Dans une récente enquête mondiale menée auprès de 700 dirigeants issus de différents secteurs et départements, 95 % des personnes interrogées estimaient que l’intégration de l’IA dans les opérations, les produits et les services de leur entreprise serait un atout. Comparez cela à la proportion de dirigeants interrogés qui ont déclaré avoir réellement mis en œuvre des solutions d’IA dans leur organisation : 6 %.

Il y a clairement une déconnexion.

La même enquête a révélé que l’une des principales raisons est la difficulté avec laquelle il est possible de trouver et de mettre en œuvre des piles technologiques compatibles avec l’IA – deux éléments majeurs étant une infrastructure basée sur le cloud et une gestion solide des données. Même dans un monde de modèles d’apprentissage machine open-source et de données de plus en plus normalisées, la mise en œuvre de l’IA nécessite quelques préparatifs. La plupart du temps.

Sitecore AI – Image similarity fournit un contre-exemple. Lorsque vous téléchargez des images et des vidéos, elles sont automatiquement identifiées. Il est ensuite possible d’identifier des images similaires à utiliser dans vos campagnes et même de générer des transcriptions vidéo si nécessaire. Tout cela grâce à la solution DAM prête à l'emploi de Sitecore. Bien que cela souligne une façon dont l’IA peut être utilisée pour automatiser les tâches routinières sans nécessiter de changements massifs, il s’agit d’un cas d’utilisation simple, qui ne fait qu’effleurer les capacités de Sitecore AI.

Alors que les technologies d’IA et d’apprentissage machine (IA/ML) continuent d’évoluer, les coûts diminueront et les cas d’utilisation se multiplieront. Ceux qui profitent de ces changements sont susceptibles de sauter devant ceux qui ne le font pas. C’est pourquoi les leaders avant-gardistes du marketing et les spécialistes des technologies de marketing posent aujourd’hui les bases de l’IA et de l’apprentissage automatisé. 

 

Heureusement, pour ceux qui ont déjà adopté le headless, une partie de ces préparatifs ont été effectués. Et selon votre solution headless, cette partie peut être importante.

Les systèmes headless et l’IA sont-ils compatibles ?

Il y a quelques années, Mark Grannan, analyste chez Forrester, a suggéré que l’architecture headless et l’IA étaient en concurrence,du moins en ce qui concerne les priorités dans la pile de l’expérience numérique. D’un côté, vous disposez d’un système headless, qui met l’accent sur l’agilité et la flexibilité pour les développeurs. De l'autre, vous avez l’IA/ML, qui nécessite des données unifiées et par conséquent des systèmes standardisés qui permettent l’analyse.

À l’époque, l’analyse de Grannan était peut-être correcte. Mais quand on creuse un peu plus aujourd’hui, on peut voir que, même s’ils étaient autrefois, les deux ne sont pas antinomiques aujourd’hui. Une architecture headless adaptée peut en fait renforcer l’IA. Voyons comment.

Comment l’architecture headless rend l’IA/ML possible

Repensez à l’époque où les clients interagissaient principalement sur votre site Web – peu importe si votre système frontend était connecté à votre système backend. Cependant, lorsque les clients interagissent sur différents canaux, vous avez besoin d’un moyen de leur proposer des expériences fluides et cohérentes, reposant sur le contenu, sur chacun d’eux, et l’architecture headless facilite cette tâche. Avec le headless, vous pouvez créer du contenu et le diffuser sur une page d'accueil et un kiosque, par exemple. En favorisant la diffusion omnicanal, les systèmes headless contribuent grandement à résoudre le problème omnicanal.

Ensuite, il y a la personnalisation, à la fois sur les sites Web et sur tous les canaux, ce qui est également pris en charge par la technologie headless. En mettant en œuvre une stratégie de contenu modulaire, la technologie headless permet aux spécialistes du marketing de mélanger et d’associer les contenus pour proposer des expériences uniques à différents utilisateurs en fonction de leurs besoins et désirs à l’instant même.

Capture des données

Cependant, bien que les approches headless classiques offrent la possibilité de proposer des contenus omnicanaux et personnalisés, elles ont restreint la capture des données, ce qui a permis d’obtenir des informations. Pour répondre à cette problématique, des entreprises comme Sitecore ont développé des solutions headless permettant à la fois la diffusion omnicanal et la capture de données.

Ainsi, la bonne plateforme headless prendra réellement en charge la capture de données, que ce soit sur vos sites ou sur vos canaux, ce qui est la première étape clé de la mise en œuvre de l’IA.

L’étape clé suivante consiste à s’assurer que les données que vous collectez peuvent être utilisées.  Un article de Harvard Business Review fait référence à un prix commun selon lequel seuls 20 % du temps des spécialistes des données sont consacrés à analyser les données, tandis que 80 % à les trouver, les nettoyer et les agréger.

Mais l’article a également souligné que cela change. Et cela est en grande partie dû aux technologies innovantes telles que les plateformes de données de clients (CDP).

En reliant chaque interaction sur les canaux de votre site Internet, y compris le CRM, les réseaux sociaux, les plateformes d’e-commerce et les applications, une CDP fait office de référentiel centralisé pour votre pile logicielle de marketing. Non seulement une plateforme CDP collecte des données omnicanales, mais elle les fusionne également avec des adresses e-mail, des numéros de téléphone et d’autres informations personnelles, améliorant considérablement la précision des profils individuels. Et les meilleures plateformes CDP ne se contentent pas de fusionner des données propres : elles trouvent des moyens de les activer grâce à l’informatique décisionnelle et à la personnalisation. 

 

Conçu pour des intégrations de bas en haut

Et cela nous ramène à l’architecture headless. Nous avons vu comment l’architecture headless augmente la flexibilité de la livraison frontend. Cette flexibilité ne s’arrête pas aux systèmes frontend. Elle s'applique également aux systèmes backend. Avec une architecture headless (micro-services et API-first), l’expansion de votre backend devient beaucoup plus facile.

Comme nous l’avons vu ci-dessus, la collecte, l’agrégation et le nettoyage des données sont des conditions préalables essentielles à l’IA. La connexion d’une plate-forme de gestion de l’expérience numérique headless – composable ou tout-en-un, capable de collecter des données sur tous les canaux à l’aide d’une plateforme CDP composable, répond à ces conditions préalables, et une architecture headless facilite grandement cette tâche. Le prochain défi consiste à connecter les outils d’IA/ML qui peuvent tout analyser et offrir des informations.

Si vous disposez d’une plate-forme DXP avec IA/ML intégrée, comme la dernière version de Sitecore Experience Platform™, vous avez déjà résolu le problème. Mais même dans ce cas, il se peut que vous souhaitiez une solution tierce, telle que Microsoft Precept pour exécuter les technologies d’IA à la périphérie. Quelles que soient vos aspirations en matière d’IA/ML, une architecture headless, et plus particulièrement une architecture orientée vers MACH, contribue grandement à sa préparation.

Cliquez ici pour en savoir plus sur Sitecore headless et ici pour en savoir plus sur Sitecore AI.

Jill Grozalsky Roberson est Product Marketing Director chez Sitecore. Suivez-la sur LinkedIn et sur Twitter.