Archives mensuelles : juin 2018

IA & Marketing : la promesse de la data intelligence ! (Part 1)

Dans le domaine du marketing, la data intelligence peut être sollicitée à tous niveaux, de la gestion des campagnes au suivi de la relation client, en passant par la veille concurrentielle, l’innovation et la gestion de l’e-réputation. Parallèlement, les consommateurs s’informent différemment et adoptent de nouveaux modes de consommation et d’achat, ils deviennent maîtres de leur consommation.

Dans ce contexte, l’enjeu pour les marques est de toujours mieux cerner les tendances, les profils, les habitudes de consommation, pour d’une part anticiper les comportements par une connaissance plus fine, et d’autre part améliorer l’engagement client en répondant de manière plus ciblée et donc plus efficace, aux attentes. L’Intelligence Artificielle apparait clairement comme un élément disruptif majeur pour y répondre.

Fanvoice-Cocréation-MachineLearning-IA-DataIntelligence 

Mais d’où vient l’IA ?

Le terme « Intelligence Artificielle » a été utilisé pour la première fois en 1956, lors d’une conférence organisée à l’université de Dartmouth par un jeune professeur de Mathématiques, John McCarthy, qui réunit une poignée de chercheurs dont des futurs ténors de la discipline (Marvin Minsky, Claude Shannon). L’idée de base consistait à modéliser l’intelligence humaine pour simuler son fonctionnement sur des machines capables d’apprendre et de s’améliorer.

L’intelligence artificielle s’impose aujourd’hui sur le devant de la scène scientifique et médiatique. C’est plus qu’un retour en grâce, plutôt une déflagration qui s’étend à toutes les sphères économiques, politiques, marketing, sociales, etc. Il ne se passe pas un jour sans qu’on ne parle de l’IA dans les médias.

Fanvoice-IntelligenceArtificielle-MachineLearning-Origines

 

L’IA suscite aujourd’hui un réel engouement

La notoriété de cette technologie s’est accrue partout dans le monde. En France, une étude de Médiamétrie réalisée en novembre 2017 a révélé que 85% des personnes interrogées avaient déjà entendu parler d’Intelligence Artificielle (même si le niveau de compréhension sur les usages de l’IA était encore plutôt faible).

Cette même étude a décelé un niveau de soutien surprenant pour l’IA, qu’on aurait pu imaginer à la source de nombreuses défiances et peurs diffuses. 86% des personnes interrogées ont considéré que le développement des technologies d’intelligence artificielle allait avoir des effets positifs pour la société dans son ensemble.

Fanvoice-IA-MachineLearning-AI-études

 

Comment expliquer l’emballement général pour l’IA ? cette idée vieille de plus d’un demi-siècle…

En effet, pourquoi l’Intelligence Artificielle semble aujourd’hui si prometteuse et si disruptive alors même que les travaux actuels se basent sur des méthodes et concepts forgés il y a au moins 30 ans ?

En réalité, l’univers de l’IA profite aujourd’hui d’un véritable alignement favorable des planètes :

  • Tout d’abord, l’augmentation exponentielle de la vitesse des microprocesseurs et des capacités de stockage ont, en tout cas, ouvert d’extraordinaires possibilités de calcul dont bénéficie l’IA aujourd’hui.
  • Ensuite, l’arrivée du Big Data qui produit désormais d’énormes masses de données, très utiles aux algorithmes d’apprentissage de l’IA. Ainsi, les millions de textes, d’images et de vidéos disponibles sur le net servent aujourd’hui de matière première pour mettre au point, entrainer, perfectionner et évaluer les systèmes de reconnaissance automatique en tout genre. Des bibliothèques d’images ont ainsi vu le jour et ont été constituées grâce à cette technologie (ex : ImageNet, projet piloté par les universités de Stanford et de Princeton).
  • Enfin, les méthodes de deep learning elles-mêmes en ont logiquement profité et se sont beaucoup perfectionnées. L’augmentation de la puissance des machines a permis de mettre au point et d’expérimenter des modèles complexes et plus puissants que ceux conçus auparavant.

