13 janvier 2020 1315 mots, 6 min. de lecture Dernière mise à jour : 15 septembre 2022

2025 : la fin des algorithmes de personnalisation ?

Par Pierre-Nicolas Schwab Docteur en marketing, directeur de IntoTheMinds
A l’heure où Amazon réalise déjà 35% de son CA grâce à la recommandation algorithmique (voir infographie ci-dessous) et lance deux nouveaux outils de personnalisation (Discover et Showroom), le cabinet Gartner annonce lui la fin des algorithmes de personnalisation à […]

A l’heure où Amazon réalise déjà 35% de son CA grâce à la recommandation algorithmique (voir infographie ci-dessous) et lance deux nouveaux outils de personnalisation (Discover et Showroom), le cabinet Gartner annonce lui la fin des algorithmes de personnalisation à l’horizon 2025.  Cette annonce, paradoxale, nous sembler devoir mériter une analyse approfondie.

Sommaire

Infographie : les effets des algorithmes de personnalisation

infographie les algorithmes en action

A quoi sert la personnalisation algorithmique ?

Les algorithmes de personnalisation ont envahi nos vies digitales. Le premier d’entre eux (Google) personnalise nos résultats sur son moteur de recherche. Alors que 500 heures de contenu sont uploadés chaque minute sur YouTube, les algorithmes de recommandation de cette plateforme nous suggèrent quel contenu pourrait nous intéresser et lancent même sa lecture automatiquement. La recommandation est particulièrement utile dans le monde des plateformes média (on estime que 70-80% de la consommation sur Netflix provient des algorithmes de recommandation), mais ne s’arrête pas à ce secteur. Dans le monde du e-commerce les algorithmes sont omniprésents (Amazon par exemple tire 35% de ses revenus de ces algorithmes dans lesquels elle investit depuis 1994), en B2B les assistants virtuels sont également en plein développement pour suggérer aux vendeurs (de voitures, d’assurances, …) quoi vendre à leur client. Ils permettent donc de personnalisation la relation entre le vendeur et le client.

Pourquoi les marketeurs abandonneraient-ils la personnalisation ?

La personnalisation algorithmique fait couler beaucoup d’encre depuis qu’elle s’est répandue dans tous les aspects digitaux de notre vie, en particulier dans la consommation de médias. Eli Pariser a inventé le concept de bulles de filtres dont nous avons beaucoup parlé sur ce blog (voir par exemple ici notre proposition de classification des bulles de filtre). Même si leur existence reste soumise à discussion et qu’une nouvelle définition soit nécessaire, certaines entreprises prennent le contre-pied de ce concept, comme par exemple HBO avec ses recommandations humaines (service et site indisponible dans la plupart des pays ; voir une vidéo ci-dessous).

Mais la thèse de Gartner repose sur des arguments tout autres, purement économiques :

  1. les données personnelles sont de plus en plus difficiles à obtenir
  2. les marketeurs seraient déçus par le retour sur investissement de la personnalisation algorithmique

Sur le premier point nous ne pouvons pas donner tort à Gartner. En particulier en Europe le RGPD a mis un coup d’arrêt à certaines pratiques et si le bénéfice du RGPD pour le consommateur est encore discutable (voir notre étude sur le sujet), il est clair que les entreprises sont devenues beaucoup plus frileuses qu’auparavant. Un grand nettoyage a également été effectué avant l’entrée en vigueur du RGPD qui a résulté dans l’effacement de nombreuses données à caractère personnel pour lesquelles le consentement n’avait pas été documenté

Le second point appelle des commentaires plus approfondis, tant la position de Gartner semble difficile à défendre de prime abord. D’après Gartner 80% des marketeurs abandonneront leurs efforts de personnalisation d’ici à 2025 pour 2 raisons principales :

  1. le retour sur investissement insuffisant
  2. la difficulté de récolter et intégrer les données à caractère personnel

Problème 1 : collecte et intégration des données

Sur ce dernier point nous ne pouvons que donner raison à Gartner. Ce que nous observons chez nos clients c’est effectivement une grande difficulté à intégrer les données. L’absence de bases solides et en particulier d’un référentiel client unique (RCU) conduit nombre d’entreprises à tenter l’impossible : réconcilier des bases de données disparates. Ceci entraîne des coûts pour le développement de systèmes spécifiques, difficiles à maintenir. Voici pourquoi nous prônons depuis plusieurs années le recours à des données de 1ère partie uniquement, une position que nous avons défendue encore une fois lors de la conférence annuelle BAM et que nous avons explicitée en détail dans notre article accompagnant la présentation.

