Contexte
AstraZeneca BeNeLux est en contact avec les professionnels de santé de nombreuses manières différentes: visites en face à face, web, e-mail, en ligne et réseaux sociaux. Toutes ces interactions génèrent une grande quantité de données clients. Jusqu’à présent, AstraZeneca s’appuyait principalement sur une logique fixe, basée sur des règles, pour interpréter ces données. L’équipe voulait explorer si une approche différente, portée par l’IA, pouvait révéler des schémas et des profils que des règles statiques ne pouvaient tout simplement pas capter.
Défi
La question centrale était de savoir comment mieux segmenter les clients, afin de transformer des données d’interaction dispersées en une image plus claire et plus exploitable. AstraZeneca excelle dans la mise en place de règles fixes, mais la logique basée sur des règles a ses limites: elle ne fait pas facilement émerger le type de schémas cachés que l’IA peut révéler. Il existait par ailleurs une réelle incertitude au départ. Daan Vens, Innovation and Business Excellence Director chez AstraZeneca BeNeLux, le formule ainsi: « Je n’avais vraiment aucune idée si cela allait donner quelque chose, mais nous voulions vraiment investir du temps là dedans avec l’équipe et voir ce que cela pouvait donner. » Obtenir l’adhésion en interne nécessitait une approche transversale, réunissant le volet digital et IT avec les équipes marketing, commerciales et de vente, et les cas d’usage IA purement commerciaux restaient encore relativement peu matures dans le secteur, ce qui a en partie motivé le choix de faire appel à un partenaire externe plutôt que de tout construire en interne.
Solution
CROPLAND et AstraZeneca ont démarré avec une preuve de concept, une phase pilote construite sur une mentalité de « learning by doing », laissant place à ce qui fonctionnait et à ce qui fonctionnait moins bien. Plutôt que de viser un seul grand objectif final lointain, le projet a été volontairement découpé en petites étapes compréhensibles, rendant la technologie tangible pour des personnes sans bagage technique. La gestion du changement a joué un rôle central: AstraZeneca a impliqué très tôt sa communauté marketing, trouvé les premiers adeptes prêts à expérimenter, et a laissé la dynamique se construire à partir de là. Un élément clé du passage du pilote au fonctionnement courant a été d’éliminer autant que possible le travail manuel, en automatisant les processus de données afin que les résultats du modèle puissent s’intégrer au quotidien, tout comme une équipe commerciale consulte un tableau de bord de ventes chaque jour. L’ambition est d’obtenir un modèle qui ne se contente pas de profiler un client, mais qui recommande activement la meilleure action suivante, par exemple, en suggérant quel canal et quel message utiliser pour toucher un professionnel de santé donné.
Avantages
Résultats
Les équipes marketing d’AstraZeneca utilisent aujourd’hui directement les profils clients qui en résultent dans leurs campagnes, ce qui se traduit par des interactions clients plus pertinentes, lesquelles génèrent à leur tour davantage de données pour continuer à améliorer le modèle. Daan Vens décrit cela comme un cercle vertueux qui a eu besoin d’une impulsion initiale pour démarrer, mais qui se renforce continuellement à mesure qu’il est utilisé. Pour l’avenir, Daan Vens envisage que l’IA prenne en charge une part bien plus importante du travail quotidien d’un marketeur, non pas en remplaçant les commerciaux, mais en générant des insights plus rapides et meilleurs, et en simplifiant des tâches encore manuelles aujourd’hui, ce qui libère de la capacité pour se concentrer là où l’expertise humaine fait vraiment la différence.
« Je pense que nous avons pu beaucoup mieux profiler nos clients. Plusieurs de nos équipes marketing utilisent réellement cette information dans leurs campagnes. Et c’est ainsi qu’on apprend, et qu’on génère plus d’interactions, ce qui permet au modèle de continuer à apprendre lui aussi, » déclare Daan Vens.