Fanvoice-IA-DeepLearning-BigData-Etudes-Marketing-Algorithme

En somme, c’est la conjugaison des évolutions technologiques, de la disponibilité de matière première pour l’apprentissage (Big Data) et des progrès théoriques ont permis des avancées spectaculaires qui ont remis l’IA sur le devant de la scène, et ainsi accélérer l’analyse de données. La promesse de la data intelligente devient-elle une réalité ? à suivre…

Fanvoice-IA-Machine-Learning-Data-Intelligence-Insights

FacebookTwitterGoogle+Partager

IA & Marketing : la promesse de la data intelligence ! (Part 2)

L’Intelligence Artificielle fait partie comme le Big Data ou la Blockchain de ces concepts technologiques que l’on évoque bien plus qu’on ne comprend vraiment. Les notions à la base de l’IA restent très floues, et on a encore du mal à comprendre comment cela fonctionne concrètement.

Fanvoice-IA-MachineLearning-BigData-Blockchain-Analyse

 

Comprendre l’IA, oui mais…

L’intelligence artificielle est, en tout cas un concept chargé d’affect qui touche à l’essence de l’humain et soulève logiquement autant d’espoirs que de craintes. En imitant l’homme dans l’imaginaire collectif, la technologie peut pour certains, assister l’humain et le soulager, et, pour d’autres, le remplacer et l’aliéner. C’est un peu comme le problème du verre à moitié plein ou à moitié vide.

Il faut tout d’abord comprendre que la notion d’intelligence dont on parle dans l’IA est, pour l’instant du moins, focalisée sur un processus unique, qui cherche à reproduire les mécanismes du raisonnement humain sur une problématique bien précise. On parle d’IA faible par opposition à l’IA forte, consciente d’elle-même et capable de simuler les actions et raisonnements humains dans toutes leurs dimensions.

Ce qui caractérise l’IA se résume en deux mots : Machine Learning. En effet, alors qu’un programme informatique classique doit prévoir à l’avance tous les cas de figures et les combinaisons d’événements, un programme d’IA basé sur du Machine Learning est conçu pour apprendre tout seul, s’adapter aux situations nouvelles dans le contexte défini et évoluer pour mieux prendre en compte l’avenir.

Fanvoice-IA-MachineLearning-AI-études

 

Comment la machine apprend ?

Pour apprendre, un système a besoin de données en entrée qui vont lui permettre de s’entrainer pour être en mesure d’effectuer des prédictions sur des nouvelles données qui lui seraient présentées. Cet apprentissage peut être supervisé ou non supervisé.

En mode supervisé, le jeu de données fourni pour entrainer le système doit comporter la réponse pour chaque enregistrement, sur la variable à prédire. Ainsi, si vous souhaitez mettre en place un algorithme de scoring de nouveaux clients, vous devez fournir au système un jeu d’entrainement comportant des clients existants avec leurs caractéristiques (prédicteurs) et le score qui est associé à chacun d’entre eux (valeur à prédire).

L’apprentissage non supervisé fonctionne sans valeur de référence. Le jeu d’entrainement ne comporte que des caractéristiques à partir desquelles le système est chargé de constituer des groupes. Cette approche correspond aux processus de clustering connus des professionnels des études marketing. Les groupes ainsi définis en détectant des similarités entre les contenus et les individus du fichier, peuvent être étiquetés a posteriori par l’expert « humain » Data Analyst après analyse de leurs caractéristiques.

Après cette phase d’apprentissage, il est possible d’interroger le système sur des nouvelles données pour avoir un pronostic en fonction de ce qu’il a appris. Cette interrogation peut être ponctuelle ou en direct.

Le premier cas correspond à un usage analytique, où l’expert Data Analyst utilise le programme d’IA pour qualifier un fichier de données, en d’autres termes pour identifier les données pertinentes et exclure les données aberrantes qui pourraient fausser/biaiser l’analyse ou le modèle généré.

Quant au deuxième cas, il correspond à une interaction en temps réel avec l’algorithme d’IA au travers d’une interface dynamique qui permet de communiquer avec la machine. Ainsi, l’expert humain agit sur la machine par exemple pour : identifier des profils bien précis, isoler des comportements émergeants, identifier des signaux faibles, évaluer les caractéristiques de certains segments pour déterminer les actions à mener, etc. C’est le cas de l’algorithme d’IA développé par la startup française FANVOICE, qu’elle utilise pour analyser les contenus des campagnes de co-création et d’innovation menées sur sa plateforme, pour de nombreuses grandes marques dans l’énergie, Internet de l’objet, alimentaire, banque, assurance, etc.

