Exemples de mise en œuvre de l'IA : comment les entreprises exploitent l'IA

Introduction

Vous n’avez sans doute pas besoin qu’on vous convainque de l’importance de l’intelligence artificielle. La question la plus difficile est de savoir comment l’intégrer à ce que vous mettez déjà en œuvre.

Les organisations qui utilisent efficacement l’IA ne sont pas celles qui disposent du plus grand nombre d’outils d’IA. Ce sont celles qui ont intégré l’IA à des expériences client et à des processus métier spécifiques, puis l’ont reliée aux données et aux systèmes sur lesquels ces processus s’appuient déjà. Un moteur de recommandation qui ne tient pas compte du comportement des clients ne fait que deviner. Un assistant IA qui n’a pas accès aux données des comptes n’est rien d’autre qu’une page de FAQ un peu plus polie.

Ce guide présente des exemples concrets de mise en œuvre de l’IA ainsi que six applications pratiques que vous pouvez évaluer pour votre propre entreprise.

Exemples concrets de mise en œuvre de l’IA chez des clients de Liferay DXP

Les meilleures réussites en matière d’IA ne commencent pas par l’IA. Elles partent d’un problème métier et d’une plateforme capable de relier la bonne idée aux bonnes données.

Voici comment cela s’est déroulé pour deux clients de Liferay DXP.

Intégration de recommandations basées sur l’apprentissage automatique au plus grand portail de fidélité du Brésil

Avec plus de 15 millions de clients, Smiles , le programme de fidélité de la compagnie aérienne brésilienne GOL, est le plus grand programme de fidélité du Brésil. À la suite de son introduction en bourse, l’entreprise avait besoin d’un portail client capable de rester stable lors des pics de trafic liés aux promotions et permettant à ses équipes de publier du contenu sans dépendre du service informatique.

Smiles a refondu ce portail sur Liferay DXP en seulement cinq mois. Dans le cadre de ce projet, l’équipe a utilisé les API « headless » de Liferay pour connecter le portail au CRM de l’entreprise et à un moteur d’apprentissage automatique. Cette connexion a permis à l’apprentissage automatique d’accéder aux données réelles des clients.

Smiles a mis cette connexion à profit via une fenêtre de recommandations, une section du portail qui présentait à chaque client des offres personnalisées de produits et de services en fonction de son profil. Comme ces recommandations s’appuyaient sur les mêmes données CRM que celles alimentant le reste du portail, elles reflétaient la relation réelle de chaque client avec le programme. La fenêtre de recommandations a entraîné une augmentation de 46 % du taux de conversion.

Intégration de recommandations basées sur l’IA à une plateforme de commerce unifiée

L’un des principaux opérateurs de télécommunications du Moyen-Orient a connu un parcours différent. Son application de commerce électronique héritée reposait sur un catalogue de produits décentralisé, de sorte que même les modifications les plus élémentaires apportées aux produits ou aux promotions devaient passer par le service informatique. À mesure que le catalogue s’étoffait, sa gestion devenait de plus en plus difficile.

Pour remédier à cela, l’entreprise a adopté une plateforme de commerce unique, Liferay DXP, desservant à la fois les clients B2B et B2C. Le contenu des produits, les tarifs, les promotions et la gestion des stocks ont ainsi été regroupés en un seul et même endroit, et la plateforme s’est connectée au CRM back-end de l’entreprise, aux passerelles de paiement, au chatbot et aux systèmes d’expédition. Les magasins ont également commencé à faire office d’entrepôts étendus, rapprochant ainsi les opérations de commerce électronique et celles des magasins.

Une fois ses données produits centralisées, l’entreprise a pu y intégrer l’IA. À l’aide des services d’IA/ML de Liferay, elle a lancé un outil de recommandation de produits pour favoriser la vente incitative et la vente croisée sur plus de 70 000 références. Ces recommandations ont permis aux clients de découvrir des produits de manière plus pertinente, tandis que la nouvelle plateforme a réduit de 93 % le temps nécessaire à la configuration des produits. Ce projet illustre l’ordre des opérations qui rend l’IA efficace : des données propres et centralisées d’abord, l’intelligence ensuite.