Notre conseil

plutôt que de s’entêter à récolter et intégrer des données de mauvaises qualité (rappelez-vous l’adage « shit in, shit out »), ayez le courage de repartir à zéro. Et surtout, veillez à mettre en place les 4 principes suivants pour développer la confiance de vos clients / utilisateurs afin de récolter plus de données :

  • éduquez vos utilisateurs sur l’utilisation et la valeur de leurs données
  • redonnez-leur le contrôle
  • ne comptez que sur des données de 1ère partie (« first-party data« )
  • construisez la confiance graduellement

Problème 2 : ROI insuffisant

Un ROI insuffisant peut être causé par différents facteurs : bénéfices trop faibles ou coûts trop élevés. En ce qui concerne les coûts trop élevés, ces derniers sont à notre sens surtout dus aux efforts de développement (et de maintenance) qui doivent être consentis. Que vous achetiez un système de personnalisation « sur étagère » (« on the shelves ») ou que vous en développiez un vous-même, il n’existe pas de système de personnalisation qui soit intégrable du jour ou lendemain.
Si les bénéfices sont trop faibles, vous devez vous interroger sur le réalisme des objectifs fixés ainsi que sur la manière de mesurer vos efforts. Trop souvent nous constatons que des objectifs trop ambitieux sont fixés et qu’en parallèle aucune méthode de mesure adaptée (A/B testing par exemple) n’est disponible. Le ROI doit se mesurer à l’aune de KPI (indicateurs clés de performance) qui puissent vraiment être influencés par les algorithmes de personnalisation. D’autre part, des ajustements étant indispensables à l’atteinte des objectifs, il faut que le système de personnalisation le permette. Les algorithmes « sur étagères », s’ils répondent à certains besoins, peuvent s’avérer limités dès lors qu’il s’agit de s’adapter à des objectifs ou à des données spécifiques.
Au final nous partageons l’opinion de Gartner. La déception est en effet souvent grande parmi ceux qui essayent des algorithmes de personnalisation. Mais ce n’est pas le système qui doit être blâmé. Ce sont les personnes qui le choisissent et le mettent en oeuvre. Leur manque d’expérience et leur inexpérience dans la mise en Å“uvre de tels systèmes, les conduit à s’engager dans des projets qui ne peuvent pas s’avérer rentables sur le long-terme.

En conclusion : la fin de la personnalisation n’est pas pour demain

Les arguments mis en avant par Gartner font sens et correspondent à la réalité de bien des situations que nous avons rencontrées. Pour résumer on pourrait dire que les entreprises placent d’une part des espoirs disproportionnés dans les algorithmes de personnalisation; d’autre part elles ne disposent pas des bases minimum nécessaires pour garantir que les bonnes données soient collectées de manière optimale et qu’elles puissent être réconciliées.
Ceci conduira inévitablement à l’arrêt de nombreux projets de personnalisation parmi les entreprises qui se seront lancées sans s’y être préparées. Mais cela ne signifie aucunement que le marché de la personnalisation va se contracter. Au contraire, la digitalisation toujours plus rapide de nos vies, la production de volumes de données toujours plus importants, va renforcer la nécessité de personnalisation toujours plus les interactions entre les entreprises et leurs clients. Nous n’assisterons donc qu’à la mort de projets lancés sur de mauvaises bases, tandis que d’autres marketeurs, plus au fait des pré-requis techniques et fonctionnels, lanceront en parallèle des projets qui porteront leurs fruits.

Image d’illustration : shutterstock



Publié dans Data et IT, Marketing.

2 commentaires

  1. Bonjour, de quand date cet article?

  2. Bonjour,

    l’article a été publié le 13 Janvier 2020. Je remarque que la date a sauté ; je vais la remettre. Toutes mes excuses.

Donnez votre avis

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *