L’impact de l’intelligence artificielle sur la fixation des prix

Shutterstock.com

L’intelligence artificielle peut réellement avoir un impact décisif sur la fixation des prix et l’optimisation des promotions dans le retail, affirme une nouvelle étude de PwC. Le machine learning recèle notamment un gros potentiel, sans pour autant être la panacée.

 

Algorithmes autonomes

Fini de vous fier à votre instinct ou aux bonnes vieilles méthodes. Aujourd’hui, ce sont des algorithmes autonomes qui déterminent les prix : voilà, en substance, la promesse de l’intelligence artificielle (IA) en ce qui concerne la fixation des niveaux de prix et l’optimisation des promotions. Et le moins que l’on puisse dire, c’est que les attentes sont élevées. D’après la CEO Survey mondiale de PwC, 85 % des CEO estiment que l’intelligence artificielle peut avoir un impact considérable sur leur business model, même si la pénétration de l’IA dans les entreprises n’est pas encore spectaculaire (voir graphique 1). Selon les experts, le plus gros potentiel réside dans la gestion de la chaîne d’approvisionnement, la production, le marketing et la vente.
 

Mais de quoi s’agit-il exactement ? D’après la définition assez large de PwC, l’intelligence artificielle est un terme générique désignant des systèmes informatiques capables d’observer leur environnement et, sur base de ces constatations, de penser, d’apprendre et d’agir en vue d’atteindre des objectifs prédéfinis. Les applications sont nombreuses, allant des modèles prédictifs aux robots intelligents en passant par les véhicules autonomes, le cognitive computing et les chatbots. La disponibilité croissante des données et les avancées technologiques constantes dans le domaine de la puissance de calcul et du stockage sont des facteurs qui contribuent à la démocratisation de l’intelligence artificielle.
 

On distingue quatre types d’IA :

● Intelligence automatisée : automatisation de tâches manuelles ou cognitives, routinières ou non routinières

● Intelligence assistée : systèmes aidant les humains à effectuer des tâches plus rapidement et plus efficacement

● Intelligence augmentée : systèmes aidant les humains à prendre de meilleures décisions

● Intelligence autonome : automatisation des processus de prise de décision sans intervention humaine

 

 

Trois domaines d’application

L’application de l’intelligence artificielle à l’optimisation des prix et des promotions dans le retail est très prometteuse, affirment les auteurs Stijn Cottenie, Louis de Liedekerke et Peter Vermeire de PwC Belgium dans une nouvelle étude. La fixation rationnelle des prix est en effet dépendante des données et c’est justement le propre des technologies d’IA d’être capables de traiter d’énormes quantités de données. Le machine learning (ML) en particulier – une application de l’IA – recèle un grand potentiel par sa capacité à extraire des connaissances et des tendances à partir d’une série d’observations. L’apprentissage automatique repose sur l’idée qu’il est possible de bâtir des machines autoapprenantes, sans supervision humaine permanente. PwC a identifié trois grands domaines d’application où l’IA pourrait avoir un impact.

 

1. Optimisation des prix

La quasi-totalité des entreprises peinent à établir le prix juste d’un produit ou service, à anticiper les réactions des clients à différents prix et à rentabiliser au maximum chaque segment de clientèle du marché. C’est ici qu’intervient le machine learning en permettant aux entreprises d’optimiser leurs prix, leur stratégie de prix et l’efficacité de leurs managers.
 

Le ML est capable d’analyser précisément de grandes quantités de données dans un court laps de temps et d’en retirer des enseignements exploitables. Il peut aider les entreprises à maximiser leurs bénéfices au moyen de prix basés sur la valeur et de niveaux de prix optimaux. Il donne aussi aux décideurs la possibilité d’évaluer la propension des clients à payer un produit donné et de prédire leurs réactions face à différentes stratégies de prix.
 

Le machine learning aide les entreprises à élaborer une stratégie de prix globale plus rationnelle sur base de données provenant de diverses sources : transactions historiques, analyse de pertes et profits, niveaux de prix des concurrents et données contextuelles (par exemple : avis des clients à propos d’un produit sur les réseaux sociaux, tendances globales du marché, etc.). L’analyse de ces données prescriptives et prédictives permet aux managers de prendre des décisions plus avisées, plus rapidement.
 

Un exemple ? Les algorithmes de tarification dynamique, une stratégie de prix populaire. Le système ajuste automatiquement les prix pour chaque client en fonction des données afin de s’adapter rapidement aux fluctuations du marché et d’améliorer la rentabilité. Même si les entreprises des secteurs de l’aviation et de l’horeca utilisent depuis longtemps des machines pour fixer leurs prix, les choses ont tout de même bien changé. Au lieu de programmes à base de règles, elles utilisent aujourd’hui majoritairement le reinforcement learning, dans le cadre duquel la logique de fixation du prix d’un produit n’est plus humainement contrôlée ; les algorithmes collectent et analysent constamment le feed-back et les réactions des clients par rapport aux niveaux de prix – souvent en temps réel – et s’en servent pour optimiser le modèle. D’après PwC, les entreprises qui exploitent la puissance de l’IA pour optimiser les prix peuvent augmenter leur chiffre d’affaires net de 3 % à volumes identiques.

 

2. Réductions et promotions

Comment l’entreprise peut-elle définir une stratégie de promotion efficace ? Quelle réduction faut-il accorder aux clients en vue d’améliorer la rentabilité ? Quel a été le retour sur investissement (ROI) des promotions passées ? Avec l’IA, les entreprises peuvent optimiser leurs promotions en se basant sur des analyses et prévisions précises.
 

