Retrouvez dès à présent l'ensemble des interventions du HUBDAY Data & AI en vidéo !

L’enjeu de la stratégie algorithmique est de construire une IA adaptée à l’identité LVMH pour permettre aux clients de vivre l’expérience de luxe LVMH de manière omnicanale, comme une prolongation de l’expérience traditionnelle. Cela implique 3 points : 

• Se distancier des techniques IA mass market
• Placer la relation humaine au cœur de l’expérience client : l’IA enrichit le moment d’échange humain
• Respecter la data privacy, ce qui est fondamental pour le luxe. 

Les projets menés par Equancy ont permis d’identifier des facteurs clés du succès : 

1. Pas de magie, les projets IA sont multidimensionnelles, avec de la data et de la technologie,  mais aussi une dimension humaine. 
2. Démarrer par le business en associant les équipes métiers en amont pour définir les cas d’usage de l’IA
3. Être en capacité de faire de la réutilisation, c’est-à-dire pouvoir répliquer, transposer un algorithme dans les différentes maisons, marques, entreprises du Groupe. Construire un socle commun à l’ensemble des projets, qui permettra d’accélérer la transmission. 

Chez LVMH, auparavant les algorithmes étaient construits pour réaliser des quick wins. Ensuite, une deuxième phase s’est ouverte pour construire la stratégie algorithmique : au-delà des projets spécifiques, LVMH s’applique à construire un cadre, avec des process et des bonnes pratiques. 4 piliers stabilisent cette stratégie chez LVMH  : 

L’innovation 

Face la problématique de rendre les algorithmes développés innovants et contributeurs de business, Axel De Goursac constate que l’innovation permet 2 choses : 

• Une plus grande performance des modèles de machine learning, et un plus grand impact business. Des modèles de deep learning ont été inspirés par la recherche sur les réseaux de neurones récurrents, et ont permis d’améliorer de +100% les performances des modèles de personnalisations utilisés. 
   
• Des nouvelles possibilités de cas d’usages : pour arriver à des niveaux très fins de personnalisation produit, ces modèles utilisent du deep learning avec de la computer vision. C’est aussi l’utilisation de modèles innovants comme l’active learning pour de la collaboration entre l’humain et l’IA. 

Les talents

Création d’un modèle stimulant autour de la data pour attirer et fidéliser des talents :

• Intégrer de l’innovation en mettant de l’IA dans les algorithmes permet de créer des challenges et ainsi d'attirer les data scientists
• Montrer l’impact du travail data sur le business : communiquer sur les résultats et donner du feedback sur les algorithmes
• Permettre les retours d’expérience, le partage de connaissance, la créativité en regroupant des data scientists au sein de communautés avec des événements, des meet-ups, des canaux de communication dédiés... 

L’explicabilité des algorithmes

LVMH utilise des frameworks open source, ou des algorithmes faits maison pour offrir de la transparence aux utilisateurs, et pour faciliter l’adoption de l’utilisation des algorithmes. Cela permet d’expliquer les prédictions et de rassurer sur les mécanismes sous-jacents, et aux data scientists d’améliorer leurs modèles et de réduire l’erreur statistique. 

La scalabilité

2 dimensions existent lorsque l’on parle de scalabilité : le passage à l’échelle sur le volume de données, et le passage à l’échelle d’un algorithme d’une maison ou d’un projet à d’autres. C’est là qu’entre en scène le packaging des algorithmes : le fait de rendre générique ou modulaire un algorithme pour pouvoir le transposer facilement. Chez LVMH, le process de packaging des algorithmes les a rendu modulaires, paramétrables, optimisés en termes de ressources et prêts à l’industrialisation rapide.

Ainsi, la stratégie algorithmique peut s’appuyer sur plusieurs piliers : ceux définis par LVMH ne sont pas exhaustifs. 

Retrouvez dès à présent l'ensemble des interventions du HUBDAY Data & AI en vidéo !