Notre parcours avec Adobe AI est passé de l’intelligence prédictive à la création générative, et désormais aux systèmes agentiques qui agissent avec une intention.Au fur et à mesure, cela a changé la façon dont nous développons la personnalisation, débloquons la productivité et stimulons l’innovation.Voici ce que nous avons appris, ce qu’il a fallu faire pour en arriver là et ce qui nous attend.

Introduction

L’IA n’est plus un mot futuriste à la mode dans le domaine de l’expérience numérique ; c’est le moteur de la personnalisation moderne, de la productivité et de la mise à l’échelle.Dans le secteur des voyages, de l’hôtellerie et des loisirs, où la précision et l’évolutivité sont essentielles, de nombreuses entreprises ont commencé à utiliser les fonctionnalités d’IA prédictive d’Adobe Analytics et d’Adobe Target.L’adoption de l’IA générative s’est ensuite étendue à des outils tels que l’assistant IA d’Adobe Experience Platform et progresse désormais vers des fonctionnalités d’IA agentique dans Adobe Experience Platform et même au-delà.Au fur et à mesure, des leçons importantes ont été tirées concernant l’adoption, la gouvernance et l’innovation.Ces informations sont de plus en plus pertinentes pour toute organisation qui élabore sa stratégie d’expérience numérique basée sur l’IA.

Bases de l’IA

Adobe Analytics et Adobe Target ont été nos points d’entrée dans le marketing piloté par l’IA.Analytics a fourni des informations prédictives grâce à la détection des anomalies, à l’analyse des contributions et aux prévisions, tandis que Target a rendu la personnalisation pratique grâce au ciblage automatisé, à la personnalisation et aux recommandations.

Ces fonctionnalités ont établi les bases de la confiance dans l’IA, en démontrant le retour sur investissement de multiples façons :

• Gains d’efficacité : réduction de l’effort manuel nécessaire pour découvrir des informations ou optimiser le contenu.
• Augmentation du chiffre d’affaires : amélioration mesurable des conversions et de la valeur moyenne des commandes grâce à des expériences personnalisées.
• Impact sur l’expérience clientèle : permet des interactions plus rapides et plus pertinentes qui améliorent l’engagement et la satisfaction.

Ensemble, ces résultats ont mis en évidence la valeur commerciale tangible de l’IA prédictive et ont contribué à renforcer la confiance des parties prenantes pour développer des cas d’utilisation plus avancés.

Guide pratique : 3 étapes pour commencer à exploiter l’IA dans Adobe Analytics et Adobe Target

1. Commencez petit, par la détection des anomalies et l’analyse des contributions dans Adobe Analytics pour valider les informations issues de l’IA.
2. Tirez parti de la personnalisation automatisée d’Adobe Target pour proposer à chaque visiteur et visiteuse la meilleure variante de contenu, optimisée de manière dynamique par l’IA prédictive.
3. Suivez le rendement et le retour sur investissement du ciblage automatique et des recommandations pour mettre rapidement en évidence un impact commercial tangible.

Le passage à l’IA générative avec l’assistant IA d’Adobe Experience Platform

Le véritable tournant s’est produit lorsque nous avons adopté Adobe Experience Platform (AEP) et commencé à utiliser l’assistant IA d’Adobe basé sur l’IA générative.L’assistant s’est rapidement révélé être plus qu’un gadget, il est devenu un outil de productivité quotidien pour toutes les équipes.

Pourquoi nous avons adopté l’assistant IA.

La décision d’utiliser l’assistant IA découle de trois besoins :

1. Rapidité d’analyse : les analystes et les utilisateurs et utilisatrices professionnels avaient besoin de réponses rapides à partir d’ensembles de données complexes sans avoir à rédiger manuellement des requêtes.
2. Accessibilité : Adobe Experience Platform est puissant, mais peut sembler intimidant pour les utilisateurs et utilisatrices non techniques.Une manière plus naturelle d’interagir avec les données et les informations par le biais de requêtes conversationnelles contribue à abaisser cette barrière.
3. Intégration : avec l’arrivée de nouveaux collaborateurs et collaboratrices et avec la rotation des rôles, former les équipes à être productives dans Adobe Experience Platform prenait beaucoup de temps.L’assistant IA pourrait servir de « coach interactif » pour guider l’exploration.

