Outils de Points de Vente.fr
  • Flux RSS

  • Suivez le flux RSS de Points de Vente.fr
  • Partager :

  • Texte :

  • Diminuer la taille du texte de Points de vente.fr
  • Augmenter la taille du texte de Points de vente.fr

- lundi 25 septembre 2017 -

Connexion au site Points de Vente.fr
Abonnement au site Points de Vente.fr
fermer la fenêtre d'inscription

Pour lire l'article

- Acheter l'article :

Vous pouvez acheter l’article à l’unité !

Pour avoir accès et lire intégralement l’article, vous devez acheter des crédits.

1 article = 3 euros

- S’abonner à Points de vente :

Et accédez à tous les articles et archives que vous souhaitez !

Nous vous proposons différentes formules (Equipe, magazine papier ou numérique)
pour recevoir le magazine chez vous, ses suppléments thématiques, les archives
ainsi que la newsletter bi-mensuelle.

- Identifiez-vous :

Mot de passe oublié

          

Vidéos de points de vente


Business,L'invité

> Retour aux catégories

L'invité

/

De gauche à droite : Frédéric Lalande et Clément Derock sont directeurs associés de Seenk et cofondateurs de Seenk Lab ; Philippe Thomas est directeur associé de Seenk. Clément Derock et Frédéric Lalande se connaissent depuis un petit bout de temps. Cofondateurs de l’agence digitale conseil en identité de marque et digital Seenk il y plus de 15 ans, ils ont tous les deux un profil de designer produit avec une formation architecte retail pour Clément et une expérience plutôt multimedia pour Frédéric. © DR

  • imprimer l'article
  • Envoyer par mail

“Nous avons testé Watson pendant 18 mois”
Clément Derock et Frédéric Lalande, directeurs associés de Seenk et cofondateurs de Seenk Lab

Mettre l’intelligence artificielle au service de l’e-commerce et de la mode. C’est ce que fait Wearing, le personal shopper conçu par Seenk Lab, qui dialogue en langage naturel et propose en temps réel des recommandations sur mesure. Avec l’aide du learning machine embarqué dans la technologie cognitive IBM Watson que l’agence a pu tester pendant 18 mois. 

Comment vous est venue l’idée de lancer une application basée sur la technologie cognitive de IBM Watson?
Clément Derock.
 Notre approche a toujours été liée à la fois à l’univers des marques et au digital. Depuis le début, nous sommes un peu hybrides. Dès les années 2000, nous avons été particulièrement intéressés par toutes ces nouvelles technologies qui voyaient le jour. Grâce à nos implantations aux états-Unis et en Inde, nous avons eu la chance de rencontrer des pionniers qui avaient développé des algorithmes assez puissants. Très vite, avec notre vision marketing et design, nous avons réfléchi à des applications concrètes dans la connaissance client qui mettraient en oeuvre ces algorithmes. Un peu plus tard, nous nous sommes trouvés, en quelque sorte, aux premières loges à la sortie de Watson, grâce à nos partenaires américains qui, eux-mêmes, étaient business partners d’IBM. Ils ont, d’ailleurs, été parmi les premiers à tester la solution. À ce moment-là, on travaillait sur des solutions retail de e-commerce, notamment pour des marques de grand magasin. Nous voulions renverser le modèle traditionnel du e-commerce qui, philosophiquement, selon nous, n’est qu’une reproduction, en termes d’insights, de ce qu’on a l’habitude de voir en point de vente physique. L’exemple de la mode, où une relation subjective s’établit, est particulièrement frappant. L’offre pléthorique des sites de e-commerce ne permet pas au client de se faire un avis, de s’y retrouver. Il y a une absence de connaissance. Alors qu’en magasin, il flâne, il est sollicité par des modèles auxquels il peut s’identifier, il vit une expérience, il apprend. Notre démarche a donc été d’imaginer comment faire le lien entre les deux grâce à la technologie. Nous avons, alors, eu l’idée d’associer l’algorithme dont on disposait avec la technologie cognitive d’IBM Watson. L’idée était de mettre au point un système de recommandations intelligent sur une offre pléthorique en utilisant le langage naturel qui s’intéresse à une base connaissance elle-même assez large, mais dont on n’est pas forcément détenteurs parce que l’on n’est pas spécialistes de la mode. En revanche, nous sommes tous des spécialistes de notre propre style.

Donc, l’utilisateur apporte sa connaissance à la machine?
Frédéric Lalande :
 oui. Notre démarche de designer, c’est d’imaginer que ceux qui souhaitent acheter un vêtement, n’ont pas envie de se soumettre au diktat de la mode mais de définir leur propre style par rapport à leur environnement. Nous les aidons en leur apportant la connaissance nécessaire et en proposant des modèles adaptés à leur style, à leurs mensurations, à leur garde-robe préalablement renseignés. Nous avons donc réfléchi à une technologie capable de se connecter en temps réel avec un environnement dynamique, c’est-à-dire des blogs, des encyclopédies, des réseaux sociaux, des historiques d’achats, des informations personnelles, et de répondre à une question posée en langage naturel en proposant des recommandations sur mesure.

