La nouvelle IA de l'empereur L'intelligence artificielle dans le marketing : Hype, échec et cas d'utilisation raisonnables

L'IA est depuis longtemps omniprésente - des réseaux sociaux aux boutiques en ligne. Les fabricants de logiciels, grands et petits, s'appuient sur des fonctions d'IA partout, mais de nombreuses entreprises technologiques cherchent désespérément des cas d'utilisation réels. Malgré l'enthousiasme, les critiques se multiplient et cet article tente de faire le point sur « l'état de l'art ».

L'IA et ses limites : échecs et critiques typiques

L'internet regorge d'erreurs d'IA : des personnes avec trop de membres, des paysages d'images cauchemardesques et des moteurs de recherche qui recommandent des pizzas à la colle ou qui expliquent que l'inventeur du « backflip », John Backflip, a été banni en 1316 parce qu'il était accusé de sorcellerie par son rival William Frontflip. Ces erreurs sont souvent très amusantes, mais elles soulèvent la question de savoir si les solutions d'IA ont été testés avant d'être mis en service. Une chose est sûre : la plupart de ces problèmes seront résolus par des développements ultérieurs. Le problème des membres est aujourd'hui moins répandu, et les entreprises font tout ce qu'elles peuvent pour minimiser les dommages causés à leur image par les échecs. Il est donc superficiel et erroné de rejeter l'IA comme inutile à cause de ce genre de problèmes.

Des cas d'utilisation raisonnables de l'IA dans le domaine du marketing

L'IA offre un certain nombre d'applications utiles, non seulement en médecine ou dans le secteur des assurances, mais aussi dans le domaine du marketing. La génération de langage naturel (NLG) automatise la création de texte à partir de données techniques, telles que des descriptions produits et des textes de campagne, souvent en plusieurs langues et à grande vitesse.

Dans le domaine de la qualité des données produit, l'IA aide à catégoriser les produits, à taguer les images et à extraire le texte du langage parlé. Elle vérifie également la qualité des textes ou l'abréviation du contenu - bien que dans ce dernier cas, l'IA n'apporte souvent pas la valeur ajoutée souhaitée.

La personnalisation est un autre grand sujet. L'IA est utilisée pour les recommandations de produits, pour identifier les préférences et pour reconnaître les tendances à partir de grandes quantités de données. Elle améliore également la recherche de produits en tenant compte des formulations similaires.

Attentes et réalité

Malheureusement, le buzz permanent et le secret créent des attentes irréalistes. En réalité, aucun des produits d'IA disponibles sur le marché n'est intelligent au sens de l'intelligence humaine. Il n'existe pas (encore) d'IA forte (intelligence artificielle générale), et rien ne se rapproche actuellement d'une « véritable » intelligence. Cela commence par le fait qu'il y a un désaccord sur ce qu'est réellement l'intelligence. Lorsque quelqu'un affirme que ses modèles d'IA sont sur le point de passer à l'IA forte, il s'agit généralement d'une levée de fonds en vue du prochain financement ou d'une introduction en bourse.

En pratique, nous parlons d'IA générative, d'apprentissage automatique/d'apprentissage profond et de vision par ordinateur. Ces technologies permettent de reconnaître des modèles dans de grandes quantités de données et de faire des prédictions sur cette base. Rien de tout cela ne ressemble à une pensée indépendante ou à l'intelligence - et c'est exactement ce dont il s'agit.

ChatGPT est-il une bétise ?

Un bon exemple d'idées fausses sur l'IA est le fonctionnement des grands modèles linguistiques (LLM) tels que ChatGPT. Ces modèles n'ont ni connaissance ni compréhension. Ils génèrent simplement des chaînes de mots statistiques. GPT utilise le prompt pour définir un point de départ et enchaîne ensuite les mots les plus probables d'un point de vue statistique. Si vous vous retrouvez dans un domaine où le modèle a été bien entraîné, cela a souvent du sens. Si vous arrivez dans un domaine où le modèle n'a pas été bien entraîné, le résultat est tout simplement une bétise sans nom au sens de Harry Frankfurt (voir « ChatGPT is bullshit »).