En dépit de leur coût, les promotions constituent un moyen crucial d’améliorer la notoriété de la marque et le chiffre d’affaires. La mesure de l’impact des promotions est toutefois un exercice complexe dans la mesure où de nombreux facteurs concomitants influencent les ventes (voir graphique 2). Le machine learning permet de mieux comprendre l’impact de facteurs tels que les réductions, la cannibalisation ou les effets de stockage, et ainsi de calculer le ROI et le taux de pénétration réels et potentiels d’une promotion.
 

L’IA peut également s’avérer utile dans le cadre de l’élaboration d’une stratégie promotionnelle. Par l’analyse des données (activité des clients, information, abonnements, concurrents, historique des achats et des transactions…), les algorithmes d’IA sont capables de procéder à une segmentation marketing détaillée et de cibler les clients en vue de renforcer la loyauté ou de calculer le taux d’attrition (churn), c’est-à-dire la perte de clients. Grâce à l’IA, les entreprises sont à même de concevoir des promotions plus ciblées, plus rentables (en fixant le pourcentage de réduction optimal) et génératrices de chiffre d’affaires.

 

3. Portefeuille de produits

Le principal levier de génération de chiffre d’affaires des entreprises est d’augmenter les revenus provenant du fichier client existant. En analysant différentes sources de données, les algorithmes d’IA sont en mesure de faire des suggestions intelligentes et personnalisées aux vendeurs pendant le processus de vente à propos des produits et/ou services complémentaires (cross-selling) ou plus rentables (upselling) susceptibles d’intéresser le client. En traitant les données provenant de toutes les divisions de l’entreprise et des différents canaux et régions, les algorithmes formulent des recommandations avec une précision inégalée.

 

 

Trois défis lors du déploiement de l’IA

Malgré les avantages indéniables de l’IA, il ne faut pas non plus la considérer comme le remède miracle à tous les problèmes de prix auxquels une entreprise est confrontée, met en garde PwC. Indépendamment des possibilités technologiques, la mise en œuvre de l’IA au sein de l’entreprise soulève trois gros défis relatifs à la stratégie et à l’organisation, aux données et au capital humain.

 

1. Élaborer une stratégie de prix et un plan de mise en œuvre

Le plus gros problème est lié à l’organisation. La nouvelle technologie devient un pilier indispensable du processus de décision de l’entreprise, mais les gens continuent de jouer un rôle. Il est essentiel que l’entreprise formule une stratégie de prix claire et identifie les difficultés auxquelles l’IA et l’automatisation peuvent apporter une solution. Il convient également de fixer les bonnes priorités. Il peut être souhaitable de commencer à petite échelle. La mise à l’essai des techniques d’IA durant de courtes périodes de six semaines est souvent préférable à l’investissement de sommes colossales dans des projets de grande envergure. Une approche agile et une philosophie axée sur l’expérimentation et l’apprentissage permet d’apprendre de ses erreurs. De puissants processus de maintenance et de gouvernance des données sont indispensables, aussi bien pour la collecte et l’organisation des données que pour la mise en œuvre des modèles d’IA sous forme de workflows. Enfin, la confiance et la transparence revêtent une importance cruciale afin de convaincre les humains d’appliquer les suggestions émises par les modèles d’IA.

 

2. L’IA est pleine de promesses, mais elle requiert des données de haute qualité

PwC souligne que plusieurs problèmes doivent être résolus avant de pouvoir utiliser l’IA dans le cadre de la fixation des prix. Quelles sont les données déjà disponibles et comment peut-on en obtenir davantage et mieux les organiser ? Les données doivent être transparentes et conformes aux procédures réglementaires, comme le règlement général sur la protection des données de l’UE (GDPR). Enregistrez-les et intégrez-les au moyen d’une solution cloud, comme les ‘lacs de données’ ou d’autres technologies. Des processus de vérification et d’amélioration continus sont essentiels.

 

3. L’importance du capital humain

« Il arrive fréquemment que les clients qui se lancent dans un projet d’IA se retrouvent avec un algorithme d’IA d’une extrême complexité qui n’est pas vraiment nécessaire pour leur entreprise », témoignent les auteurs. L’idéal consiste à créer trois niveaux de collaborateurs : un large groupe d’utilisateurs des applications de tarification assistée par l’IA de l’entreprise, avec une aide experte le cas échéant ; un groupe de professionnels plus spécialisés capables d’identifier des jeux de données et de collaborer étroitement avec des spécialistes en vue du développement de nouvelles applications d’IA ; et un petit groupe crucial d’ingénieurs de données et de scientifiques chargés de créer, d’implémenter et de gérer les applications IA de tarification.

 

Conclusion ?

L’intelligence artificielle, et en particulier le machine learning, vont modifier les règles de la fixation des prix. En analysant différentes sources de données, le ML aide les dirigeants d’entreprises à déterminer le prix de leurs produits de manière plus efficace et efficiente et à élaborer une stratégie de prix performante, à calculer le ROI des promotions et à affiner la segmentation client. Il autorise aussi des suggestions plus intelligentes et personnalisées en termes de vente croisée et additionnelle.
 

Mais l’IA n’est en fait que la partie émergée de l’iceberg. Il faudra d’abord fournir des efforts afin d’extraire les données, de les nettoyer, de les normaliser et de les organiser. L’implémentation de l’IA au sein d’une organisation nécessite du temps et de l’énergie. Veillez donc d’abord à ce que les fondements de votre entreprise – votre stratégie de prix et plan de mise en œuvre, les données, l’effectif, etc. – soient solides, afin de pouvoir mettre l’IA en place de manière constructive, et pas seulement parce qu’elle est à la mode.