Vous êtes parmi les heureux élus à avoir pu tester Watson…
C.D. :
 Nous avons présenté notre projet il y a deux ans à IBM à New York. Et ils nous ont accordé une licence free pour tester Watson pendant 18 mois. C’est ainsi qu’est née l’application Wearing dédiée à l’univers de la mode. La technologie de “cognitive computing”, plus génériquement appelée “learning machine”, est capable d’apprendre et d’accumuler des masses de connaissances. Elle est capable de lire très rapidement des millions de pages. Nous avons déjà testé des dizaines de milliers de pages. C’est comme un enfant dont le cerveau est vierge et qui apprend, qui corrige ses erreurs, qui progresse. Notre modèle est d’associer des données statiques, c’est-à-dire encyclopédiques sur la mode, de les lier en temps réel par l’algorithme à des données référencées qui parlent de la mode sur les réseaux sociaux, les blogs, et de les associer aux données personnelles de l’utilisateur et de toutes les traces qu’il laisse sur le web. Ensuite, sous couvert d’une conversation en langage naturel avec l’intelligence artificielle, l’application devient un “personal shopper” capable de produire des recommandations objectives puisqu’elle tient compte de l’utilisateur, de ses questions, et d’une forme de connaissance en temps réel. À partir de là, l’autre partie de l’algorithme est capable de remonter, par analyse sémantique des questions/réponses, les suggestions produits liées à un catalogue marchand qui aura été connecté et qui, donc, serait le client qui souscrirait à l’application.

Dans votre modèle économique, Wearing est une marque blanche?
C.D. :
 Oui. Nous proposons l’application clés en mains aux distributeurs qui veulent y plugger leur catalogue. L’idée est bien de changer le statut de l’e-commerce qui sature aujourd’hui, surtout dans la mode. IBM Watson nous a permis de jardiner pendant plus d’un an et demi en nous laissant l’exclusivité sur la mode. Nous avons donc une longueur d’avance. Nous nous sommes appuyés sur des spécialistes de la mode pour créer la base de données, pour apprendre à la machine, l’interroger, catégoriser les produits, décrire des profils. C’est un travail énorme de structuration des données. Maintenant, nous allons développer une version française puisque Wearing a été conçue sur une ontologie anglaise. Nous travaillons, notamment, avec des linguistes. Et nous lançons, également, une application en langage naturel baptisée Wine Testing qui permet d’avoir un sommelier personnel dans sa poche. En tant que designers, ce qui nous intéresse, c’est de revisiter /complètement les métiers, de dénicher de nouveaux usages et de repenser la relation entre la marque et les consommateurs.

L’application Wearing prend en compte des données utilisateurs multiples : budget, morphologie, localisation, température.

/Wearing tire parti du “cognitive computing” et d’une interface en langage naturel (via la voix ou le clavier) pour répondre à toutes les questions que l’utilisateur se pose sur la mode. À mesure que l’utilisateur navigue ou achète, il nourrit l’application de nouvelles informations (marquées préférées, par exemple) qui sont, ensuite, reliées au catalogue des marques. De quoi leur permettre de proposer les /produits les plus pertinents, au moment où l’utilisateur est le plus réceptif.

La technologie IBM Watson Cognitive permet d’indexer des millions de sources de connaissances sur une thématique données interrogées en temps réel : blogs spécialisés (ici, en mode), réseaux sociaux, sites e-commerce, Wikipédia… Ces sources sont comprises et analysées par le “personal shopper” virtuel pour restituer /la réponse la plus pertinente aux questions de l’utilisateur.

Grâce à l’utilisation de données utilisateurs multiples (questionnaire initial, historique d’achat, statuts et likes via l’application ou les réseaux sociaux…), Wearing suggère des sélections sur mesure adaptées au profil et goût de l’utilisateur. Pour des recommandations encore plus pertinentes, l’utilisateur peut répertorier sa /garde-robe et la compléter en conséquence. 

L’application est une marque blanche destinée à être vendue à une ou plusieurs enseignes ou distributeurs qui pourront y intégrer leur offre catalogue. Au-delà de la mode, Seenk Lab vise d’autres usages pour des acteurs présentant des situations similaires (comme le vin) : un choix pléthorique face auquel l’utilisateur se sent dépourvu de l’information ou de l’expertise pour bien choisir.

Repères

Seenk est une agence conseil en identité de marque et digital. Elle accompagne les marques sur les problématiques de branding depuis près de 15 ans. Au printemps 2016, elle s’est dotée d’une nouvelle entité, baptisée Seenk Lab, un laboratoire d’innovations au service des marques, pour développer son activité d’éditeur d’applications au service de la digitalisation de la relation client. 
L’écosystème de Seenk Lab regroupe 85 personnes réparties entre Paris, Boston et Bombay. L’éditeur d’applications mobiles à base d’intelligence artificielle rassemble des designers, des développeurs, des experts de la data et du cognitive computing et associe l’expérience de la marque à celle de la data pour bâtir de nouvelles interactions clients sur mesure en partant des données. Elle s’appuie sur un algorithme prédictif propriétaire, une mesure de l’influence en temps réel et la technologie IBM Watson Cognitive.

Propos recueillis par Catherine Batteux

FIL D'INFOSFlux RSS Points de vente


Newsletter

inscription

RECHERCHER

  • Consultation libre de nos archives de plus d'un an (+ de 17000 articles).
  • Formule payante pour les articles récents.

Abonnez-vous
dès maintenant !

Je m'abonne à Points de Vente
retirer la barre videos de Points de vente