Rapprochement entre AIs : comment Einstein et Watson vont se compléter

Watson : Madame Soleil à la demande

Premier pan de l’accord, Einstein (Salesforce) va pouvoir se connecter aux données météo qu’IBM a rachetées à prix d’or avec The Weather Company.

Sur Bloomberg TV, Marc Benioff – PDG et fondateur de Salesforce - est revenu sur cette question. Einstein est présenté par son marketing comme le meilleur de l’AI. Pourquoi donc passer un accord avec Watson ?

La réponse du PDG est claire et limpide. « C’est le meilleur des deux mondes », commence-t-il, admettant qu’il y a bien deux mondes.

« Nous avons eu des orages terribles la semaine dernière. Or nous gérons les CRM des cinq plus grosses compagnies d’assurance. Ces entreprises veulent savoir quand ces tempêtes arrivent parce qu’elles veulent pouvoir prévenir leurs clients et leur demander de rentrer leurs voitures dans leurs garages. Cela va leur faire économiser beaucoup d’argent. »

Un peu basique ? Certes, mais c’est bien cette « combinaison de Salesforce et d’IBM qui va permettre de faire exactement cela. Parce que Watson va nous dire ‘’Hé, la tempête arrive’’ et nous, nous enverrons le message ».

Il faut bien comprendre ici que par « Watson », on entend la marque « Watson » et que ce ne sont pas ses algorithmes, mais ses jeux de « datas » qui seront revendus aux clients de Salesforce.

Le marketing tend à mélanger les deux notions. En le justifiant d’ailleurs habillement. Les « datas » (données brutes) se transforment rapidement en « insights » (données agrégées et interprétées par les algorithmes pour en faire des « enseignements »). IBM revend donc de « l’intelligence » (« il fait chaud pour cette saison ») et non pas des bulletins météo (« il fait 18° »).

Watson souffle à l’oreille d’Einstein

Sur une autre chaine américaine (CNBC), le PDG de Salesforce évoque un autre cas de figure. Là encore il s’agit d’une « collaboration » mais qui met en jeu, cette fois-ci, les deux AI et les données des entreprises en dehors de celles confiées à Salesforce.

Kone, le constructeur d’escalators et d’ascenseurs, est à la fois client d’IBM Watson et du fournisseur de CRM. « On peut imaginerque Watson, avec ses capacités de maintenance prédictive, anticipe une panne et communique l’information à notre CRM qui planifie alors une intervention de réparation. Cela fait plus de sens maintenant ? », demande Marc Benioff qui sent bien que la chose ne coule pas de source dans la segmentation des AIs.

Cet exemple – hypothétique pour l’instant – clarifie les brumes de la communication du premier jour. On est bien dans une chaine de valeur où Watson fait ce qu’il fait de son côté (prédiction de pannes) et Einstein fait ce qu’il fait de son côté à lui (planification automatique des interventions en fonction des disponibilités des techniciens de terrains).

Les deux jeux d’algorithmes ne traitent pas les mêmes données. Un service prédictif de Watson ne complète pas un service d’Einstein pour générer un Insight. Watson travaille sur les données du client (d'un escalator), génère un Insight (enseignement sur une panne) et le transmet à Einstein qui s’en sert comme d’une donnée d’entrée (et qui travaille sur les données relatives aux agents de terrain).

Pour un client, se pose alors la question des compétences de chaque AI. Quel problème confier à Watson ou à Einstein ?

Einstein : le commercial

Le meilleur élément de réponse se trouve dans un communiqué de Salesforce daté du 7 mars (non publié sur le site officiel français). On y lit que « Einstein est déjà utilisé […] pour offrir des expériences client plus intelligentes » au sein des applications de l’éditeur et qu’il permet aux développeurs, sur le PaaS de App Cloud, « d’intégrer l'Intelligence Artificielle aux nouvelles générations d'apps de gestion de la relation client (CRM) » (c’est nous qui soulignons en gras).

Ce communiqué, qui accompagnait la sortie de la « Spring 17 release », en listait les nouveautés. On y trouve d’autres précisions. Par exemple, que « Einstein Vision » – un nouvel outil cognitif – donne la « possibilité d'intégrer la reconnaissance d'images au CRM ». Pour quoi faire ? Pour « détecter des niveaux d'inventaire, mesurer la qualité des produits, identifier des tendances de consommation ou des préférences clients. »

En clair, Einstein est une AI orientée CRM, vente, commerce. « Notre technologie d’AI est incroyable […] mais elle est très étroitement intégrée à notre plateforme », explicite Marc Benioff (à 1’20’’ de cet enregistrement). « A l’opposé, Watson apporte des réponses à des questions plus généralistes ».

Autre différence, « Watson est programmable ». Comprendre, on peut (ou il faut) le programmer en fonction d'un besoin (comme jouer au Jeopardy) alors qu’Einstein est clef en main (et n'a pas vocation à jouer au Go). « De cette manière, nos clients peuvent prolonger et compléter nos solutions avec ce que Watson peut faire », ajoute le créateur de Salesforce.

Watson apporte la donnée non structurée et hors-CRM à Einstein

Salesforce n’aime évidemment pas limiter aussi catégoriquement le champ d’application de son « bébé » constitué avec de très nombreuses acquisitions. « Les clients peuvent personnaliser leurs modèles d'IA pour les adapter à leurs besoins métiers spécifiques », insiste l’éditeur sur son site officiel.

