Malgré ses connotations futuristes, l'intelligence artificielle (IA) n'a rien de nouveau en soi. Chaque fois que vous effectuez une recherche dans la barre d'outils d'Amazon ou que vous regardez une émission recommandée sur Netflix, vous interagissez avec l'IA. La technologie détermine le contenu le plus pertinent par rapport à ce que vous recherchez, en interprétant des recherches inexactes et l'historique d'utilisation pour générer les résultats les plus pertinents.
Compte tenu de son succès dans les activités quotidiennes, il est facile de voir comment cette technologie peut se traduire parfaitement dans l'environnement de gestion des actifs numériques (DAM). Après tout, un DAM agit un peu comme un Netflix ou un Pinterest pour les vidéos et les images de votre entreprise, n'est-ce pas ?
Spéculation
La réalité est qu'il existe un certain scepticisme quant à savoir si l'IA se révélera immédiatement utile pour l'industrie du DAM, se demandant si les balises auto-suggérées génériques provenant d'API telles que Google Cloud Vision sont suffisamment spécifiques pour être utilisées en entreprise. Cela signifie qu'une intervention humaine est encore nécessaire pour catégoriser complètement les images.
Cependant, en revanche, les capacités d'IA qui sont actuellement déployées peuvent effectuer le gros du travail d'étiquetage nécessaire pour les images, en prenant en charge la majorité du travail.
Pour le détaillant qui télécharge 1 000 images d'une séance photo de produits qui doivent être étiquetées, l'automatisation par l'IA de jusqu'à 80 % des balises nécessaires - avec une précision de 80 % - est une perspective bienvenue.
Le B2C ouvre la voie
L'IA que nous connaissons est en train d'être développée par les industries grand public, dans tous les domaines. Prenez Pinterest, par exemple, où le fil vidéo vertical déploie actuellement un outil qui utilise l'apprentissage profond pour rechercher des articles au sein d'une image. Qu'est-ce que cela signifie ? Si vous regardez une photo d'un salon et que seule la lampe vous intéresse, vous pouvez isoler cet article spécifique.
Le commerce de détail regorge également d'excellents exemples d'innovation alimentés par l'évolution de l'IA. Les achats en ligne ont transformé le processus de filtrage des catalogues en ligne ; là où vous aviez auparavant des cases à cocher traditionnelles et des termes de recherche exacts, vous avez maintenant une détermination intuitive et automatique de la couleur, de la taille et même du style des vêtements adaptés à l'utilisateur.
Et même si l'auto-tagging fait partie des fonctionnalités importante de l'IA, l'attention va être portée sur une autre valeur ajoutée : la recommandation et suggestion de contenu personnalisé.
Selon Anjali Yakkundi, Analyst chez Forrester, un logiciel de Digital Asset Management ne devrait pas seulement nous aider à gérer notre contenu, mais également nous permettre de prendre de meilleures décisions sur le contenu à utiliser, sur la base de plusieurs indicateurs :
- Le customer reach : si vous avez une vidéo sur facebook, vous pouvez compter le nombre de partage, combien de gens ont vu cette vidéo, et si cette vidéo attire l'attention
- L'usage : combien d'utilisateurs ont utilisé la vidéo, si il y a un département qui utilise plus un certain type de fichier plutôt qu'un autre
- Engagement : quelle est l'intéraction autour du contenu publié (ex: combien de temps une vidéo a été visionnée en moyenne)
- Résultats opérationnels : savoir si le contenu publié a permis d'augmenter une métrique de performance particulière
Les logiciels de Digital Asset Management devraient donc évoluer d'une simple base de stockage statique à un environnement intelligent, intégré à toutes vos technologies marketing et sales (CMS, CRM, email, portail, campagnes, PIM, sociales, Marketing Automation, etc).
Exemples d'application de l'IA
Dans son article pour CMS Wire au sujet de l'intelligence artificielle, Emily Kolvitz - documentaliste chez Bynder - donne des exemples d'utilisation de l'IA des applications que nous utilisons tous les jours, et de la façon dont ceux-ci pourraient être appliqués aux logiciels photothèque. "La vérité est que chaque tâche mécanique sur lequel un utilisateur du DAM passe du temps pourrait être améliorée via l'intelligence artifificielle et le machine learning" explique Emily. Voici quelques exemples d'application de l'IA qu'elle évoque :
La reconnaissance faciale de Facebook
Facebook, qui a ouvert son logiciel de reconnaissance d'image en 2016, utilise un algorithme qui attribue un numéro à votre visage, basé sur des données comme la distance entre les traits du visage. Cela permet à Facebook de suggérer de vous taguer vous-même ou un ami sur des images avec précision.
Comment peut-on appliquer cela au DAM ?
Pensez à une entreprise qui veut identifier et étiqueter son PDG dans chaque photo. La fonctionnalité d'IA seule pourrait potentiellement économiser des jours, sinon des semaines de travail manuel à repérer ces photos et les taguer.
Les plus sceptiques du taggage intelligent et de la précision des "machines" disent que "la plupart des fonctionnalités d'auto-taggage relève de la chance et de la devinette". Pourtant, le programme Watson d'IBM bat les humains à Jeopardy et permet de diagnostiquer des cancers avec 40% plus de précision que des médecins humains. Bien qu'il ne s'agisse que d'hypothèses, le niveau de confiance de la machine est extrêmement élevé. De plus, la reconnaissance faciale de Facebook a une cote de précision de plus de 99% pour les plans frontaux.
Traitement Automatique du Language Naturel (TALN)
Vous avez l'exemple d'intelligence artificielle qui utilise le Traitement automatique du language naturel dans votre poche : l'assistant personnel de votre smartphone. Que ce soit Siri, Cortana ou Google Now, ces système traduisent des instructions humaines ordinaires en une langue que les ordinateurs peuvent comprendre et exécuter.
Comment peut-on appliquer cela au DAM ?
Imaginez faire une présentation à votre management et qu'au lieu de montrer un rapport ennuyeux, vous présentez des analyses en temps réel, activées par la reconnaissance vocale : "Combien de personnes se sont connectées aujourd'hui ?" ou bien, "Quels sont les fichiers les plus consultés cette semaine ?". Un gain de temps considérable sera donc réalisé avec ce type de technologie.
Le vérification de plagiat appelé Pensters
Ce vérificateur vous permet d'analyser n'importe quel texte et de vérifier s'il provient ou non d'une source existante. Alors que les enseignants l'utilisent pour s'assurer que les élèves écrivent eux-même leurs documents, ce système pourrait être utilisé pour identifier la relation entre différents documents.
Comment peut-on appliquer cela au DAM ?
Prenons un rapport annuel d'entreprise. Le texte et les nombreuses études de ce rapport seront certainement utilisés dans le cadre de présentations variées ou de livres blancs. Dans ce cas, ce rapport ne sera pas plagié mais juste utilisé comme source d'informations.
Un logiciel de Digital Asset Management pourra donc vous servir à lier des documents automatiquement en analysant le contenu des documents, tout en permettant de savoir depuis quelle source telle ou telle information a été prise. Des algorithmes pourront également être utilisés pour marquer et catégoriser des documents en fonction des contenus qui s'y trouvent.
Netflix
Qu'est ce que Netflix pourrait apprendre au DAM à propos de l'intelligence artificielle ? Son moteur de recommandation leur fait économiser plus d'un milliard de dollars chaque année. Ce moteur suggère des titres à l'utilisateur qu'il n'aurait pas pu trouver autrement.
"Lorsqu'elles sont produites et utilisées correctement, les recommandations conduisent à des augmentations significatives de l'engagement de l'utilisateur (ex: heures de diffusion en continu, nombre de films visionnés) et à des taux de churn et de désinscription plus faibles."
Comment peut-on appliquer cela au DAM ?
Appliquée au DAM, la citation du dessus ressemblerait plus à : le moteur de recommandation de ressources numériques augmente l'engagement du logiciel photothèque, l'adoption des utilisateurs et la réutilisation du contenu, basée sur l'intérêt que manifeste l'utilisateur sur d'autres ressources. Cela augmente donc bien entendu le retour sur investissement (ROI), ce que les logiciels DAM sans AI ne pourraient pas faire.
Un pavé dans la MarTech
Que vous soyez enthousiasmé de ces changements opérés au niveau des solutions DAM par l'IA, ou hésitant de leurs réels impacts pour votre entreprise, rappelez-vous que la technologie existe déjà. Et les exemples d'application évoqués ci-dessus prouvent leur intérêt. Anjali Yakkundi rappelle que les bénéfices pour les entreprises sur le long terme sont conséquents :
- Économies réalisés sur la réutilisation du contenu existant, évitant les coûts de re-création
- Plus d'efficacité et de productivité : gain de temps dans la recherche des fichiers
- Maximiser la valeur de vos ressources et identification plus rapide des contenus à plus forte valeur ajoutée
- Amélioration de votre image de marque : plus de données, des recommandations plus intelligentes, suggestion de contenu 'on-brand' à utiliser pour tel canal ou client
- Possibilité de lier votre content marketing à vos résultats d'entreprise : intégrer l'analyse du succès de vos médias aux résultats de votre entreprise, permettant aux content marketers de justifier la valeur du travail qu'ils produisent.
Injecter l'intelligence artificielle dans le DAM pourrait finalement populariser ce type de solution, conclut Emily, et mettre definitivement fin à la question "Qu'est-ce que le Digital Asset Management ?".
Envie d'en savoir plus sur l'intelligence artificielle et le DAM ? Découvrez comment cela s'applique à Bynder en démarrant votre version d'essai gratuite, sans engagement.
