Intelligence Artificielle, cette expression est sur toute les bouches et agite les réseaux mais en dépit de sa connotation futuriste, l’intelligence artificielle (IA) n’est pas nouvelle. À chaque fois que vous lancez une requête dans la barre de recherche d’Amazon, ou que vous regardez une série sur Netflix, vous intéragissez avec l’IA. La technologie va décider du contenu le plus pertinent pour vous en fonction des requêtes précédentes, interpretant chaque comportement et interaction pour vous fournir du contenu qui vous plaît.

Ayant prouvé son utilité pour d’autres situations, il est alors facile d’imaginer comment cette technologie peut s’incorporer dans une plateforme de Digital Asset Management. Après tout, un DAM pourrait agir comme Amazon ou Netflix lorsqu’il s’agit de chercher des images ou vidéos, n’est-ce pas ?

Taggage automatique et recommandations

Il y a pourtant un certain scepticisme pour savoir si l’Intelligence Artificielle est utile pour l’industrie du DAM, notamment pour savoir si la fonction de tags auto-suggestifs venant d’API comme celles de Google Cloud Vision sont assez spécifiques pour être utilisées de manière professionnelle. Pour rappel, Google Cloud Vision est un outil d’analyse d’images qui va examiner les formes de l’images, détecter des contenus inappropriés et même les émotions des visages. Il en est de même pour Amazon Rekognition, qui intègre les mêmes fonctionnalités.

Même si l’intervention humaine sera toujours nécessaire, les capacités de l’IA permettent de faire une grande partie du travail, et du tagging des ressources en particulier, permettant de réduire cette intervention humaine. Pour un distributeur qui importe plus de 10000 images d’un shooting, une fonctionnalité d’auto-tagging délivrée par une IA pourrait réaliser 80% du travail, avec 60% de précision.

AI-capabilities-Bynder AI-capabilities-Bynder AI-capabilities-Bynder AI-capabilities-Bynder Comment l'IA révolutionne les logiciels photothèque (DAM) ?

Et même si l'auto-tagging fait partie des fonctionnalités importante de l'IA, l'attention va être portée sur une autre valeur ajoutée : la recommandation et suggestion de contenu personnalisé.

Selon Anjali Yakkundi, Analyst chez Forrester, un logiciel de Digital Asset Management ne devrait pas seulement nous aider à gérer notre contenu, mais également nous permettre de prendre de meilleures décisions sur le contenu à utiliser, sur la base de plusieurs indicateurs :

  • Le customer reach : si vous avez une vidéo sur facebook, vous pouvez compter le nombre de partage, combien de gens ont vu cette vidéo, et si cette vidéo attire l'attention
  • L'usage : combien d'utilisateurs ont utilisé la vidéo, si il y a un département qui utilise plus un certain type de fichier plutôt qu'un autre
  • Engagement : quelle est l'intéraction autour du contenu publié (ex: combien de temps une vidéo a été visionnée en moyenne)
  • Résultats opérationnels : savoir si le contenu publié a permis d'augmenter une métrique de performance particulière

Les logiciels de Digital Asset Management devraient donc évoluer d'une simple base de stockage statique à un environnement intelligent, intégré à toutes vos technologies marketing et sales (CMS, CRM, email, portail, campagnes, PIM, sociales, Marketing Automation, etc).

Exemples d'application de l'IA

Dans son article pour CMS Wire au sujet de l'intelligence artificielle, Emily Kolvitz - documentaliste chez Bynder - donne des exemples d'utilisation de l'IA des applications que nous utilisons tous les jours, et de la façon dont ceux-ci pourraient être appliqués aux logiciels photothèque. "La vérité est que chaque tâche mécanique sur lequel un utilisateur du DAM passe du temps pourrait être améliorée via l'intelligence artifificielle et le machine learning" explique Emily. Voici quelques exemples d'application de l'IA qu'elle évoque :

La reconnaissance faciale de Facebook

Facebook, qui a ouvert son logiciel de reconnaissance d'image en 2016, utilise un algorithme qui attribue un numéro à votre visage, basé sur des données comme la distance entre les traits du visage. Cela permet à Facebook de suggérer de vous taguer vous-même ou un ami sur des images avec précision.

Comment peut-on appliquer cela au DAM ?

Pensez à une entreprise qui veut identifier et étiqueter son PDG dans chaque photo. La fonctionnalité d'IA seule pourrait potentiellement économiser des jours, sinon des semaines de travail manuel à repérer ces photos et les taguer.

