points de contact – web, centre d’appels, points de vente, etc. – afin d’enrichir le profil client et de pouvoir personnaliser l’ensemble des interactions.
Lorsque l’ensemble des points de contact a été intégré, l’entreprise dispose de toutes les informations nécessaires à la recommandation. C’est le fameux Graal du marketing one-to-one en temps réel, avec quatre bénéfices principaux : visibilité totale sur le parcours client (en d’autres termes l’alignement du marketing et des ventes), satisfaction du client reconnu (pas besoin de s’authentifier) et donc fidélité, mesure des actions marketing et au final, augmentation du chiffre d’affaires grâce à la hausse des taux de conversion. Quand on sait que les entreprises utilisant ce type de technique analytique se distinguent largement des concurrents qui ne l’utilisent pas, on aurait tort de s’en priver…