6 exemples concrets de mise en œuvre de l’IA dans les opérations d’entreprise

L’IA peut apporter une valeur ajoutée dans presque tous les domaines d’une entreprise, du centre de services à la chaîne d’approvisionnement. Certaines applications s’appuient sur l’apprentissage automatique pour identifier des tendances et établir des prévisions. D’autres utilisent l’IA générative et de grands modèles linguistiques pour comprendre les questions et créer du contenu, et les plus efficaces combinent souvent les deux. Les mises en œuvre les plus performantes ont en commun un lien clair avec les besoins réels de l’entreprise, ainsi qu’avec les systèmes et les données qui les prennent déjà en charge.

1. Service client et libre-service optimisés par l’IA

Les équipes de service client consacrent une grande partie de leur journée à des tâches routinières, telles que les demandes de remboursement, les vérifications de l’état des commandes et les questions relatives à la facturation. Ce sont précisément les demandes que l’IA gère efficacement, et son rôle prend rapidement de l’ampleur. Gartner prévoit que d’ici 2029, l’IA agentique résoudra 80 % des problèmes courants du service client sans intervention humaine, ce qui entraînera une réduction de 30 % des coûts opérationnels.

Mais l’utilité d’un assistant IA dépend de ses connexions. Intégré à un portail client en libre-service qui connaît déjà l’identité du client et ses commandes, un assistant IA conversationnel peut puiser dans votre base de connaissances, vos données de compte et votre système de gestion des dossiers pour résoudre les demandes, au lieu de se contenter de répondre à la FAQ. Lorsqu’une demande se complique, elle est transmise à un agent humain.

Parmi les avantages potentiels, on peut citer des temps de réponse plus courts, une baisse du volume d’assistance et une meilleure expérience client. Suivez le temps de résolution, le taux de déviation des tickets et la satisfaction client pour mesurer l’impact.

2. Recommandations de produits et expériences client personnalisées

Les clients s’attendent désormais à ce que leurs interactions en ligne soient pertinentes, et l’apprentissage automatique comble ce fossé en analysant le comportement des clients, l’historique des achats et les catalogues de produits afin de recommander ce que chaque personne est le plus susceptible de souhaiter. Les algorithmes d’IA se chargent des prévisions, mais c’est la plateforme qui assure la mise en œuvre. Les recommandations doivent s’appuyer sur les données CRM et commerciales, puis s’afficher partout où les clients interagissent, des vitrines et portails aux programmes de fidélité, grâce à des règles de personnalisation que les équipes marketing peuvent gérer elles-mêmes.

3. Recherche intelligente et gestion des connaissances

La plupart des entreprises disposent déjà des réponses dont leurs collaborateurs et leurs clients ont besoin. Le problème, c’est de les trouver. Dans une enquête Gartner menée auprès de près de 5 000 professionnels du numérique, 47 % ont déclaré avoir du mal à trouver les informations ou les données dont ils ont besoin pour travailler efficacement.

L’IA générative transforme le fonctionnement de la recherche. Au lieu de se contenter de faire correspondre des mots-clés, la recherche sémantique utilise un modèle linguistique pour interpréter l’intention derrière une question formulée en langage naturel et faire remonter le contenu le plus pertinent. Elle comprend ce que les utilisateurs veulent dire, et pas seulement ce qu’ils tapent. Elle doit également respecter les autorisations que vous avez déjà définies, afin que chacun ne voie que ce qu’il est autorisé à voir.

Pour les intranets d’entreprise , les portails partenaires et les sites d’assistance, la recherche alimentée par l’IA est souvent le moyen le plus rapide de démontrer la valeur de l’IA : moins de temps passé à rechercher, moins de tickets d’assistance et des équipes plus productives. Mesurez le taux de réussite des recherches, le temps nécessaire pour trouver des informations et le nombre de tickets évités.

4. Analyse prédictive et prise de décision basée sur les données

L’analyse prédictive utilise l’IA pour identifier des tendances dans les données historiques et opérationnelles, afin que les équipes puissent agir avant l’apparition d’un problème plutôt qu’après. Elle est particulièrement utile lorsque des données complexes provenant de plusieurs systèmes doivent être regroupées pour révéler des informations qu’aucun rapport ne peut fournir à lui seul.