Les cas d’utilisation initiaux et leur évolution

• Intégration et acquisition des compétences : les nouveaux utilisateurs et utilisatrices utilisent l’assistant IA comme « coach guidé » pour explorer les jeux de données, comprendre les schémas XDM et apprendre les fonctionnalités des applications de la plateforme (Real-Time CDP, Customer Journey Analytics et Adobe Journey Optimizer) de manière pratique.Au lieu de consulter passivement la documentation, ils peuvent demander : « Quelles sont les mesures disponibles pour les performances de campagne ? » ou « Comment puis-je analyser les tendances de l’audience en matière d’engagement ? ». Cette approche interactive a permis d’accélérer le processus d’intégration, qui est passé de plusieurs mois à quelques semaines.
• Résolution des problèmes et exploration des données : au début, l’assistant IA a aidé les utilisateurs et utilisatrices à comprendre les champs de données manquants ou les définitions de données incohérentes.Aujourd’hui, il valide également les requêtes, révèle les anomalies et fournit des recommandations pour obtenir des informations plus précises.

Conseils de bonnes pratiques relatives à l’utilisation de l’assistant IA avec des requêtes en langage naturel

• Encouragez les nouveaux utilisateurs et utilisatrices à considérer l’assistant IA comme un guide de première ligne pouvant les aider à explorer les données et à apprendre les fonctionnalités de la plateforme de manière interactive.
• Préparez une série de prompts de base pour démontrer les requêtes typiques et les bonnes pratiques.
• Combinez l’utilisation de l’assistant IA avec des sessions structurées d’acquisition de compétences : cette combinaison permet une adoption plus rapide et renforce la confiance.

Résultats clés

• Les analystes et les utilisateurs et utilisatrices professionnels obtiennent plus rapidement des informations exploitables et réduisent le temps d’envoi de requêtes et de création de rapports de plusieurs jours à quelques minutes.
• Les utilisateurs et utilisatrices non techniques ont gagné en confiance en travaillant directement avec Adobe Experience Platform sans avoir considérablement recours à des analystes.
• Les nouveaux employés et employées ont été intégrés 2 à 3 fois plus rapidement, ce qui a permis de réduire la charge de travail des personnes expérimentées de l’équipe.

Les avantages étaient évidents : les équipes ont gagné en efficacité, Adobe Experience Platform est devenu plus accessible et les requêtes en langage naturel ont permis aux utilisateurs et utilisatrices, tous postes confondus, d’explorer les données et d’obtenir des informations avec un minimum d’effort.

L’adoption ne s’est toutefois pas déroulée sans difficultés :

• Crainte et incompréhension : les équipes juridiques et de conformité ont d’abord craint que si les données des clientes et clients étaient utilisées avec un modèle d’IA, elles pourraient être exposées à l’extérieur ou réutilisées par une autre entreprise.Pour répondre à ces préoccupations, il fallait une documentation claire sur l’utilisation des données, la transparence de l’architecture et une formation continue.
• Les obstacles à la confiance et à l’adoption : au sein de l’organisation, de nombreuses personnes craignaient que l’IA ne remplace le jugement humain ou ne réduise leur contrôle.Nous avons dû insister sur le fait que l’IA était un outil permettant de réaliser des tâches, et non un remplaçant : nous avons commencé en considérant l’IA comme un assistant, pas comme un remplaçant.
• Les difficultés liées à la préparation des données : nos équipes technologiques ont dû faire face à la réalité : la qualité de l’IA générative est proportionnelle aux données avec lesquelles elle travaille.Des données à 360° propres et bien orchestrées sont essentielles pour obtenir des résultats précis et des informations fiables.La couche de profil unifiée et la plateforme de données centralisée d’AEP ont permis de surmonter cette difficulté.

Une fois ces obstacles reconnus et résolus, les avantages sont devenus indéniables.

L’ère émergente de l’IA agentique

L’IA générative est puissante, mais l’IA agentique représente la prochaine grande étape.Au lieu de répondre uniquement à des prompts, l’IA agentique permet l’exécution et l’orchestration autonomes de workflows en plusieurs étapes, de l’élaboration de la stratégie à la création de segments, en passant par l’exécution de la personnalisation et les contrôles de qualité des données.Il s’agit d’une transition de l’automatisation « assistée » à l’automatisation « collaborative » : l’IA générative répond aux questions et génère du contenu, tandis que l’IA agentique coordonne des tâches multiples, gère des dépendances et exécute des workflows complexes en fonction d’objectifs définis.

Nous sommes actuellement en train d’explorer les éléments suivants :

1. Adobe Experience Platform Agent Orchestrator : permet à des agents de travailler ensemble sur des workflows marketing à plusieurs étapes.
2. Agents Adobe Experience Platform conçus pour une tâche spécifique : agents spécialisés pour la segmentation, l’activation et l’analyse.
3. Adobe GenStudio et Firefly : pour générer du contenu personnalisé et sûr pour la marque à grande échelle.