On peut adapter Einstein. Certes. Mais toujours dans le cas de développements qui s’appuient sur le CRM (ou sur ses frères : Service Cloud, Community Cloud ou Commerce Cloud), exactement comme les outils BI maison (Wave/Analytics Cloud) sont orientés gestion de clients.

A l’opposé, Watson est un ensemble d’outils d’AI (cognitif, deep learning, etc.) qu’IBM adapte à des secteurs et à des métiers données : banque, santé, supply chain dans l’industrie, supply chain dans l’alimentaire, gestion de flottes, etc.

Jean-Philippe Desbiolles, Vice-Président Cognitive Solutions du IBM Watson Group apporte une précision supplémentaire sur cet accord. Watson a la capacité de combiner tout type de données, structurées et non structurées.

« Par exemple, pour établir un scoring efficace, il est indispensable de considérer des données aussi bien structurées, issues du CRM, que non structurées, en particulier celles issues des réseaux sociaux qui permettent de mesurer la puissance de l’influence d’un individu (« Network Value » d’un individu) », illustre-t-il.

C’est là que Watson entre en jeu. « L’intégration des API IBM Watson à Salesforce […] apporte une dimension supplémentaire par l’analyse de données non-structurées internes ou externes à l’entreprise, venant enrichir les recommandations apportées aux utilisateurs de Salesforce ».

Avec Watson, Salesforce et Einstein s’ouvrent donc en grand aux données non structurées. Et aux données hors CRM (lire plus bas).

Watson pourra accéder aux données de Salesforce

Avec cette distinction clarifiée entre une « AI CRM » et une « AI métier », on peut imaginer des cas de figure où l’« AI métier » peut être intéressé par les données CRM.

A terme, cette possibilité sera effectivement réalisable grâce à l'accord. « Salesforce intègrera les APIs Watson d’IBM dans Einstein et ses solutions CRM », confirme le VP Cognitive Solutions d’IBM Watson Group. Il sera donc possible d’attaquer ses données Salesforce avec Watson et de les mélanger à d’autres « pour fournir ainsi un niveau de recommandations supplémentaires ».

Au passage, cette possibilité pose la question de recouvrements éventuels de compétences entre les deux AIs (qui savent scorer un prospect sur des données structurées par exemple). Une question qui aura sa réponse lorsque les services Watson qui auront effectivement accès aux données Salesforce seront déterminés (on peut penser que ceux qui font doublon ne seront pas proposés au client d'Einstein).

Les services Watson sur le PaaS Salesforce

Côté développeurs, il sera également possible de créer et d’héberger des applications sur le PaaS de Salesforce et d’y intégrer directement les APIs Watson.

Quelles APIs ? Celles qui seront en rapport avec des données non-structurées, ou hors cadre du CRM. Ou encore celles où Salesforce n’est pas encore au point mais où IBM est déjà prêt. Comme, par exemple, un framework complet pour un bot conversationnel qu'IBM propose déjà et sur lequel Salesforce travaille actuellement activement.

« Einstein fait aussi de la maintenance prédictive »

A terme, les choses pourraient nénamoins un peu se compliquer. Sara Varni (SVP Product Marketing Sales Cloud) - de passage à Paris en mars - confirme que « Watson livre des enseignements (Insights) sur les métiers, sur la chaîne d’approvisionnement, etc. ». Elle admet également que l’accord avec IBM vise bien à « combiner ces enseignements avec les informations que le CRM [de Salesforce] tire des données clients. »

Mais quand on lui demande si Einstein ne fait pas de maintenance prédictive (champs que Marc Benioff laisse à Watson dans son exemple sur Kone), sa réponse est que cette analyse serait trop tranchée.

« Non, nous avons la maintenance prédictive également », répond-elle. « Un adage chez Salesforce dit que si la donnée est dans Salesforce, vous pouvez la traiter de toutes les manières possibles. La même chose s’applique pour Einstein ».

Cette réponse se comprend mieux si on la met en perspective avec l’ambition de Salesforce de dépasser le simple CRM pour étendre sa plateforme à d’autres usages : IoT (Thunder, IoT Cloud), gestion des process (via Force.com), Supply Chain, et PaaS généraliste (Heroku).

Einstein est une AI orienté « clients », mais il n’a a priori pas vocation à le rester.

Watson et Einstein : allier un jour, concurrent toujours ?

En attendant de devenir une AI plus large, l’accord avec IBM va donc aussi permettre à Salesforce « d’accélérer dans la mise en place de notre vision qui consiste à infuser l’AI à toutes les étapes du cycle qui va de la détection de prospect à la vente et à la fidélisation (lead, to cash, to loyalty) ».

En conclusion, Salesforce trouve un moyen rapide de garder ses clients sur sa plateforme grâce à une offre complète d’AI, même si elle n'est pas entièrement « faite maison ». Salesforce va pouvoir accélérer commercialement grâce à un partenaire – potentiel concurrent à l’avenir – mais allier de poids aujourd’hui. Quant à IBM, il trouve un revendeur de Weather Insights et de ses APIs. Un client pour son IaaS. Et il s’ouvre une base client mondiale. Du point de vue des affaires, un accord gagnant-gagnant.