Voici comment cela pourrait se traduire dans différents secteurs :

• Un fabricant pourrait combiner les relevés des capteurs sur l’état des équipements avec l’historique d’entretien pour planifier la maintenance avant une panne.
• Un détaillant pourrait prévoir la demande à partir de l’historique des ventes et des tendances du marché afin d’améliorer la gestion des stocks et de repérer les retards tout au long de la chaîne d’approvisionnement.
• Un fournisseur d’énergie pourrait prévoir la consommation d’énergie par région, identifier les clients susceptibles de se désabonner, puis leur envoyer un message en temps opportun via son portail client.
• Une société de services financiers pourrait signaler des transactions inhabituelles avant qu’elles n’entraînent des pertes financières, en utilisant la même technique de reconnaissance de modèles que celle employée pour la détection des fraudes.

Dans tous les cas, une prévision ne crée de la valeur que si elle parvient à une personne capable d’agir en conséquence. C’est en connectant les flux de données et les services d’analyse aux portails, tableaux de bord et workflows sur lesquels les équipes travaillent déjà que l’on transforme les informations exploitables en décisions fondées sur les données, en une allocation plus intelligente des ressources et en une gestion de la chaîne d’approvisionnement qui s’adapte à l’évolution des conditions. Suivez la précision des prévisions, le taux de rétention et le délai d’intervention pour mesurer l’impact sur la prise de décision.

5. Gestion de contenu et localisation assistées par l’IA

Pour les entreprises internationales, chaque lancement multiplie la charge de travail liée au contenu : des dizaines de sites régionaux, plusieurs langues et une bibliothèque d’actifs en constante expansion. Faire l’impasse sur la localisation n’est pas vraiment une option. Une étude de CSA Research a révélé que 76 % des acheteurs en ligne préfèrent acheter des produits dont les informations sont disponibles dans leur propre langue, et que 40 % n’achèteront tout simplement pas sur des sites web rédigés dans d’autres langues.

L’IA peut prendre en charge une grande partie de cette charge de travail. L’IA générative peut rédiger des textes et créer des images directement dans l’éditeur de contenu. La traduction automatique peut produire automatiquement des versions localisées de chaque page. Le balisage automatique, notamment grâce à la vision par ordinateur pour les images, permet d’étiqueter les ressources dès leur création, ce qui facilite leur recherche ultérieure.

Une multinationale pourrait utiliser ces fonctionnalités pour préparer le lancement d’un produit sur 15 marchés simultanément, les éditeurs locaux révisant et validant chaque version via leurs workflows existants. L’IA se charge des tâches répétitives, tandis que les humains veillent à l’exactitude et à la cohérence de la marque. Certaines équipes vont encore plus loin en recourant à une IA « agentique » capable de gérer des workflows marketing en plusieurs étapes . Mesurez le délai de publication, le temps de traitement de la localisation et les heures consacrées au balisage manuel des ressources.

6. Automatisation intelligente des workflows

Les collaborateurs qualifiés perdent chaque semaine des heures à classer les demandes, à rassembler des informations et à acheminer le travail vers la bonne équipe. Cela est en train de changer rapidement. Gartner prévoit que d’ici 2028, au moins 15 % des décisions opérationnelles quotidiennes seront prises de manière autonome grâce à l’IA agentique, contre aucune en 2024, et que 33 % des applications logicielles d’entreprise intégreront l’IA agentique.

L’IA peut automatiser des tâches répétitives comme celles-ci au sein des workflows «low-code» que les équipes utilisent déjà. Elle peut lire une demande entrante, la classer, extraire les enregistrements associés et l’acheminer vers la file d’attente appropriée, avec une validation humaine à des étapes définies. Lorsque ces workflows sont déjà reliés à des formulaires, des processus de validation et des applications métier, l’IA s’intègre au processus plutôt que de fonctionner en parallèle.

