Et puis comme cela a été rappelé par Sean Ginevan de Google dans une keynote de ROOMn, il faudra nécessairement maîtriser les fondamentaux de l'analytique pour aller plus loin et développer demain des applications exploitant l'intelligence artificielle dont tout le monde parle.
La plateforme en mode "Hub relationnel"
Une première table ronde a permis de recueillir le retour d'expérience de Catherine Lardy, Directrice Transformation à Inter Mutuelles Assistance, qui, pour le compte de ses actionnaires et/ou clients (Macif, Matmut, PSA...) est une plateforme pour assister un français sur deux en détresse sur les routes ou dans son quotidien. Un service en marque blanche opérant de façon intégrée comme un centre de profit.
Au cœur de cette plateforme, des téléconseillers, fiers de leur mission d'assistance pouvant aller jusqu'à sauver des vies, mais également des données nécessaires pour activer et suivre ces services d'assistance sur le terrain. La téléphonie est le métier visible mais cette mise en relation est de plus en plus simplifiée par les données et l'automatisation qu'elles permettent, jusqu'à ce que certains services puissent même devenir 100% numériques.
Un premier enseignement issu de l'expérience de transformation d'Inter Mutuelles Assistance est la nécessaire gestion du changement liée au métier de téléconseiller.
Son rôle est challengé par le digital pour les activités facilement automatisables, y compris avec le vocal, mais en même temps il reste indispensable dans certaines activités où l'homme a un temps d'avance sur la machine comme pouvoir manifester de l'empathie. Les freins à la valorisation doivent donc être traduit par le besoin de mettre en place une démarche d'accompagnement pour les desserrer.
Et puis la machine ne va pas sis vite que ça, ce qui laisse le temps de s'adapter. Après avoir été très médiatisée, l'arrivée de Watson d'IBM dans la lutte contre le cancer, et notamment la détection de certains cancers, prédisait l'utilisation d'intelligence artificielle dans toutes les cliniques américaines. Fin 2017, soit 3 ans après ces annonces, les résultats de Watson ne sont pas (encore?) au rendez-vous sur ce sujet, la qualité des données d'apprentissage n'étant finalement pas si bonnes ou pas assez nombreuses. Or l'humain peut lui apprendre avec une seule donnée, surtout en cas de crise. Donc malgré les progrès rapides de l'intelligence artificielle il y a encore beaucoup d'activités complexes où les machines seront moins performantes que l'homme quand elles quittent leur laboratoire.
Quelle fierté pour ceux qui cuisinent ;-)
La démarche d'Inter Mutuelles Assistance a donc commencée avec la mise en place d'un socle technique (un "data lake" unique pour tous les métiers) opérationnel en 2017, alimenté avec les données de tous les métiers qui doivent en assurer la qualité. Toutes les données disponibles sont mises à disposition des applications potentielles.
Cette approche est complétée par une revue ds usages et des besoins d'assistance pour revenir ensuite aux donnée nécessaires, quitte à en créer de nouvelles ou aller chercher des données externes. Entre usages, métiers et fournisseurs, la plateforme joue son rôle pour enrichir la relation dans toutes les directions. La notion de hub devient un modèle d'organisation et la donnée y circule.
Cette hybridation entre plateforme technique et organisationnelle fait dire à GreenSI que seules les DSI qui collaborent à l'unisson avec les directions métiers pourront avancer avec ce modèle, pour le construire mais également pour l'opérer au quotidien.
Les données comme langage commun
Un modèle de plateforme que l'on retrouve également au cœur de la transformation numérique de l'action publique, comme nous l'explique Romain Talés, de la mission Etalab en charge de la plateforme des données data.gouv.fr. Cette mission, au sein de la "DSI de l'Etat" (la DINSIC) est rattachée au SGMAP qui dépend du Premier Ministre avec une vision transverse sur tous les Ministères.La politique de transformation passe par l’ouverture et le partage des données publiques (« open data »), la coordination et le support des actions des administrations de l’État. La loi pour une République numérique reconnait des données de référence, 9 jeux de données qui ont le plus d’impact économique et social, pour lesquelles l'engagement de l'État pour leur mise à jour et partage est total avec le lancement fin 2017 d'une organisation, celle du service public de la donnée (www.data.gouv.fr/reference).