Fanvoice-IA-MachineLearning-Apprentissage-Supervisé-NonSupervisé 

Quelles sont les clés de réussite d’un apprentissage pertinent de la machine chez FANVOICE ?

La qualité des données est bien sûr essentielle pour un apprentissage pertinent de la machine. Il est donc important de veiller à plusieurs paramètres pour concevoir un corpus de données de qualité :

  • Taille du fichier : un corpus trop petit ne permettra pas d’obtenir un modèle de qualité. Les règles classiques d’échantillonnage et de nombres utilisées en Market Research s’appliquent aussi dans ce cas.
  • Structure des campagnes : les campagnes powered by FANVOICE intègrent une cartographie d’inspiration créée à partir d’un design et d’une méthodologie marketing qui favorisent un recueil de données ciblées, en répondant à une problématique précise déclinée en thématiques. Ainsi, cette cartographie d’inspiration, bien conçue pour traduire la problématique de la marque, permet de guider les participants en les invitant à s’exprimer sur des sujet utiles qui répondent aux objectifs assignés à la campagne.
  • Animation et modération : l’animation des fils de discussion de la plateforme par un Community Manager et par un Expert projet contribue à générer des contenus riches et pertinents au regard de la problématique adressée, et donc de contribuer de prime abord à un modèle d’analyse pertinent et porteur d’insights.
  • Représentativité des données : les données en entrée doivent intégrer toutes les nuances que vous souhaitez dégager et exclure les données aberrantes qui pourraient fausser l’analyse (par exemple via une liste de stop words adaptée à la campagne).
  • Qualité des prédicteurs : les prédicteurs doivent permettre à l’algorithme de dégager un modèle d’analyse pertinent. La présence d’éléments inutiles (bruits) peut fausser le système et aboutir à une modélisation inefficace.

Fanvoice-Cocréation-IA-MachineLearning-Etudes-Analyse-Données

 

L’humain agit sur la machine et reste au cœur du processus décisionnel !

L’IA ne fait pas disparaître l’expertise humaine, bien au contraire. Les algorithmes d’intelligence artificielle basent leur fonctionnement sur ce qui leur est fourni au départ. Leur capacité de calcul rapide et de combinaisons complexes dépasse les nôtres pour gagner toujours en précision et en efficacité.

Enfin, les machines seules, aussi efficaces soient-elles, ne peuvent acquérir ni sagesse ni bon sens, propriétés – non mathématiques donc non transformables en algorithmes – propres à l’être humain. Kasparov, le précise dans sa parole : « Les machines font des calculs. Nous comprenons les choses. Les machines reçoivent des instructions. Nous avons des buts. Les machines ont pour elles l’objectivité. Nous avons la passion. Nous ne devrions pas avoir peur de ce que nos machines peuvent faire aujourd’hui. Nous devrions plutôt nous inquiéter de ce qu’elles ne peuvent toujours pas faire car nous aurons besoin de l’aide de ces nouvelles machines intelligentes pour faire de nos rêves les plus fous une réalité »

Fanvoice-Cocréation-IA-MachineLearning-DataIntelligence

La raison d’être de l’IA n’est donc pas de remplacer l’humain mais au contraire de lui simplifier la tâche, tout en le replaçant au centre de son activité. La course à la pertinence et à la performance des données pour en extraire de la data intelligence est en marche !

Fanvoice-IA-Machine-Learning-Data-Intelligence-Insights

Quand le Machine Learning devient un incontournable détecteur de tendances !

Le Machine Learning ou apprentissage automatique révolutionne la connaissance client en brassant l’immensité du big data pour en tirer des corrélations et des déductions singulières, jamais envisagées par les marketeurs. Et si le marketing devenait une science exacte ?

Fanvoice-MachineLearning-Cocréation-IA-Détecteur-Tendances

 

Le Machine Learning, détecteur de tendances :

L’un des usages réussis en marketing du Machine Learning est sa capacité à mesurer scientifiquement ce que le consommateur pense et perçoit des marques à tout moment. Il est capable d’identifier des nouveaux segments de marché, de nouvelles tendances, de percevoir l’arrivée de signaux faibles en temps réel, etc.