Cette même efficacité s’étend au développement logiciel, où des assistants de codage basés sur l’IA aident les développeurs à rédiger, réviser et corriger le code. Dans les deux cas, l’IA porte ses fruits plus rapidement lorsqu’elle est intégrée aux outils que les utilisateurs emploient déjà. Suivez la durée des cycles, la précision de l’acheminement et le nombre d’heures de travail administratif supprimées.

Qu’ont en commun les déploiements d’IA réussis en entreprise ?

La réussite d’une mise en œuvre de l’IA dépend généralement moins des modèles d’IA eux-mêmes que de tout ce qui les entoure, notamment les données sur lesquelles ils s’appuient, les systèmes auxquels ils se connectent et les personnes qui les supervisent.

Les mises en œuvre réussies reposent généralement sur cinq piliers.

Aucun de ces éléments ne dépend d’une technologie d’IA particulière. Le choix du modèle et ses performances ont leur importance, mais ils sont rarement la cause de l’enlisement des projets d’IA. La fragmentation des données, la déconnexion des systèmes et le manque de clarté quant à la responsabilité sont des causes bien plus courantes, et ce sont ces mêmes lacunes qui ralentissent les efforts plus larges de transformation par l’IA.

Comment les entreprises peuvent-elles identifier les bonnes opportunités de mise en œuvre de l’IA ?

Les études de marché et les démonstrations des fournisseurs peuvent vous montrer ce que l’IA est capable de faire. Seules vos propres opérations peuvent vous indiquer par où commencer. Commencez par un processus à fort volume qui s’appuie déjà sur des données fiables, et pour lequel vous pouvez mesurer les résultats avant et après.

1. Identifiez les points de friction. Recherchez les processus comportant des tâches répétitives, des temps de réponse lents ou des informations que les collaborateurs ne parviennent pas à trouver. Discutez avec les experts métier des services concernés, et pas seulement avec le service informatique. Ce sont eux qui savent où passe le temps.
2. Vérifiez les données. Assurez-vous que les données nécessaires à ce cas d’utilisation existent, sont accessibles et soumises à une gouvernance. Si elles sont réparties dans cinq systèmes qui ne communiquent pas entre eux, les interconnecter constituera votre première étape de travail.
3. Cartographiez les intégrations. Dressez la liste de tous les systèmes que l’IA doit pouvoir lire ou dans lesquels elle doit pouvoir écrire. Plus votre plateforme en relie déjà, plus vous avancerez rapidement.
4. Déterminez qui se chargera de la mise en place et de la maintenance. Certains projets d’IA nécessitent des data scientists pour l’entraînement des modèles, mais ce n’est pas le cas pour beaucoup d’autres. Définissez clairement ce qui relève de la responsabilité de votre équipe, ce qui relève de celle d’un partenaire, et ce qui se passera après la mise en service.
5. Évaluez la complexité et les risques. Tenez compte des exigences de sécurité, des contraintes réglementaires et des étapes où la vérification humaine est incontournable.
6. Définissez des indicateurs clés de performance (KPI) et commencez par vous concentrer sur un objectif précis. Lancez une application, évaluez-en les résultats, puis développez-vous à partir de là. Un premier succès vous apportera les preuves et le soutien interne nécessaires pour vous montrer plus ambitieux la prochaine fois.

Vous n’avez pas besoin d’une stratégie d’IA d’entreprise complète pour vous lancer dans l’IA. Il vous suffit d’un cas d’utilisation bien choisi.

Comment Liferay DXP facilite la mise en œuvre de l’IA en entreprise

La puissance de l’IA dépend entièrement de la plateforme qui la met en œuvre. Liferay DXP vous offre cette plateforme, une base flexible où l’IA se connecte à vos données, s’intègre dans les expériences appropriées et reste sécurisée grâce à l’engagement de Liferay en faveur d’une IA responsable . Comme elle s’intègre aux systèmes dont vous disposez déjà , vous n’avez pas besoin de repartir de zéro pour vous lancer.

Que vous ajoutiez un assistant IA à un portail client, que vous personnalisiez une vitrine en ligne ou que vous automatisiez des processus de validation, Liferay DXP vous permet de développer des solutions d’IA adaptées à vos besoins métier et de les faire évoluer au rythme de vos ambitions. Voici les outils à votre disposition.

