*Comment l'IA et le Machine Learning révolutionnent le secteur de l'optique et créent une expérience client optimisée*
By Anja Fordon, EMEA Staff Writer
Max Weber, Head of People & Workplace Operations chez Mister Spex, a évoqué auprès de Workday l'utilisation de l'IA et du Machine Learning (ML), ainsi que les thèmes clés qui révolutionnent le mode de fonctionnement d'entreprises comme Mister Spex. Mais concrètement, qu'est-ce que cela veut dire ? Comment l'intégration de ces technologies avancées change-t-elle les activités d'une entreprise qui opère dans l'espace à la fois physique et numérique ?
Les applications potentielles de l'IA et du ML sont nombreuses et s'étendent à divers domaines : de l'optimisation de la gestion des stocks à la personnalisation de l'expérience client. Mais comment ça marche ? Et qu'est-ce que cela signifie pour vous, le consommateur ?
Prêts à découvrir les coulisses et à savoir comment l'IA et le ML révolutionnent le monde de l'optométrie ? Alors, lisez la suite et trouvez l'inspiration. Le Future of Work, c'est maintenant, et il s'annonce radieux.
Comment l'entreprise Mister Spex utilise-t-elle l'IA et le ML dans ses opérations ?
Mister Spex, entreprise omnicanale, utilise l'IA et le ML de diverses manières dans ses opérations. Nous utilisons ces technologies dans nos magasins physiques et en ligne.
Mais c'est dans notre boutique en ligne que nous utilisons le plus l'IA. L'IA joue un rôle central dans l'identification des produits adaptés pour chaque client. Par exemple, notre algorithme de recommandations suggère des produits selon les préférences des clients.
Autre application concrète de l'IA : la génération du planning du personnel. Nous utilisons une solution IA pour optimiser ce processus et nous assurer d'avoir toujours assez de personnel disponible pour répondre aux besoins de nos clients.
Nous utilisons également des technologies comme le traitement automatique du langage naturel (TALN) dans divers domaines. Par exemple, nous l'utilisons pour communiquer avec notre personnel et évaluer le feedback que nous recevons des clients.
En général, nous intégrons divers cas d'usage d'IA et de ML dans notre business model, du plus petit au plus important. Toutefois, ce dont nous ne disposons pas encore c'est d'une architecture ML complète. Pour nous, le plus important est de générer de la valeur pour l'expérience client et dans certains cas pour l'expérience collaborateur, plutôt que de réfléchir en permanence à notre architecture technique.
Dans quelle mesure l'acquisition récente de Tribe a-t-elle influencé l'utilisation de l'IA et de ML chez Mister Spex ?
L'acquisition de Tribe a eu un impact important sur notre expérience client et a considérablement renforcé notre connaissance de l'IA. Par exemple, si vous visitez le site Web de Mister Spex, vous verrez que nous utilisons l'IA pour interpréter la forme de votre visage et l'écart entre vos yeux en temps réel pour mesurer l'écart pupillaire.
L'acquisition de Tribe nous a apporté un savoir supplémentaire et une technologie qui nous permet désormais de proposer des montures imprimées en 3D dans nos principales boutiques. À l'aide de techniques de mesure digitales, nous pouvons créer des montures parfaitement adaptées à la forme du visage de nos clients. À mesure que nous développerons ce produit, cette offre unique peut nous conférer un avantage concurrentiel important sur le marché très compétitif de l'optique.
Tribe, qui a rejoint notre famille en 2021, était une petite entreprise dont l'objectif spécifique était de nous apporter un avantage concurrentiel. Son acquisition a donc porté ses fruits en tous points.
« L'IA et le ML sont des outils précieux pour nous, à condition d'être utilisés dans le respect de la vie privée et de l'autonomie des collaborateurs ».
Max Weber, Head of People & Workplace Operations, Mister Spex
En quoi l'IA et le ML ont-ils un impact sur les RH pour vous et en général ?
L'application de l'IA et du ML dans les RH est un défi, car on se pose toujours la question de « Jusqu'où on veut aller ? Dans quelle mesure voulons-nous utiliser les données pour prédire le comportement des personnes ? ». Quand on applique l'IA et le ML au développement produit ou à la gestion des risques, ils ont moins d'effet direct sur la vie des individus. Mais si l'on tente de prédire le comportement des collaborateurs, comme une date de démission hypothétique, nous risquons de prendre des décisions à fort impact sur la vie des personnes.
Ceci étant, nous utilisons l'IA et le ML dans certains domaines, en particulier pour améliorer les processus de travail, plutôt que pour prévoir les comportements individuels. Par exemple, cette année, nous avons lancé Workday Scheduling, un outil alimenté par IA qui crée automatiquement les plannings du personnel. Il prend en compte à la fois le comportement des clients dans nos boutiques et la disponibilité de notre personnel afin de créer des plannings optimisés. Cet outil a largement réduit la complexité du processus et nous a permis de gagner un temps précieux, pour au final améliorer notre rentabilité de plus de 10 points de pourcentage.
Nous avons introduit Workday Peakon Employee Voice qui utilise le ML pour identifier les tendances globales en matière de talents et déterminer les enjeux qui mobilisent les employés. Toutefois, il ne s'agit pas d'établir des prévisions sur les individus, mais sur toute l'entreprise. L'objectif est d'améliorer l'entreprise dans son ensemble plutôt que de gérer les cas individuels. L'IA et le ML sont donc des outils précieux pour nous, à condition d'être utilisés dans le respect de la vie privée et de l'autonomie des collaborateurs.