Au regard de ces enjeux et opportunités, les Directions Marketing investissent massivement dans l’Intelligence Artificielle. Selon un récent rapport de l’ODC (International Data Corporation), les dépenses des Directions Marketing en logiciels d’IA ont explosé dans le monde et représentent 360 millions de dollars en 2016. Ce chiffre devrait atteindre plus de 3 milliards en 2020, ce qui représente une croissance de 550%.

L’apprentissage machine donne les mains libres aux départements marketing pour passer plus de temps sur des activités à plus forte valeur ajoutée comme l’analyse, l’évaluation des segments et des opportunités stratégiques, plus que sur de la collection de données clients, l’intégration de données et la détection d’anomalies.

L’apprentissage machine est déjà présent au sein de l’écosystème des entreprises, il va être beaucoup plus souvent embarqué dans nombre voire la totalité des aspects du marketing digital au travers de l’acquisition et la rétention clients et de la gestion de la fidélité.

Le Machine Learning, pilier incontournable de l’Intelligence Artificielle, entre en scène et bouleverse le marketing.

Fanvoice-MachineLearning-IA-Détecteur-Tendances-Opportunité-Etudes-Marketing

 

Comment le Machine Learning procède concrètement ?

Le Machine Learning est idéal pour exploiter les opportunités cachées du Big Data. Cette technologie permet d’extraire de la valeur en provenance de sources de données massives et variées (réseaux sociaux, plateformes de marques, forums, programmes de fidélité, etc) pour répondre aux besoins « métier » du marketing. Elle est très efficace dans les situations où les insights doivent être découverts à partir de larges quantités de données diverses. Contrairement aux outils analytiques traditionnels, le Machine Learning se révèle plus efficace en termes de précision et de vitesse. Plus les données injectées à un système Machine Learning sont nombreuses, plus ce système peut apprendre et appliquer les résultats à des insights de qualité supérieure. Le Machine Learning permet de découvrir des patterns enfouies dans les données en moins de temps qu’un traitement manuel « humain » et donc avec plus d’efficacité.

Ainsi, le Machine Learning propose de plonger dans les méandres de l’inconscient pour faire émerger  des tendances grâce à des data toujours plus nombreuses à passer au tamis des algorithmes pour mieux comprendre les comportements, et détecter les intentions. Grâce à sa puissance d’analyse, cette avancée technologique de l’Intelligence Artificielle permet aux entreprises de tirer partie de la richesse des données qu’elles collectent.

Les algorithmes de machine learning croisent des données hétérogènes (éloignées) les unes des autres pour déterrer des corrélations jamais mises à jour. C’est notamment grâce à la baisse du coût de stockage des données, et grâce à l’augmentation continue de la puissance de calcul des systèmes informatiques que l’Intelligence Artificielle se révèle aujourd’hui prometteuse et disruptive, avec des résultats étonnants qu’un esprit humain aurait balayé d’un revers de la main. Au final, cette perception ultraprécise des comportements permet d’affiner et d’individualiser les informations et les offres présentées au client. Un exemple connu : Amazon recommande déjà à chaque internaute intéressé par un livre, des ouvrages connexes qui peuvent lui plaire. Spotify ou Netflix recommandent avec une grande précision des musiques, films et séries télévisées qui sont susceptibles de plaire aux utilisateurs à partir de leurs historiques.

Cette perception des comportements clients projette aussi les marques dans le futur en leur ouvrant une fenêtre sur les évolution probables des attitudes et des habitudes de consommation : c’est l’aspect prédictif du Machine Learning qui anticipe les besoins et les désirs des clients. Elle favorise aussi une relation client plus proche, plus pertinente et, par conséquent, plus efficace.

Fanvoice-MachineLearning-IA--Etudes-Marketing-DataIntelligence-Analyse

 

Machine Learning et Big Data : une libération pour les marketeurs ?

L’apprentissage automatique change radicalement le Big Data : la découverte de nouveaux schémas de comportement des consommateurs est rendue possible grâce à des calculs et des analyses multi-dimensionnelles. Ainsi, il peut automatiser la découverte de nouveaux sujets de préoccupation des consommateurs et comprendre la corrélation entre deux centres d’intérêt/thématiques a priori très éloigné(e)s.

