[Big Data 2016] Comment Orange utilise-t-il le machine learning, au service de l'expérience client ?

"Sauvons les livebox" ! Non, il ne s'agit pas d'un mouvement de contestation loufoque, mais du projet de l'opérateur Orange, initié en 2014, afin d'apporter un service additionnel à ses clients. "Nous avons souhaité, de manière proactive, mettre la data au service des clients", prône Sébastien Boutin, directeur de la stratégie data d'Orange France et intervenant du Salon Big Data, les 7 et 8 mars.

Le constat de départ n'est autre que les conséquences fatales des coups de foudre - au nombre de 540 000 en France, en 2014, selon l'opérateur - sur les box des abonnés d'Orange, ainsi que l'impact négatif d'une panne sur la satisfaction client - les abonnés devant appeler un technicien, attendre son déplacement et le remplacement de leur Livebox. Sans compter, pour l'entreprise, "le coût financier, explique Sébastien Boutin, de l'intervention du SAV".

En 2014, l'entreprise de télécommunication décide donc de mixer des données météorologiques à ses données clients pour anticiper le foudroiement de ses box Internet, TV et téléphone. Et met en oeuvre un système d'alerte : un message demandant de débrancher la Livebox est ainsi envoyé à chacun de ses clients pouvant être touché par la foudre. Résultats de la démarche d'analyse prédictive : 92 % de clients satisfaits ; 35 000 Livebox sauvés et 8 000 échangés et un gain de 2,8 millions d'euros.

Améliorer l'expérience grâce au machine learning

L'opération, gagnante, a été renouvelée en 2015. "Grâce au machine learning, nous avons pu améliorer l'expérience, commente le directeur de la stratégie data d'Orange France. Nous avons ajouté dans notre algorithme de prédiction la nature de l'orage, le modèle de Livebox ainsi que la typologie du lieu d'habitation." Avec succès, si l'on en croit les derniers résultats communiqués par la marque : 20 % supplémentaires de Livebox sauvées et 3,6 millions de gains.

Attention, prévient néanmoins Sébastien Boutin, à ne pas considérer le "machine learning comme une boîte magique". " 90 % du travail consiste à préparer les données, poursuit-il. Il est donc primordial d'être particulièrement vigilant afin de ne pas entrer de fausses données dans le modèle."

Et, en 2016 ? Orange compte capitaliser sur le machine learning "dans l'objectif d'améliorer encore la proactivité et l'expérience client". Au programme : prédire les besoins matériels, à l'instar d'une nacelle, en cas d'intervention terrain ; filtrer les interventions ou, encore, modéliser l'insatisfaction client, en allant plus loin que les sondages et les données techniques de réseau.