Cet article a été publié originellement sur mydatacompany.fr

L’Oréal injecte de l’intelligence artificielle, dont du Machine Learning et du NLP, afin d’aider ses laboratoires et équipes marketing à détecter les meilleures tendances. Avec son produit TrendSpotter, L’Oréal espère ainsi réduire le time-to-market et sélectionner les produits les plus porteurs.

Géant mondial des cosmétiques, L’Oréal est en quête permanente des dernières tendances pour identifier ses futurs produits. Il est toutefois risqué et coûteux d’avancer à l’aveuglette. La multinationale s’appuie donc fortement sur les données, notamment celles récoltées sur les réseaux sociaux via le « social listening. »

Pour L’Oréal, l’enjeu consiste à s’adapter le plus possible aux attentes de consommateurs toujours plus informés. « Il faut que nous parvenions à nous réinventer parce que nos consommateurs vont créer ou co-créer nos produits de demain » insiste Charles Besson, directeur social insights du groupe cosmétique.

Une boule de cristal algorithmique pour détecter les tendances

L’écoute des besoins au travers des réseaux sociaux est à ce titre « importante. Il faut l’installer. » Néanmoins, elle ne suffit pas. C’est le constat dressé par L’Oréal et ses équipes, qui entendent tirer plus parti de « la masse de données publiques et de l’intelligence artificielle. »

Et l’ambition est grande puisque l’entreprise espère se doter à terme d’une « boule de cristal algorithmique » capable de déterminer les grandes tendances de demain. Cette recherche prend la forme d’un produit d’aide à la décision basé sur l’IA et baptisé TrendSpotter.

Le NLP pour extraire des mots clés de millions de documents

Avec son partenaire Artefact, L’Oréal ambitionne donc de détecter, grâce à l’intelligence artificielle, les tendances consommateur et ainsi de prédire les produits les plus susceptibles de réussir dans le futur. Pour la première version de son outil TrendSpotter, la multinationale cible spécifiquement le marché des soins de la peau aux US.

Concrètement, le produit de prédiction est organisé autour de trois fonctionnalités principales : « detect, predict, illustrate ». La phase de détection consiste à extraire d’un grand nombre de documents des signaux faibles pertinents dans le secteur de la beauté. La machine est capable pour cela d’ingérer des millions de documents.

Sont appliqués à cette masse de données des algorithmes de NLP, dont le but est d’extraire des mots clés pertinents et rares, c’est-à-dire nouveaux et traduisant donc des tendances émergentes. La phase deux vise à déterminer si ces éléments détectés sont susceptibles d’être porteurs économiquement pour l’industriel.

Le Machine Learning pour prédire le développement des tendances

Cette étape de prédiction exploite quant à elle des algorithmes de machine learning. « Ils se basent sur des variables prédictives qui, par comparaison avec des données passées, permettent de prédire le développement d’une tendance : nombre de mentions, score d’engagement, cooccurrence d’auteurs traitant du sujet… » détaille Fabrice Henry, partner chez Artefact.

Il revendique déjà « de très bons résultats sur la capacité à savoir si le bruit social était amené à croître sur une tendance donnée. » Toutefois, le véritable enjeu pour les équipes marketing de l’Oréal, c’est l’adoption. C’est là qu’intervient la 3^e fonction de TrendSpotter : Illustrate.

Une bêta avec 50 utilisateurs et un lancement fin 2020

Pour l’appropriation de l’outil par le marketing de l’entreprise, la solution met ainsi à disposition des visualisations. Celles-ci permettent par exemple de visualiser la puissance d’une tendance, c’est-à-dire son score. Sont aussi fournis des éléments qualitatifs sur les tendances, comme des analyses de sentiment. Enfin les tendances sont contextualisées. La contextualisation repose sur la mise à disposition d’informations relatives, par exemple, aux auteurs et articles traitant des tendances.

TrendSpotter est à présent en version Beta, avec un lancement d’une mouture en production prévu pour la fin d’année. L’outil compte actuellement une cinquantaine d’utilisateurs. Ces « super users » interviennent depuis le début du projet dans la conception de la solution. En attendant sa sortie, les tests vont se poursuivre.

Le difficile exercice des KPIs de mesure de l’efficacité de l’outil

L’Oréal travaille également à l’adoption auprès d’autres utilisateurs. Et cela passe par de la conduite du changement, reconnait Charles Besson. « Il va falloir convaincre et former. Et les supers utilisateurs vont devenir des ambassadeurs contribuant au développement du produit et à son utilisation au quotidien. »

« C’est un outil qui ne vit pas tout seul. Il a besoin d’humains. Notre logique n’a jamais été de remplacer nos marketeurs, nos consumer intelligence des études ou les laboratoires, jamais. L’idée est d’offrir à tous ces talents une aide augmentée au travers notamment d’un accès plus rapide à l’information » défend le cadre du groupe cosmétique.

Car l’objectif, in fine, est de réduire le time-to-market, un critère essentiel du lancement d’un nouveau produit sur le marché. L’équipe de développement de TrendSpotter anticipe déjà une extension à d’autres catégories de produits et d’autres marchés.

Se pose toutefois toujours la question des KPIs. Comment déterminer l’apport d’un outil comme TrendSpotter ? Charles Besson le reconnaît, la définition de tels indicateurs « n’est pas simple ». « Si on arrive déjà à faire gagner du temps à nos marketeurs et nos laboratoires, ce sera un succès. Nous réfléchissons cependant à une grille de KPIs de mesure de la réussite pour définir la contribution de TrendSpotter au lancement d’un produit. »