« Toute technologie suffisamment avancée est indiscernable de la magie », Arthur C. Clarke

Cette troisième loi de Clarke m’est revenue en tête hier lors d’un point interne de l’équipe R&D de Phedone.

Nous explorions alors les modèles en cours de développement qui seront déployés dans les jours qui viennent, et c’est en lançant une analyse en environnement de pré-production que l’équipe s’est figée : l’effet Wouaw même pour ceux qui ont conçu la brique.

Rappel : démocratiser l’usage de l’analyse sémantique

L’objectif de Phedone est de démocratiser l’accès et l’usage des analyses sémantiques par deux vecteurs :

La facilité de déploiement
La tarification compétitive

La tarification compétitive

Le second point est facile et accessible à tout nouveau business : il « suffit » d’optimiser son architecture technique dès la conception du produit pour garantir une structure de coût raisonnable, et permettre ainsi d’avoir un modèle viable quand bien même les tarifs pratiqués sont réduits.
Pour une entreprise avec un produit établi depuis des années et un modèle tarifaire installé, c’est une autre affaire que de pouvoir diviser son chiffre d’affaires par 10 du jour au lendemain pour rester dans la course.

La facilité de déploiement

Le premier point est une autre paire de manches.

Il y a plusieurs types de profils chez les éditeurs de logiciel si je grossis le trait volontairement :

Les gens « du métier », quels qu’ils soient. Cela inclut les directeurs administratifs et financiers, les commerciaux, le marketing, le support, les directions relations client et bien d’autres.
Les profils Web qui savent développer et intégrer des API, des back-end et front-end, des CICD, mais ne s’y connaissent pas forcément en Machine Learning et Deep Learning. Parfois le langage Python est lui aussi inconnu.
Les profils Data qui comprennent l’écosystème de la donnée, les grandes librairies et leurs auteurs, et qui peuvent concevoir des briques technologiques intéressantes, en apprentissage supervisé ou non.
J’en oublie certainement

Ces profils partagent des zones de compétences communes souvent peu étendues : optimiser les transitions de la R&D au déploiement technique est complexe. C’est la première barrière : développer des API avec de bonnes qualités de service, qui ne plantent pas et répondent rapidement, faisant appel à des modèles d’intelligence artificielle souvent lourds et englués de dépendances.
Une fois le premier succès atteint, l’API prête, celle-ci ne reste à portée que des développeurs et des entreprises capables de les intégrer. C’est le cas des offres NLP proposées par les géants Amazon Comprehend ou Google Natural Language, et par d’autres éditeurs.

Quand le produit se rapproche de la magie

C’est l’intégration native dans les marketplaces qui boucle le processus : atteindre un tel niveau de vulgarisation qu’il est possible de déployer de l’analyse sémantique sans une ligne de code, sans un seul profil technique, en quelques clics.
Vous identifiez Phedone, vous le trouvez sur une marketplace et vous l’installez : c’est terminé.

L’effet Wouaw, sur quelle technologie ?

C’est sur la qualification du motif de contact que l’équipe s’est surprise elle-même.

Sans aucune donnée supplémentaire de la part de l’utilisateur, la brique s’adapte à vos motifs de contact et pourra indiquer, pour chaque ticket entrant, le motif de contact le plus probable.

Deux révolutions coup sur coup

C’est une révolution, non seulement Scientifique mais également Technique et Produit :

Scientifique : être capable d’adapter une analyse de catégorisation, sans donnée de votre part, à votre contexte en quelques secondes le temps d’écrire vos différents motifs de contact
Technique et Produit : car au-delà du seul fait d’exister scientifiquement, cette brique sera disponible et actionnable sans aucun code, depuis notre bibliothèque de modèles prêts à appliquer depuis app.phedone.com au sein de nos intégrations.

Le mot de la fin

Le logiciel Phedone émerge après deux ans de recherches scientifiques et produits.

Les participants du salon Stratégie Clients du 29 au 31 mars 2022 s’en sont rendus compte et les comptes créés sur la plateforme augmentent tous les jours, de la plus petite structure au grand groupe international.

L’usage de l’analyse sémantique est à l’aube d’une expansion sans précédent, rendue possibles grâce à Phedone qui donne vie aux passages R&D > Tech > NoCode alors même que les déploiements R&D > Tech fluides restent rares.

A vous de jouer !

Natural Language ProcessingQuand la technologie est indiscernable de la magie

Discover the advanced AI thatautomates the processing of your customer returns

Get notified when we’re launching.