En dehors de la plateforme Adobe, nous évaluons également l’IA agentique sur la qualité des données, la résolution des problèmes d’identité et la stratégie de personnalisation, afin de veiller à ce que l’IA intervienne sur l’ensemble du parcours clientèle.

Aujourd’hui, l’élaboration d’une campagne implique souvent de multiples passations : l’équipe d’ingénierie des données prépare l’audience, l’équipe marketing conçoit le contenu et l’équipe en charge des opérations gère l’activation.Dans un avenir proche, un ensemble coordonné de processus d’IA agentique pourra exécuter ces étapes de manière transparente, réduisant ainsi les allers-retours manuels.Ce changement permet aux équipes de se concentrer davantage sur la stratégie et la prise de décision créative, et raccourcit considérablement le délai de mise sur le marché, qui passe de plusieurs mois à quelques jours seulement.

Guide pratique : 3 étapes pour se préparer à l’IA agentique

1. Se consacrer très tôt aux éléments juridiques et à la sécurité : documentez l’architecture, les workflows et l’utilisation des données, et démontrez que des mécanismes de sécurisation ont été mis en place pour la conformité, la confidentialité et la sécurité.
2. Définir les rôles et les responsabilités des agents : spécifiez les processus ou les workflows que chaque agent gère (par exemple, la segmentation, la génération de contenu, l’optimisation et la validation), en veillant à l’alignement sur les objectifs de l’entreprise.
3. Créer d’abord des prototypes de workflows limités : commencez par de petites expériences contrôlées avant de passer à l’orchestration à l’échelle de l’entreprise et partagez les premiers résultats pour renforcer la confiance et la compréhension.

IA générative et IA agentique : quelle est la différence ?

Principaux points à retenir : l’IA générative vous aide à faire les choses plus rapidement ; l’IA agentique vous aide à faire des choses que vous ne pouviez pas faire auparavant.

Leçons tirées et prochains éléments à aborder

Notre parcours met en évidence quelques leçons essentielles :

• Commencer avec des pilotes de petite taille et à faible risque : l’IA est un assistant, pas un remplaçant, l’humain reste dans la boucle et le contrôle.
• Commencez par les bases de l’IA pour instaurer la confiance, démontrez comment l’IA destinée aux entreprises garantit la sécurité des données et la confidentialité, puis passez à l’IA générative et à l’IA agentique.Établissez la confiance avec des résultats mesurables avant de passer à l’échelle supérieure.
• La personnalisation automatisée dans Adobe Target a été l’un de nos meilleurs moteurs de retour sur investissement, apportant constamment des améliorations mesurables tout en réduisant les efforts manuels.Elle permet également d’instaurer un climat de confiance avec les parties prenantes de l’entreprise en montrant rapidement des résultats tangibles.
• Documentez clairement l’architecture, l’utilisation des données et les pratiques de partage, et obtenez les approbations des équipes juridiques et de sécurité.Établissez des mécanismes de sécurisation pour la conformité, notamment en ce qui concerne la confidentialité, la propriété intellectuelle et la gouvernance des données, avant de passer à des cas d’utilisation sensibles.
• Mesurez le retour sur investissement de manière générale : pas seulement en dollars, mais en gains de productivité, en rapidité de mise sur le marché et en résultats créatifs rendus possibles par les outils d’IA.

Comprendre l’évolution des capacités de l’IA

• L’IA générative accélère les tâches telles que la création de contenu, la segmentation et l’analyse.
• L’IA agentique va au-delà de l’accélération : elle offre une orchestration autonome, en gérant des workflows à plusieurs étapes, en coordonnant des agents et en optimisant continuellement les campagnes.Ce changement permet aux équipes de se concentrer sur la stratégie, la créativité et l’innovation tout en réduisant les délais de mise sur le marché de plusieurs mois à quelques jours seulement.

Dans le futur, nous pensons que l’IA agentique transformera non seulement la productivité, mais aussi la façon dont les expériences sont conçues, orchestrées et diffusées.Les agents coordonnés gèrent les audiences, le contenu et l’activation de manière transparente, ce qui permet aux équipes marketing de consacrer plus de temps à la planification stratégique et à l’innovation créative.

Pour les collègues et les utilisateurs et utilisatrices professionnels, mon conseil est simple : considérez l’IA comme un partenaire et non comme un simple outil.Commencez à petite échelle, partagez vos succès et préparez-vous à un avenir axé sur les agents.