• Des outils de contenu IA intégrés qui rédigent des textes, génèrent des images, traduisent des pages et balisent les ressources directement là où vos équipes travaillent déjà
• AI Hub pour créer et déployer des agents IA capables de prendre en charge des tâches en plusieurs étapes, sans cycle de développement IA fastidieux
• Une recherche plus intelligente qui comprend ce que les utilisateurs veulent dire, et pas seulement ce qu’ils tapent
• Des expériences personnalisées qui présentent à chaque visiteur le contenu, les produits et les offres qui comptent le plus pour lui
• La liberté de connecter les modèles et services d’IA de votre choix, pour ne jamais être lié à un seul fournisseur
• Des connexions aux systèmes que vous utilisez déjà, des CRM et ERP aux plateformes de données
• Des autorisations, des pistes d’audit et des workflows de validation qui garantissent la maîtrise de chaque système alimenté par l’IA, le tout soutenu par une approche certifiée ISO 42001 en matière d’IA responsable

Mettez l’IA à contribution grâce à une infrastructure numérique adaptée

Ces exemples de mise en œuvre de l’IA mènent tous à la même conclusion : l’IA crée un avantage concurrentiel lorsqu’elle est connectée aux bonnes données, aux bons systèmes et aux bons processus. Klarna a montré ce que l’IA peut apporter au service client, et ce qu’elle ne doit pas faire seule. Morgan Stanley, Lumen, Smiles et un opérateur de télécommunications de premier plan ont montré ce qui se passe lorsque l’IA est intégrée au travail que les collaborateurs effectuent déjà.

Pour la plupart des entreprises, le premier projet d’IA n’est qu’un début. Réussissez un cas d’utilisation, et le suivant sera plus facile, car les données sont déjà connectées, la gouvernance est déjà en place et vos équipes ont constaté que cela fonctionne. C’est ainsi que les organisations tirent parti de l’IA pour réagir rapidement à l’évolution des conditions du marché sans avoir à repartir de zéro à chaque fois.

Découvrez les capacités de Liferay en matière d’IA pour identifier les domaines dans lesquels l’IA pourrait faire la plus grande différence pour votre organisation.

Foire aux questions

Quels sont les exemples d'application de l'IA dans le monde des affaires ?

Parmi les exemples courants, on peut citer les assistants IA pour le service client, les recommandations basées sur l’apprentissage automatique, la recherche alimentée par l’IA, l’analyse prédictive, la gestion de contenu assistée par l’IA et l’automatisation des flux de travail. Smiles, un client de Liferay, a par exemple intégré l’apprentissage automatique à son portail de fidélité afin de proposer des offres personnalisées, ce qui lui a permis d’enregistrer une hausse de 46 % de son taux de conversion. L’utilisation la plus efficace de l’IA consiste à cibler une fonction métier spécifique et à s’appuyer sur les données dont cette fonction dispose déjà.

Les entreprises peuvent-elles intégrer l’IA sans remplacer leurs systèmes existants ?

Oui. La plupart des systèmes d’IA se connectent aux systèmes CRM, e-commerce, de gestion de contenu et d’identité existants via des API. Smiles et un opérateur de télécommunications de premier plan ont tous deux ajouté des recommandations basées sur l’IA aux plateformes Liferay DXP qui étaient déjà connectées à leurs systèmes CRM et back-end. L’essentiel est de disposer d’une plateforme suffisamment flexible pour connecter les services d’IA à ce que vous utilisez déjà, sans avoir à changer de plateforme.

Comment les organisations peuvent-elles mesurer le succès d’une mise en œuvre de l’IA ?

Choisissez un indicateur clé de performance (KPI) avant le lancement et mesurez-le par rapport à une valeur de référence. Pour le service client, il peut s’agir du temps de résolution ou du taux de déviation des tickets. Pour les recommandations, il s’agit du taux de conversion, et pour l’automatisation des workflows, du gain de temps ou de la durée du cycle. Les gains d’efficacité opérationnelle constituent un bon début, mais il faut les relier à des résultats commerciaux tels que le chiffre d’affaires, la fidélisation ou des économies significatives, afin que ces résultats tiennent la route lors des discussions budgétaires.