À quels défis êtes-vous confrontés depuis l'intégration de l'IA et du ML dans vos activités ? Pouvez-vous nous donner des exemples concrets de vos difficultés ou de situations qui ne se sont pas déroulées comme prévu ?
L'un des plus gros défis de l'application de l'IA, par exemple en matière de planification RH, c'est de lui donner un objectif clair à optimiser. Cet objectif est défini par diverses données, telles que le nombre de visiteurs, les dépenses, la répartition par âge, etc. Mais définir un objectif clair est souvent le plus gros problème, car il dépend de la vérification de corrélations qualitatives d'une manière pouvant être comprise et ciblée par une machine.
Par ailleurs, l'IA doit pouvoir aussi être entraînée avec des données valides. L'un des avantages de l'utilisation de produits d'IA, tels que ceux de Workday, est la possibilité de bénéficier également des apprentissages basés sur les données d'autres clients. Toutefois, il faut toujours tenir compte du contexte et des particularités de son entreprise, car les suggestions d'une IA peuvent ne pas toujours être applicables à votre situation.
« L'IA a évidemment unénorme potentiel ».
Par exemple, l'IA peut apprendre qu'un manque de conseillers commerciaux entraîne une baisse des ventes dans une entreprise. Cette information ne peut pas être appliquée à une autre entreprise, qui a peut-être une distribution différente ou une autre relation entre clients et conseillers commerciaux. Le défi, alors, est de combler l'écart entre les informations générales apprises par l'IA auprès de diverses sources de données et les informations spécifiques à votre entreprise. Les décisions data-driven doivent toujours tenir compte de cette distinction.
Que ressentent les collaborateurs lorsqu'ils apprennent que leur planification de déploiement est générée par l'IA ? Existe-t-il des freins ou une résistance en interne ?
Nous évitons de recourir uniquement à l'IA pour les plannings du personnel afin d'éviter le surapprentissage statistique et de tenir compte de l'avis précieux de nos responsables en magasin. Le surapprentissage se produit lorsqu'une IA est entraînée avec 100 % des données disponibles. Dans ce cas, l'IA a tendance à reproduire le monde exactement comme il a toujours été, laissant peu de place aux changements futurs. Prenons un exemple concret : si un événement comme un concert de Justin Bieber l'an dernier, a entraîné une augmentation du nombre de clients, une IA totalement data-driven s'attend au même nombre de clients à la même date cette année, même si aucun autre concert n'est prévu.
Afin d'éviter cela, l'IA effectue la plus grande part de la génération des plannings du personnel, mais nous permettons aux responsables de magasins de faire des ajustements d'après leur expérience et leur intuition. Cette association accroît l'acceptation des plannings élaborés par IA parmi les collaborateurs.
De plus, nous pouvons intégrer les préférences des collaborateurs dans la planification, par exemple, si un collaborateur à temps partiel ne peut jamais travailler le vendredi. Cette fonctionnalité fournie par Workday favorise aussi l'adoption de la planification basée sur l'IA. Les outils digitaux nous permettent aussi de réaliser des processus comme les échanges d'emploi du temps plus facilement et de façon plus transparente, contribuant ici encore à l'acceptation de la planification basée sur l'IA.
Comment s'assurer que les données utilisées par l'IA sont valides, exactes et suffisantes ? Avez-vous mis en place une certaine forme de supervision ou de contrôle humain pour garantir la qualité des données ?
Oui, nous avons mis en place un contrôle humain, surtout pour les plannings du personnel. Une fois qu'un plan est généré par l'IA, un responsable vérifie si les résultats sont valides. Par ailleurs, toutes les données RH utilisées par l'algorithme sont constamment vérifiées et doivent être approuvées. Chaque changement est audité et examiné par au moins deux personnes. Nous pouvons alors appliquer le principe des « quatre yeux » pour nous assurer que notre base de données ne contient aucune donnée erronée.
Concernant les données sur le trafic, il est difficile de les identifier de manière totalement précise (par exemple, si deux personnes franchissent un faisceau lumineux en même temps). Mais il s'agit d'un problème lié au Big Data. Un taux d'erreur de quatre à cinq pour cent est acceptable dans ce contexte, car l'orientation générale est correcte et l'on peut se baser sur la grande majorité des données.
Dans quelle mesure voyez-vous des technologies comme l'IA continuer à influencer et changer le secteur de l'optique dans lequel Mister Spex opère ? Voyez-vous d'autres opportunités ou domaines dans lesquels ces technologies pourraient avoir un impact important ? Et chez Mister Spex ?
L'IA a évidemment un énorme potentiel dans le secteur de l'optique. Par exemple, elle peut participer activement à la création de contenus et l'expérience client, tel qu'avec le développement de chatbots. Proposer aux clients la possibilité de résoudre immédiatement des problèmes indépendamment des heures d'ouverture du service client bénéficiera aux clients et à Mister Spex.
Forts de notre longue expérience en ligne, nous disposons d'une mine de données que nous pouvons utiliser de façon stratégique. Par exemple, les recommandations sur les dimensions des montures basées sur la reconnaissance faciale ou l'historique des commandes permettent de réduire les retours et d'augmenter la satisfaction client. Nous proposons des lunettes imprimées en 3D basées sur les mesures fournies par l'IA, un tout nouveau type de lunettes proposé dans de plus en plus de magasins. Les prévisions de commandes et de retours contribuent à optimiser la planification du travail et la vitesse de livraison. Sans entrer dans les détails, je peux vous assurer que nous avons toute une liste de sujets à l'ordre du jour.
« L'un des avantages de l'utilisation de produits d'IA, tels que ceux de Workday, est la possibilité de bénéficier également des apprentissages basés sur les données d'autres clients ».