Ceci est également évident dans les abréviations de texte et les vérifications de contenu. Les LLM peuvent abréger, mais ils déforment souvent le sens, omettent des passages clés et mettent l'accent sur des questions secondaires sans importance. Un autre problème réside dans le fait que les modèles d'IA sont mathématiques et non magiques. Ils apprennent à partir des données qui leur sont fournies. Si ces données sont générées par des personnes qui suivent des algorithmes simples, l'IA adoptera ce comportement. Par exemple, si les données reflètent une préférence pour certains groupes de candidats, l'IA imitera et même renforcera ces préférences.

Le problème des données

Cela ne peut se faire sans données, mais plus de données n'est pas nécessairement synonyme de meilleure qualité. Les données peuvent contenir des biais qui se reflètent dans les modèles d'IA. En outre, la compréhension de ce qui est fait avec ces données est souvent limitée. Les détaillants allemands, par exemple, collectent d'énormes quantités de données, mais ne les utilisent que dans une mesure limitée pour personnaliser la publicité. L'étude EHI Marketing Monitor for Retail 2023-2026 montre clairement que 29 % des détaillants personnalisent peu ou pas du tout, 24 % utilisent une segmentation simple et 47 % ne tentent pas d'adopter une approche 1:1. En dépit d'énormes quantités de données, la personnalisation est rarement mise en œuvre dans de nombreux cas.

La manière dont les données sont collectées est également source de malaise. De nombreux clients estiment que la collecte de données est inappropriée, raison pour laquelle les bloqueurs de publicité sont très répandus. Apple a renforcé sa politique de confidentialité et supprime automatiquement les cookies, même ceux qui ont été acceptés, toutes les deux semaines. Google, quant à lui, reporte le remplacement des cookies tiers parce que l'écosystème de collecte de données sous-jacent n'est pas encore prêt à abandonner cette source de données.

Utiliser des données ou tirer à pile ou face ?

Une étude sur l'efficacité de l'utilisation des données a montré que les courtiers en données de tierce partie sont peu utiles dans la pratique. Dans une étude sur la manière d'atteindre le « bon » client, il a été constaté que seuls 14,3 % des décideurs informatiques étaient correctement adressés lorsque des données tierces étaient utilisées. Les résultats étaient encore pires lorsqu'il s'agissait de rechercher des décideurs informatiques de haut niveau : seuls 7,5 % étaient effectivement corrects.

Même le sexe n'était correct que dans 42,3 % des cas. Même un tirage au sort est plus précis que cela. Cela montre que l'utilisation de données de tiers n'est pas un moyen fiable d'atteindre les bons clients. Cet empereur est complètement nu. 

Ce que l'on peut déduire des données ?

Que pouvez-vous apprendre de données telles que le nombre de secondes pendant lesquelles une vidéo a été visionnée ou le nombre de likes qu'un message a reçus ? En fin de compte, l'engagement ne mesure que le « niveau d'excitation », mais pas la cause de l'interaction. Un nombre élevé de clics ou de likes ne signifie pas nécessairement que le contenu était de grande qualité ou pertinent pour l'utilisateur. Pour obtenir des informations plus approfondies, vous devez attribuer correctement la cause et l'effet. L'IA peut reconnaître des corrélations, mais elle ne peut pas déterminer la causalité. Cela n'est possible qu'avec une connaissance du domaine que l'IA ne possède pas. Elle est douée pour trouver des schémas, mais c'est à l'humain qu'il revient de les interpréter.

Comprendre l'IA pour mieux l'utiliser

L'intelligence artificielle offre d'énormes possibilités si vous en comprenez les limites et les possibilités. Les entreprises devraient se poser des questions : Quels sont les cas d'utilisation au sein de leur propre organisation ? Où l'IA peut-elle fournir des informations qui ne seraient pas accessibles autrement ? Et les meilleures performances sont-elles réellement utiles et économiques, ou le coût plus élevé n'est-il pas justifié ? Cet aspect en particulier est souvent négligé dans le sillage du hype et du FOMO. Ceux qui comprennent l'IA peuvent l'utiliser efficacement et profiter des nombreuses opportunités qu'elle offre.

Ne laissez personne vous dissuader d'utiliser l'IA. Testez-la dans le cadre d'un projet pilote ou d'une démonstration de faisabilité. Élaborez votre analyse de rentabilité, obtenez des conseils et lancez-vous, de préférence avec un partenaire avec lequel vous pouvez travailler sur un pied d'égalité. Nous connaissons les bonnes personnes…