Les plus sceptiques du taggage intelligent et de la précision des "machines" disent que "la plupart des fonctionnalités d'auto-taggage relève de la chance et de la devinette". Pourtant, le programme Watson d'IBM bat les humains à Jeopardy et permet de diagnostiquer des cancers avec 40% plus de précision que des médecins humains. Bien qu'il ne s'agisse que d'hypothèses, le niveau de confiance de la machine est extrêmement élevé. De plus, la reconnaissance faciale de Facebook a une cote de précision de plus de 99% pour les plans frontaux.

Traitement Automatique du Language Naturel (TALN)

Vous avez l'exemple d'intelligence artificielle qui utilise le Traitement automatique du language naturel dans votre poche : l'assistant personnel de votre smartphone. Que ce soit Siri, Cortana ou Google Now, ces système traduisent des instructions humaines ordinaires en une langue que les ordinateurs peuvent comprendre et exécuter.

Comment peut-on appliquer cela au DAM ?

Imaginez faire une présentation à votre management et qu'au lieu de montrer un rapport ennuyeux, vous présentez des analyses en temps réel, activées par la reconnaissance vocale : "Combien de personnes se sont connectées aujourd'hui ?" ou bien, "Quels sont les fichiers les plus consultés cette semaine ?". Un gain de temps considérable sera donc réalisé avec ce type de technologie.

Le vérification de plagiat appelé Pensters

Ce vérificateur vous permet d'analyser n'importe quel texte et de vérifier s'il provient ou non d'une source existante. Alors que les enseignants l'utilisent pour s'assurer que les élèves écrivent eux-même leurs documents, ce système pourrait être utilisé pour identifier la relation entre différents documents.

Comment peut-on appliquer cela au DAM ?

Prenons un rapport annuel d'entreprise. Le texte et les nombreuses études de ce rapport seront certainement utilisés dans le cadre de présentations variées ou de livres blancs. Dans ce cas, ce rapport ne sera pas plagié mais juste utilisé comme source d'informations.

Un logiciel de Digital Asset Management pourra donc vous servir à lier des documents automatiquement en analysant le contenu des documents, tout en permettant de savoir depuis quelle source telle ou telle information a été prise. Des algorithmes pourront également être utilisés pour marquer et catégoriser des documents en fonction des contenus qui s'y trouvent.

Netflix

Qu'est ce que Netflix pourrait apprendre au DAM à propos de l'intelligence artificielle ? Son moteur de recommandation leur fait économiser plus d'un milliard de dollars chaque année. Ce moteur suggère des titres à l'utilisateur qu'il n'aurait pas pu trouver autrement.

"Lorsqu'elles sont produites et utilisées correctement, les recommandations conduisent à des augmentations significatives de l'engagement de l'utilisateur (ex: heures de diffusion en continu, nombre de films visionnés) et à des taux de churn et de désinscription plus faibles."

Comment peut-on appliquer cela au DAM ?

Appliquée au DAM, la citation du dessus ressemblerait plus à : le moteur de recommandation de ressources numériques augmente l'engagement du logiciel photothèque, l'adoption des utilisateurs et la réutilisation du contenu, basée sur l'intérêt que manifeste l'utilisateur sur d'autres ressources. Cela augmente donc bien entendu le retour sur investissement (ROI), ce que les logiciels DAM sans AI ne pourraient pas faire.

Un pavé dans la MarTech

Que vous soyez enthousiasmé de ces changements opérés au niveau des solutions DAM par l'IA, ou hésitant de leurs réels impacts pour votre entreprise, rappelez-vous que la technologie existe déjà. Et les exemples d'application évoqués ci-dessus prouvent leur intérêt. Anjali Yakkundi rappelle que les bénéfices pour les entreprises sur le long terme sont conséquents :

  • Économies réalisés sur la réutilisation du contenu existant, évitant les coûts de re-création
  • Plus d'efficacité et de productivité : gain de temps dans la recherche des fichiers
  • Maximiser la valeur de vos ressources et identification plus rapide des contenus à plus forte valeur ajoutée
  • Amélioration de votre image de marque : plus de données, des recommandations plus intelligentes, suggestion de contenu 'on-brand' à utiliser pour tel canal ou client
  • Possibilité de lier votre content marketing à vos résultats d'entreprise : intégrer l'analyse du succès de vos médias aux résultats de votre entreprise, permettant aux content marketers de justifier la valeur du travail qu'ils produisent.

Injecter l'intelligence artificielle dans le DAM pourrait finalement populariser ce type de solution, conclut Emily, et mettre definitivement fin à la question "Qu'est-ce que le Digital Asset Management ?".

Envie d'en savoir plus sur l'intelligence artificielle et le DAM ? Découvrez comment cela s'applique à Bynder en démarrant votre version d'essai gratuite, sans engagement.