Abonnement sportif

Accélérer sur la donnée et l'IA avec le programme IA Booster de la BPI

Secteur

Sport (modèle d’abonnement)

Action

Stratégie data/IA

Périmètre

Global

Indicateurs clés de performance

cas d'usage identifiés et priorisés
0
entretiens réalisés
0
semaines
0

Introduction

Le Diagnostic Data IA de Bpifrance est une prestation d'accompagnement et de conseil destinée aux PME et ETI françaises souhaitant exploiter le potentiel de l'intelligence artificielle (IA) pour stimuler leur croissance et leur transformation numérique

Ce dispositif s’inscrit dans le programme IA Booster France 2030, porté par Bpifrance, le Ministère de l’Économie, des Finances et de la Souveraineté industrielle et numérique et le Secrétariat Général pour l’Investissement. Il peut être financé à 50% par Bpifrance, permettant ainsi aux entreprises de bénéficier de cette expertise tout en réduisant l’investissement initial nécessaire.

Les partners d’Heaviside font partie des experts sélectionnés par BPI France pour conduire des Diagnostics Data /IA – Pour en savoir plus, vous pouvez envoyer une demande de d’information auprès de contact <at> heaviside.fr.

Questions clés

Notre client souhaitait explorer les opportunités offertes par la donnée et l’Intelligence Artificielle (IA) dans objectif d’efficacité opérationnelle et d’amélioration de l’expérience client.

Dans ce contexte, nous avons cherché à identifier et prioriser des cas d’usage de la donnée et de l’IA en répondant aux questions suivantes :

  • Comment la donnée et l’IA peuvent-elles créer de la valeur au sein de l’organisation et améliorer l’expérience client, tout en optimisant les processus internes ?
    • Quelle est la chaîne de valeur des activités ? Quels enjeux business et métiers à chaque étape de cette chaîne de valeur ?
    • Comment sont pilotées les activités de chaque fonction ? Quels KPIs et rapports ? Comment ces indicateurs sont-ils construits ?
    • Quels cas d’utilisation de la donnée seraient créateur de valeur ? Quels besoins en analyse ou reporting pour renforcer la prise de décision ?
    • Quel historique en termes d’initiatives data/IA ?
    • Quelles capacités technologiques (outils et briques technologiques) et expertises actuellement disponibles ?
    • Quels prérequis technologiques et data seraient nécessaires pour donner vie aux cas d’usage identifiés ? Quelles options (e.g. acquisition, outils, assemblage de briques technologiques) ?
  • ­Comment prioriser les cas d’usage au regard de (1) leur retour sur investissement [et/ou création de valeur] au niveau de chaque maillon de la chaîne de valeur, (2) des contraintes data/tech/des compétences à acquérir et des (3) coûts de développement associés ? Quels Proof Of Concepts lancer dès à présent ?
  • ­ Quels enjeux anticiper en matière de conduite du changement ?

Action #1

Organisation d’ateliers et d’entretiens

Dans cette première phase, nous avons organisé des ateliers et des entretiens avec les équipes métiers et techniques pour mieux comprendre les besoins, les priorités et les contraintes liées à l’utilisation de la donnée et à l’intégration de l’intelligence artificielle. Le but était d’identifier :
­

  • Les objectifs stratégiques concernant l’IA et comment celle-ci pourrait aider à atteindre les objectifs globaux de l’entreprise
    ­
  • Les défis techniques et les contraintes opérationnelles que les équipes pourraient rencontrer lors de l’intégration de l’IA
    ­
  • Les attentes des différentes parties prenantes en termes de résultats, de délais et de performances de l’IA

 

Ces échanges ont permis d’identifier les priorités clés et de définir les attentes concrètes pour une adoption réussie de cas d’usage de la donnée et de l’IA.

Action #2

Cartographie de la chaîne de valeur des activités

Nous avons réalisé une cartographie de la chaîne de valeur des activités de notre client pour analyser les différents processus métiers et identifier les points où l’IA et la data pouvaient apporter un maximum de valeur. Cette cartographie nous a permis de :

  • ­Identifier les processus métiers critiques susceptibles d’être optimisés
    ­
  • Sélectionner les cas d’usage pertinents comme la détection de l’attrition client, la création d’une nouvelle offre de vente de données permettant de générer des revenus complémentaires, ou encore l’automatisation et l’accélération des tâches réalisées par les équipes de relation client par le biais de l’IA générative

Action #3

Évaluation de la faisabilité et de la complexité des cas d’usage identifiés

Après avoir identifié et priorisé les cas d’usage, nous avons réalisé une évaluation de la faisabilité et de la complexité de chaque cas. Cette évaluation a pris en compte plusieurs critères :

  • Disponibilité et qualité des données nécessaires pour alimenter les modèles d’IA (par exemple, les données historiques pour la détection de churn)

 

  • Capacités technologiques existantes et infrastructure pour soutenir les cas d’usage identifiés, telles que la mise en place d’un datalake

 

  • ­Complexité de l’implémentation des cas d’usage en termes de ressources, de temps et de compétences nécessaires

Action #4

Identification des données disponibles et détermination du niveau de maturité data/IA

Nous avons effectué un état des lieux des données disponibles au sein de l’entreprise et évalué le niveau de maturité des équipes en matière de data et d’IA. Cette analyse a notamment permis : 

  • ­L’identification des sources de données existantes (internes et externes), ainsi que leur qualité et leur accessibilité pour les cas d’usage IA

 

  • Une évaluation des compétences des équipes en matière de data science et d’IA, en examinant leurs capacités à utiliser les outils et technologies nécessaires

 

  • Une analyse des outils et plateformes déjà en place (par exemple, des outils de business intelligence, des infrastructures cloud, etc.) pour évaluer leur compatibilité avec les projets data et IA

Action #5

Feuille de route

Nous avons proposé une feuille de route de cas d’usage et d’initiatives priorisée. Afin d’élaborer cette recommandation, nous avons dû :

  • Définir les priorités pour chaque cas d’usage en fonction de leur faisabilité, de leur impact stratégique, et de la maturité des données
    ­
  • Proposer des phases de mise en œuvre claires et des jalons de suivi pour chaque cas d’usage IA
    ­
  • Planifier les ressources nécessaires (personnel, outils, budget) pour garantir l’exécution réussie de la feuille de route

 

Cela nous a permis de fournir une stratégie claire et pragmatique pour l’intégration de l’IA, alignée avec les objectifs globaux de l’entreprise.

Découvrir les autres cas clients