Comment Nestlé France a révolutionné ses ventes grâce à la Data et à l'IA ?

A retenir dans cette interview

• Le « Why » des cas d’usage de la data : Lors de la conception d’un projet Data et/ou IA, il est important de se concentrer sur les apports de la data et les bénéfices qu’elle apporte en termes de performance et d’insights pour résoudre des défis opérationnels, comme l’optimisation des visites des forces de vente.
• Accompagner et initier les utilisateurs à la data : Le succès du projet repose sur l’accompagnement continu des utilisateurs dès le début, en les aidant à s’approprier la terminologie et les outils de la data pour la rendre familière et utile au quotidien.
• Combinaison de la Data et de l’IA pour la prise de décision : L’application développée chez Nestlé France combine habilement la Data et l’IA en compilant les données des enseignes et en créant des « jumeaux numériques » pour les points de vente sans données. Ils renforcent ainsi la confiance dans les résultats et les projections pour guider les décisions stratégiques.

Dans le monde en constante évolution de l’analyse de données et de l’intelligence artificielle, Frédéric Loriaux, Chief Data Officer chez Nestlé France, s’attelle à un défi de taille : transformer les données en décisions et actions stratégiques. Le tout, en accompagnant les individus dans leur utilisation confiante des données. Dans cette interview exclusive, découvrez comment Frédéric redéfinit le paysage des forces de vente grâce à la puissance de la data et de l’IA, façonnant ainsi l’avenir de Nestlé France.

Quels aspects considérez-vous comme les plus importants lors de la mise en place d’un projet data au sein d’une entreprise ? Quels sont vos enjeux Data du moment ?

Le plus important c’est le « Why », c’est-à-dire les cas d’usage de la data. Il faut se concentrer sur les apports de la data, la performance qu’elle va provoquer, les insights qu’elles vont permettre. Un bon exemple est l’application que nous avons créée pour nos forces de vente qui visitent les différents supermarchés et hypermarchés autour de leur zone de chalandise. Le « why » c’est comment rendre ces visites les plus efficaces et nos commerciaux les plus performants. Et ce, face à une multitude de variables comme le lancement de nouveaux produits, les promotions en cours… Cette application compile des données internes et externes pour identifier les produits qui ne sont pas en rayon par exemple.

Comment avez-vous créé l’envie, voire « l’appétit » de cette population, des commerciaux par rapport à la data et la performance commerciale ?

Chaque commercial supervise un nombre important de points de vente sur sa zone de chalandise de telle sorte qu’il lui est impossible des les visiter tous dans une seule journée. Ce qui va l’intéresser c’est qu’on l’aide à savoir où il doit se rendre. Et surtout, au bon moment pour pouvoir mettre en œuvre de façon efficace la politique commerciale de l’entreprise. Tout notre travail a été de comprendre ce besoin, d’identifier les éléments structurants permettant de prioriser comme par exemple, les produits qui ne se vendent pas car ils sont restés en réserve. A partir de là, nous avons rencontré les retailers pour qu’ils acceptent de nous transférer les données nécessaires pour chaque magasin et de façon quotidienne. Il a été ensuite nécessaire d’effectuer un travail d’harmonisation. L’objectif ici était d’assurer une cohérence des éléments collectés auprès des différentes enseignes Carrefour, Auchan, Leclerc etc. avec nos Master Data. Il ne nous restait plus qu’à faire une restitution de ces résultats de façon ciblée en proposant directement des actions aux commerciaux pour qu’ils puissent agir au quotidien.

Quels sont les enseignements à tirer en matière de la culture data à la suite de ce projet très opérationnel ?

La clé de succès c’est l’accompagnement dès le début du projet. Il y a certes une dimension technique mais au bout du compte, elle doit être oubliée. Il ne faut pas que la technique devienne « l’éléphant au milieu de la pièce ». L’essentiel c’est de travailler avec les utilisateurs, tout au long du projet pour les initier, les acculturer et que la data ainsi que la performance commerciale devienne une seconde nature. Il faut faire rentrer la data dans leur quotidien, qu’ils s’approprient à la fois la terminologie et les outils. Le but n’est pas d’avoir un graphe mais de savoir en déduire des conclusions pour mettre en place un plan d’actions approprié à la situation constatée. Évidemment, ce n’est pas immédiat, on n’appuie pas sur un bouton car on traite avec de l’humain ; chaque personne est différente, a son propre parcours. Ce type de projet requiert donc un accompagnement au plus proche du terrain.

LePont constate que lors des projets d’accompagnement sur la data et l’IA, les commerciaux cherchent souvent à confirmer leurs idées préconçues. De plus, ils peuvent être réticents à accepter des conclusions contraires provenant des données. Comment les impliquez-vous dans le projet malgré cela ?

Il faut accepter cette situation et se dire que d’avoir une confirmation par la machine d’une conviction très intuitive c’est déjà bien ! C’est finalement très rassurant et c’est même la première étape pour assurer l’adhésion et ensuite imaginer d’aller un petit peu plus loin. Car une fois que l’utilisateur a été convaincu à de nombreuses reprises, le jour où il est confronté à ce scénario d’avoir un résultat contre intuitif, il peut se dire « Pourquoi pas ? ». Il faut aussi bien se rappeler que les commerciaux qui sont en face de leurs interlocuteurs dans les différentes enseignes, n’ont pas le droit à l’erreur. Cette application, elle est très intéressante car il y a un effet de cliquet derrière parce que justement elle ne fait pas d’erreur. Et c’est cela qui crée la confiance.

On a parlé de la Data mais est-ce que ce projet se sert aussi de l’Intelligence artificielle ?

Effectivement, nous avons combiné les deux approches dans cette application. Nous avons réussi à compiler des données via les enseignes, mais pour certaines enseignes, nous ne l’avons pas. Par conséquent, quand la donnée est manquante, nous avons créé des « jumeaux numériques » à partir d’autres magasins pour réussir à faire des projections fines et donc compléter les informations manquantes utiles aux commerciaux. Ce principe permet donc de renforcer l’application et la confiance dans l’outil.

Développez votre culture data dès aujour’dhui