Gestion des données efficace grâce à l’IA

La communication cross-média repose sur des données de qualité, qu’il convient d’entretenir si l’on veut éviter une obsolescence rapide des données d’adresse faute d’actualisation régulière. Grâce à l’intelligence artificielle, de nouvelles solutions voient le jour pour contrôler, corriger et entretenir efficacement les données.

La publicité basée sur les données est particulièrement efficace. C’est pourquoi les équipes de marketing utilisent divers outils pour collecter des informations sur la clientèle, sur ses habitudes et sur l’impact des mesures publicitaires. Mais de nombreuses entreprises perdent rapidement le fil et se retrouvent submergées par un flot de données. Les informations réellement nécessaires se retrouvent alors dispersées dans des silos de données. Ni compilées ni mises à jour, elles deviennent obsolètes avec le temps. Dès lors, l’énorme réservoir de données s’avère rapidement inutile.

Ce constat est particulièrement flagrant avec les données d’adresse. En effet, celles-ci ont une durée de vie limitée: selon l’Office fédéral de la statistique, environ 10% de la population suisse déménage chaque année. À cela s’ajoutent les rues nouvellement baptisées et les nombreux changements de nom dus aux mariages ou aux divorces. Dans le secteur B2B, les changements d’emploi ou les fermetures d’entreprises, par exemple, entraînent rapidement une détérioration de la qualité des données d’adresse. Résultat: les campagnes publicitaires qui combinent les avantages des canaux physiques et numériques ne peuvent pas exploiter pleinement leur potentiel.

Des données de qualité, un facteur de succès

Seules des données à jour et correctes permettent d’accompagner les consommatrices et les consommateurs tout au long de leur customer journey et de les inciter à acheter. Ces données sont essentielles pour diffuser des messages précis et renforcer leur impact à travers tous les canaux. Dans le cadre de la communication cross-média, des données de qualité offrent les avantages suivants:

Comment optimiser la gestion des données?

Grâce aux technologies appropriées, la gestion des données a gagné en efficacité. Les solutions logicielles automatisent les tâches routinières qui, en temps normal, requièrent beaucoup de travail manuel. Elles garantissent en outre que les données sont saisies selon des directives uniformes. Voici quelques fonctions typiques qui augmentent l’efficacité de la gestion des données:

• Standardisation des formats: le logiciel fixe des consignes claires en ce qui concerne la saisie de données comme les noms de rues, les numéros de téléphones, les numéros postaux d’acheminement ou les dates de naissance, afin d’homogénéiser le format des données.
• Validation en temps réel lors de la saisie: le logiciel vérifie par exemple que les champs obligatoires sont remplis et que les informations comme les numéros de téléphones et les numéros postaux d’acheminement sont plausibles.
• Détection des doublons: les outils de gestion des données identifient les enregistrements identiques et les fusionnent. On évite ainsi les envois multiples et on réduit les coûts.
• Comparaison avec les bases de données de référence: la comparaison régulière de vos propres données avec des bases de données de référence – par exemple celles des fournisseurs d’adresses – garantit le maintien à jour des adresses.
• Traitement par lots: au lieu de vérifier manuellement les enregistrements individuels, il est possible de contrôler et de mettre à jour de grandes quantités de données en une fois – un gain de temps significatif face aux milliers d’enregistrements.
• Intégration dans les systèmes existants: de nombreuses solutions de gestion de données peuvent être connectées à des plateformes CRM, ERP ou de marketing via des interfaces, ce qui permet d’automatiser les processus de contrôle.

Meilleure qualité des données grâce à l’IA

«Les outils classiques de gestion des données fonctionnent selon des règles», explique Lisa Nagel, responsable Stratégie données et IA chez Data Value Creation. «Pour fonctionner, ils doivent reposer sur des règles clairement définies – par exemple: un numéro postal d’acheminement en Suisse comporte quatre chiffres.» Face à des tâches plus complexes, ces systèmes atteignent néanmoins rapidement leurs limites.

À l’inverse, les outils d’IA se distinguent par une compréhension sémantique des données. Ou, comme Lisa Nagel le formule: «Ils reconnaissent le contexte, les liens de cause à effet – et surtout le modèle. Ils sont donc capables de corriger non seulement des erreurs graves liées aux règles, mais aussi de détecter des incohérences mineures: par exemple des fautes de frappe, des divergences dans la graphie et des combinaisons non plausibles. C’est ce qu’on appelle le fuzzy matching.»

Les solutions basées sur l’IA sont donc idéales pour les tâches complexes liées à la gestion des données. Six exemples illustrent leur utilisation dans la pratique:

1. Identifier et fusionner les doublons complexes

«Les modèles d’IA repèrent également les doublons complexes dans les bases de données», affirme Shkumbin Sadriu, gestionnaire de produits Data & Analytics chez Swiss Post Advertising. Il s’agit des saisies à double «qui ne sont reconnaissables comme telles qu’après un examen plus approfondi, car leur orthographe diverge trop.» Exemple parlant de doublons: Karin et Rüedu Müller vs Ruedi Müller.

Ici, l’IA propose de les fusionner ou le fait elle-même. «Dans la pratique, on fixe une valeur minimale de concordance: si deux enregistrements sont identiques à plus de 80%, ils sont automatiquement fusionnés. En dessous de 80%, ils sont signalés en vue d’un contrôle ultérieur et d’une amélioration du modèle», indique Shkumbin Sadriu.

2. Rendre les données non structurées utilisables

Une grande partie des données d’entreprise se présentent sous une forme non structurée – dans les e-mails, les feed-back de la clientèle, les tickets de support ou les avis. Le traitement des langues basé sur l’IA (Natural Language Processing) peut extraire des informations importantes à partir de ces textes – à savoir, outre les noms et les adresses, les demandes et les besoins de ces personnes – et les convertir en enregistrements structurés. On peut ainsi accéder à un pool de données jusqu’alors difficile à exploiter pour des analyses et des campagnes. Dans le cas des signatures automatiques dans les e-mails, les informations peuvent également être utilisées directement pour la gestion des données.

3. Standardiser les données

«L’IA peut servir à uniformiser les données en repérant les similitudes et les graphies différentes qui désignent la même chose», explique Alexander Rieder, responsable Gestion des produits Données relatives au client chez Swiss Post Advertising. Ainsi, Zuerich, Zürich, zurich et ZH deviennent Zurich – et les numéros de téléphone comme +41795550033 ou 079 555 00 33 sont alignés sur le format +41 79 555 00 33.

4. Reconnaître des modèles

Les systèmes d’IA sont particulièrement efficaces pour reconnaître des modèles et des corrélations dans de grandes quantités de données, ce qui offre des avantages considérables en termes d’approches basées sur des règles. «Si nous essayions de définir, exclusivement à partir de règles fixes, ce qui compose un ménage et une colocation, nous nous tromperions de catégories dans de nombreux cas», estime Shkumbin Sadriu. «En revanche, un modèle d’IA correspondant analyse les enregistrements dans leur intégralité, y décèle des modèles concordants – comme des pyramides des âges, des noms de famille ou des habitudes de consommation – et parvient à les catégoriser de manière plus impartiale.»

5. Optimiser l’intégration des données

Aujourd’hui, les entreprises collectent une multitude de données provenant de différentes sources. Les outils d’IA sont capables de fusionner les enregistrements et d’uniformiser leur structure, ce qui constitue une étape importante vers la consolidation de la base de données.

6. Repérer les anomalies

Il est souvent difficile de repérer des anomalies dans les données, surtout face à de gros volumes. Les modèles d’IA identifient les valeurs incohérentes: par exemple un numéro maison introuvable dans la rue ou une adresse e-mail dont le domaine est inconnu. Ils détectent aussi de manière automatisée les enregistrements contradictoires, comme un même client avec une adresse à la fois à Zurich et à Genève. «Cela permet non seulement de repérer et de corriger plus rapidement les erreurs, mais aussi de déceler les informations potentiellement frauduleuses», prétend Alexander Rieder.