Le Machine Learning permet de faire d’extraordinaires progrès en matière de segmentation dynamique, fine et opérable des cibles.

Fanvoice-MachineLearning-IA--Etudes-Marketing-DataIntelligence-BigData

Et si ces technologies apprenantes libéraient les marketeurs sur certains aspects ? Ainsi, la phase fastidieuse de collecte de data étant réduite, et son traitement devenu intelligent, permet de consacrer plus de temps à la création de valeur ajoutée : une avancée de taille ! D’autre part, le Machine Learning accroît la vitesse de perception des changements et la capacité de réactivité des marques. La révolution du Machine Learning est en marche ! Aux marketeurs de la saisir.

Fanvoice-IA-Machine-Learning-Data-Intelligence-Insights

Design thinking et communauté d’innovation

Le 22 mai s’est tenu le 6ème rendez-vous de la Fanvoice Academy avec le témoignage de Somfy sur les dispositifs de design thinking et les communautés d’innovation.Post-it, paperboards, tableau veleda, ou bien encore gommettes… chacun se fait sa propre définition du design thinking. Quel est ce phénomène dont tout le monde parle et dont vous avez forcément déjà entendu parler de près ou de loin ?

Retour sur des cas très concrets à travers les projets conduits par Somfy notamment sur sa plateforme My Somfy Lab

 

Rétrospective d’une méthode qui a fait ses preuves

Le design thinking a pour but d’appliquer la démarche d’un designer pour répondre à un problème ou à un projet d’innovation.

La méthode prend ses sources dans les années 50, aux Etats-Unis : le publicitaire américain Alex Osborn met sur pied la technique du brainstorming. C’est alors une première manière de résoudre un problème en trouvant des solutions.

Les années 60 et 70 sont aussi propices au développement de la méthode : l’université de Stanford initie alors un programme inter-départemental, puis Robert H.McKim publie une dizaine d’années plus tard l’ouvrage Experiences in Visual Thinking développant ainsi les différents préceptes du Design Thinking.

C’est véritablement David Kelley et Tim Brown de l’agence de design IDEO, qui rendront la méthode opérationnelle (en 1999).

 

Le design thinking, vecteur d’innovations

L’intensité concurrentielle n’a jamais été aussi élevée qu’aujourd’hui et la nécessité d’innover en devient fondamentale. Le design thinking permet ainsi de décloisonner les modes de pensée pour progresser et aboutir efficacement à l’achèvement d’un produit, d’un service, permettant ainsi l’accélération de l’innovation.

Une méthode articulée aujourd’hui autour de trois étapes :

#1 INSPIRATION : dont l’objectif est de définir la problématique

#2 IDÉATION : l’enjeu est de développer différentes idées autour de la problématique

#3 IMPLÉMENTATION : mettre en pratique le projet

cocreation-somfy-fanvoice

La méthode s’apparente en quelque sorte à une pratique expérimentale, qui nécessite beaucoup d’échanges itératifs : ce que très concrètement a initié SOMFY sur son Lab My Somfy Lab.

 

Le cas SOMFY : présentation de la démarche Design Tkinking au prisme de leur plateforme de co-création My Somfy Lab

Somfy, spécialiste de la domotique et des systèmes motorisés pour la maison porte l’innovation au coeur de son ADN. Et c’est notamment dans cette dynamique qu’est né My Somfy Lab, plateforme de co-innovation ouverte à tous.

cocreation-fanvoice

Cette plateforme, moteur de l’innovation, se place aussi comme élément central de la démarche de Design Thinking. C’est ainsi qu’a été montée une campagne adressée à la cible bien spécifique que sont les seniors. La démarche est la suivante : mieux identifier leurs besoins pour les accompagner dans une phase de vie ou les envies évoluent

 

Un dispositif articulé en 4 temps :

#TEMPS 1 : IDÉATION

Une première campagne est mise en place sur le LAB, dans la perspective d’explorer le futur avec ses clients.

La campagne d’idéation était articulée autour de la thématique : « Comment aimeriez-vous que votre maison s’occupe de vous ? ».