Ces retours d'expérience, un public et l'autre privé, montrent que l'organisation et la structuration d'une plateforme de données communes à différentes entités avec des processus de partage est une étape importante pour attaquer le potentiel de la valorisation. Mais également que l'open data et les données de références du public peuvent bénéficier et inspirer le privé et réciproquement le modèle de hub peut inspirer l'évolution d'administrations dont les métiers sont ancrés dans la mise en relation.
Mais une fois cette "macro organisation" établie, ce qui n'est pas toujours simple dans les luttes de pouvoir internes depuis que la donnée est un sujet dont tout le monde veut s'occuper, il faut s'attaquer plus profondément à la culture de la donnée des salariés, des clients et même des fournisseurs.
Le collaborateur pivot de la transformation
Une seconde table ronde traitait des collaborateurs comme pivots dans la transformation digitale. Une étude du cabinet Markess auprès des DRH met en lumière que ces derniers essayent de transposer dans l'entreprise des applications utilisées largement dans le grand public. Attendez-vous donc à plus de convivialité et de collaboratif quand vous déposerez vos congés, pour suivre vos formations ou mettre à jour votre contrat de travail, et pourquoi pas depuis votre smartphone privé ou depuis un chatbot.L'acculturation de l'entreprise au digital est donc essentielle pour attirer les "millennials", mais elle l'est également pour les autres salariés si on veut envisager la redistribution des tâches entre l'homme et la machine. Car si on veut que le digital ne soit pas être perçu comme quelque chose qui va vous "piquer votre job" il vaut mieux que chacun le comprenne et sache l'utiliser. C'est une clef pour garder l'engagement des salariés.
On serait surpris de mesurer le niveau d'autonomie réel des salariés sur leur mobile ou sur internet dans le contexte de l'entreprise. Il est en fait assez faible parfois même si tout le monde est déjà allé sur un réseau social ou regarde des vidéos sur son smartphone. Idem dans les services informatiques où pourtant on devrait y trouver des experts. Mais on sait bien que l'évolution rapide des technologies fait que peu en maîtrisent les toutes dernières évolutions.
La mise en place d'une plateforme doit donc également s'accompagner d'un investissement sur la formation, pour que tout le monde en comprenne le fonctionnement et le langage : les données.
C'est également l'occasion de démystifier les nouveaux métiers de la donnée qui émergent et de s'appuyer dessus pour l'évolution ou la transformation des métiers actuels. En effet, avec le prisme de la donnée, de multiples acteurs doivent collaborent pour atteindre cet objectif commun de valorisation : le middle management dont les services marketing, les data scientists, les data engineers, les développeurs back-end, les développeurs front-end, les utilisateurs du décisionnel...
Il est donc essentiel que la plateforme en tant "qu'usine à données" propose des outils adaptés à chaque profil, avec une grande continuité entre profils pour favoriser la collaboration, et la possibilité d'intégration des résultats directement sur la plateforme digitale en charge de délivrer ces services numériques au quotidien.
La notion de front-office et back-office, qui a longtemps servi de modèle voire d'organisation, est largement dépassée avec les données. C'est la chaîne complète de traitement qui valorise les données, avec un souci d'automatisation complet de la chaîne.
Mais les serveurs vocaux (SVI) nous ont pourtant montré que l'automatisation n'était pas le meilleur ami de la qualité de service? Et bien on a dû mal s'y prendre avec la téléphonie car sur Internet Amazon aligne une satisfaction client et une chaîne logistique exemplaires, avec des degrés d'automatisation très élevés pour la profession. Le ratio de productivité y est également 50% plus élevé (de l'ordre de $300.000 par employé versus $200.000 pour Walmart ou Carrefour).
La poursuite d'une démarche de valorisation des données est donc plus un programme de transformation par les données, et de conduite des changements, qu'un projet de mise en place d'une solution technique. Les salariés et l'évolution de leurs métiers en sont les pivots, l'hybridation de la plateforme et de l'organisation en est le modèle. Et c'est une étape essentielle pour tirer parti des progrès de l'intelligence artificielle à l'horizon.
Gardez donc bien cette vision en tête quand vous irez cette semaine arpenter les allées du salon Big Data Paris et rencontrer la foule de camelots qui vous y attends. De retour dans votre entreprise, une solution technique sous le bras, le plus dur restera à faire...
