De l'intelligence artificielle pour améliorer les performances des partenaires. L'idée derrière Score (pour Smarter cognitive opportunity recommendation engine) a germé du côté de Dublin, en Irlande, au sein du laboratoire de recherche d'IBM. Il y a quelques jours, les chercheurs de big blue sont revenus dans un post de blog sur les premiers enseignements à tirer du programme Score. A en croire leur analyse, tous les voyant semblent au vert. « Au cours de sa première année d'opération en 2018, Score a connu un succès retentissant, apportant plus de 100 millions de dollars de revenus supplémentaires grâce à l'accélération du cycle des ventes d'IBM », peut-on ainsi lire dans le billet.

A l'origine du projet, on trouve une étude menée par le département analytics d'IBM (CAO, pour Chief analytics office), à propos de l'outil de recommandation qu'utilisait l'entreprise pour transmettre les opportunités de vente à ses partenaires. Celui-ci décevait les commerciaux de la firme, qui passaient parfois par d'autres méthodes personnelles pour déterminer le partenaire idéal de leur client. Deux observations principales étaient ressorties de l'étude : les transactions bouclées en moins de 48 heures représentaient un taux de gain supérieur de 10 % par rapport à celles prenant plus de temps, et moins de 25 % d'entre elles se sont faites via la pratique du « warm transfer », c'est-à-dire à partir d'informations pertinentes que peut avoir le commercial sur le partenaire et ses affinités potentielles avec le business du client. Il était clair que pour améliorer l'efficacité commerciale de ses revendeurs, IBM allait devoir changer de méthode pour « accélérer la transmission des leads aux partenaires et améliorer les recommandations ».

Watson à l'origine de Score

C'est là que Watson entre en jeu. Le framework de machine learning d'IBM a été la base du développement de Score. « Nous avons conçu un modèle d'apprentissage qui analyse les données historiques, géographiques et l'expertise des partenaires ainsi que leurs relations avec les clients et nos commerciaux pour générer des recommandations, détaille Elizabeth Daly, responsable recherche d'IBM. Celles-ci servent ensuite à personnaliser les propositions d'affaires selon le client et le produit vendu, à l'aide des connaissances déduites. Le tout en assurant la transparence et l'explicabilité de sorte que nos commerciaux disposent de preuves claires quant à la raison pour laquelle un partenaire est recommandé. » L'agent commercial d'IBM a par ailleurs la possibilité de renforcer ou d'écarter certaines informations récupérées par l'outil afin d'améliorer continuellement les recommandations.

Le résultat est probant. En plus des revenus supplémentaires évoqués plus haut, big blue évoque un gain de 50 % de la vitesse de traitement des opportunités d'affaire par les agents commerciaux, et une augmentation de 5 % des gains des partenaires au moment de boucler la vente. Score a même remporté un prix « innovation dans les ventes » en février dernier. Le projet devrait logiquement être un peu plus développé au cours des mois à venir, le laboratoire d'IBM indiquant avoir déjà quelques améliorations en tête pour son outil.