Des enseignements riches en ressortent pour la marque tant autour de la commande vocale/gestuelle, que la détection des chutes, ou bien encore la centralisation, la lutte contre l’isolement, l’information et la prévention, …

Fort de ces enseignements, SOMFY décide de confronter tous ces feedbacks (au nombre de 1232) et les éprouver ainsi dans le réel

 

#TEMPS 2 : TEST ET VALIDATION DE CONCEPTS

C’est au travers de workshops créatifs que les concepts ont été testés et validés. 40 jeunes seniors ont été invités à des ateliers, pour exprimer leurs besoins plus en détails ou encore leurs rêves les plus fous dans leurs maisons et avec leurs proches.

Une journée riche au cours de laquelle ils ont pu échanger et s’exprimer. La base des discussions était les grandes idées issues du brainstorming, à partir desquelles ils ont pu rebondir, compléter pour imaginer à quoi ressemblera la maison connectée de demain.

#TEMPS 3 : CO-DESIGN DES PRODUITS DE DEMAIN

Une dizaine de participants ont ensuite été invités à poursuivre l’aventure lors d’une nouvelle journée d’échange et de créativité.

Lors des discussions, des produits ont été choisis et directement travaillés avec des designers qui dessinaient en live les détails et packaging. Chaque groupe créatif était invité à “pitcher” son offre en fin de journée devant toute l’assemblée, mettant ainsi sa solution connectée à l’épreuve du public.

designthinking-fanvoice

#TEMPS 4IDÉATION

Un nouveau temps de discussion a ensuite été ouvert sur la plateforme My Somfy Lab, avec seulement 40 seniors pré-sélectionnés.

Les concepts des offres co-créées sont présentés et chacun est invité à voter et donner son avis.

Dans cette belle dynamique, c’est récemment qu’une nouvelle campagne a été lancée pour poursuivre l’exploration de la maison connectée au service des seniors. Il s’agit de bêta tester une offre complète (née de la réunion de Somfy, d’une start-up et d’un groupe aux valeurs mutualistes affirmées) dédiée aux personnes seules et en perte d’autonomie de plus de 60 ans.

Les retours de ce test permettront de valider l’offre ou de l’améliorer.

Grâce à cette méthode et ces temps successifs, c’est donc toute l’approche de Somfy auprès des seniors qui a été renouvelée ! Pouvoir passer du virtuel au réel en imaginant et en testant les produits est une valeur ajoutée forte pour la marque. Tout comme se rapprocher de ses utilisateurs finaux ou encore identifier de futurs marchés…

Pour en savoir plus, Serge DARRIEUMERLOU, Directeur Innovation Monde vous explique les projets de Somfy :

Retour conférence FANVOICE : comment co-innover en interne lorsqu’on est un grand groupe ?

C’est le sujet de cette 7ème édition de la Fanvoice Academy, à travers le témoignage d’EIFFAGE qui nous a présenté toute la stratégie de sa plateforme de co-création : Start.box.

fanvoice-innovation-eiffage

L’intrapreunariat séduit aujourd’hui un grand nombre d’entreprises, le « mieux-être au travail » s’inscrit de plus en plus dans les stratégies managériales, l’innovation participative avec ses collaborateurs prend son essor, et de fait, la co-création interne occupe une place de plus en plus importante.

En 2016, 80% des dirigeants faisaient de l’engagement de leurs employés une priorité. Un an plus tard, la notion « d’engagement » disparaît au profit de « l’expérience collaborateur ». Ceci illustre tout le cheminement des entreprises dans la prise en compte des feedback : là où l’on parlait traditionnellement d’expérience client, on est ainsi passé à une dynamique très vertueuse où l’expérience collaborateur est devenue très forte.

La co-création interne représente un véritable levier d’engagement puisqu’elle met en avant le collectif, stimule l’esprit d’équipe, favorise l’entraide, valorise les succès et les bonnes idées. C’est un véritable driver d’innovation, maximisant de fait la culture du feedback.