Les limites de la gestion des données avec l’IA

Le principal risque lié à la gestion des données assistée par l’IA est la confiance aveugle en la technologie. «Beaucoup oublient que les modèles d’IA ne fonctionnent pas de manière déterministe: ils fournissent des probabilités, pas des certitudes», avertit Lisa Nagel. «En acceptant les résultats sans les vérifier, on court le risque de tirer des conclusions erronées ou d’utiliser des enregistrements incorrects. Pour éviter cela, on peut procéder à des contrôles par échantillonnage dans les services spécialisés. Ceux-ci disposent en effet des connaissances nécessaires pour évaluer si une correction de l’IA est plausible.»

En outre, une IA ne peut fonctionner de manière fiable que si elle connaît la logique interne à l’entreprise. Lisa Nagel cite l’exemple d’un transporteur maritime qui enregistre chaque porte-conteneurs dans son système CRM comme une entreprise distincte, alors que tous les navires appartiennent à la même compagnie. «Si l’IA ne connaît pas cette logique, elle va classer les entrées comme doublons et les supprimer. Il faut donc l’instruire et lui expliquer la logique opérationnelle.»

Les données d’entraînement peuvent également poser problème. Shkumbin Sadriu fait remarquer que: «Les modèles d’IA apprennent à partir des données d’entraînement qui leur sont fournies. Les entreprises doivent être conscientes que les données d’entraînement peuvent contenir des distorsions. Supposons que l’IA définisse une famille, sur la base des données disponibles, comme un groupe composé d’une mère, d’un père et d’au moins un enfant. Dans ce cas, les familles monoparentales ou les couples du même sexe avec enfants ne seraient pas reconnus comme faisant partie de la famille. Cela soulève donc rapidement des questions d’éthique des données.»

Mais comment résoudre ce problème? «D’une part, en remettant en question de manière critique les résultats fournis par l’IA et ses propres schémas de pensée», explique Alexander Rieder. «Les collaboratrices et les collaborateurs doivent être sensibilisés aux distorsions possibles. D’autre part, en s’appuyant sur une sélection rigoureuse et une vérification continue des données d’entraînement. En effet, un biais résulte souvent de sources de données partiales ou influencées par l’histoire.»

Gérer systématiquement les données d’adresse

Aussi performants que soient les outils basés sur l’IA, ne vous privez pas de l’aide de prestataires spécialisés, notamment pour les données d’adresse. En effet, l’IA ne remplace ni la comparaison avec des données de référence actualisées en permanence, ni l’expertise nécessaire pour garantir une qualité élevée et durable des données. Les fournisseurs d’adresses tels que la Poste sont toujours à jour en ce qui concerne les déménagements, les changements de nom ou les nouveaux noms de rue, et vous conseillent en matière de gestion des adresses. Ils proposent notamment les services suivants:

Analyse et mise à jour des adresses: si vous envoyez régulièrement des publipostages adressés, il est indispensable de mettre à jour votre fichier d’adresses avant chaque envoi. Lors du contrôle d’adresses par un fournisseur d’adresses, la validité des adresses de particuliers ou d’entreprises est examinée. Si votre base de données contient des données obsolètes, incorrectes ou non valables, vous pouvez obtenir les adresses corrigées auprès du fournisseur.

Comparaison avec le registre des décès: certains fournisseurs d’adresses tiennent un registre des décès que vous pouvez comparer à votre fichier d’adresses. Vous évitez ainsi que les proches de la défunte ou du défunt ne reçoivent du courrier de votre part.

Traitement d’adresses par l’expert: vos ressources sont limitées et vous souhaitez externaliser la gestion complète de vos adresses? Vous pouvez confier toutes ces tâches aux spécialistes d’un fournisseur d’adresses. Ils corrigent, actualisent et vérifient vos adresses selon vos besoins.

Recherche d’adresses: vous avez perdu les adresses de clientes et de clients ou encore de donatrices et de donateurs importants? Ou votre dernier contact remonte à longtemps? Vous pouvez faire appel au service de recherche d’un fournisseur d’adresses. Lors de cette recherche, vos données sont comparées à des sources internes et externes en Suisse et à l’étranger.