Pour réussir sa co-création en interne, il est important de prendre en considération les 5 points clés qui suivent, dont trois rapportent directement à une bonne communication et toute sa fluidité :

1/l’importance du dispositif d’activation : faire connaître depuis des communications internes avec le plus grand relai de devices possibles, mais aussi en identifiant des ambassadeurs

2/l’implication des dirigeants qui vont véhiculer le message en interne et vont ainsi permettre de fédérer le plus grand nombre de participants

3/ bâtir les indicateurs pour piloter en amont : il est important de pouvoir monitorer ses projets de co-création à travers des KPI préalablement établis en amont afin de construire une feuille de route opérationnelle

4/ donner de la suite et de la perspective : plus exigeants que des clients finaux, il est important de communiquer auprès des collaborateurs les résultats, les prochains projets, … Des initiatives qui peuvent notamment être mises en valeur lors de séminaires annuels par exemple.

5/ transiter du pur digital vers le physique : passer du « On » vers le « Off » à travers des ateliers physiques. Ce qui ne fera qu’appuyer la dimension impliquante de la démarche de co-création vis à vis des collaborateurs.

 

Lors de ce petit déjeuner dédié à la co-création interne, Mathieu BOUSSOUSSOU et Jean-Baptiste BERG d’EIFFAGE sont notamment revenus sur tout l’enjeu de la communication dans une telle démarche.

Retour sur le cas très concret de la Start.box : avec une communication, clé de voûte d’une co-création réussie

La Start.box, plateforme collaborative d’Eiffage éditée par FANVOICE, a été lancée en octobre 2017. Cette dernière a pour vertu d’alimenter l’innovation en permettant une communication transverse des métiers, et en structurant ainsi l’innovation.

fanvoice-eiffage-cocreation 2

La plateforme héberge ainsi des campagnes mobilisatrices pour des actions inscrites dans le cadre stratégique, pour de nouveaux services et nouvelles offres, mais aussi pour appuyer des enjeux internes.

Actuellement, quatre projets ont déjà vu le jour sur cette plateforme. Quatre sujets très divers : on y parle aussi bien de prévention, que du logement de demain, d’application visite virtuelle de logements, ou encore même de projets solidaires pour lesquels voter. Ce dernier projet a d’ailleurs enregistré près de 2000 votes : un franc succès.

 

Un dispositif de com 360 a été mis en place dans le cadre du lancement

« La Start.box a été lancée pour inclure tous les collaborateurs de la branche et ou de la D.R dans le processus d’innovation » – « Or sur le chantier, les compagnons n’avaient pas d’adresses mail » nous explique Jean-Baptiste BERG.

 

Alors pour toucher cette cible, il a fallu revenir à la traditionnelle affiche en print. Une manière simple et efficace de toucher l’ensemble des collaborateurs, même ceux opérant sur le terrain.

 

Un mail de recrutement pour les autres collaborateurs munis d’une adresse mail professionnelle leur a été envoyé. Un mail concis, designé avec toute la logique de l’écosystème digital mis en place.

Ces mails de recrutement ont même été signés du PDG d’Eiffage, Monsieur Benoit de Ruffray. « C’est le meilleur porte parole possible » nous explique Matthieu BOUSSOUSSOU.

 

D’autres devices, type bannières sur sites internes ou autres ont par ailleurs été mis en place en relai d’information.

 

La valorisation d’idées : un enjeu de taille

Avec environ 8 000 inscrits et près de 720 idées générées, Eiffage a été ainsi très rapidement confrontée à un enjeu fort de valorisation d’idées. Une valorisation, véritable motrice de la co-création interne, requérant par conséquent un plan de communication massif, parfaitement bien orchestré et orienté autour des actions suivantes :

  • mails spécifiques à chaque lauréat pour chaque branche
  • mails des présidents de branches sur leur périmètre collaborateurs pour l’annonce des résultats (reroutage vers le lien Start.box)
  • message d’annonce des résultats sur l’outil Start.box
  • mail de remerciements du PDG, Monsieur Benoit de Ruffray
  • Communication digitale en relai (écran, yammer, appli, intranet, …)
  • Encarts dans les magazines internes
  • Et même la réalisation d’un motion design présentant les idées primées

Un retour d’expérience très concret qui permet de comprendre toute l’importance de la communication dans la mise en place de dispositif de co-création en interne. Et la preuve concrète que des opérations simples mais efficaces sont de vrais vecteurs au succès de ces stratégies.

fanvoice-eiffage