L'IA, fer de (re)lance de Blablacar

Le bonheur des uns fait le bonheur des autres. Et la grève des uns, le business des autres. Du 6 au 13 avril, semaine marquée par les perturbations de Oui.sncf, la fréquentation du site Blablacar est multipliée par 6. Malgré cet effet d'aubaine, le leader européen du covoiturage subit de plein fouet la concurrence des "Bus Macron" et des offres low-cost du rail, et peine, depuis plusieurs mois, à retrouver la croissance de ses belles années. Alors, pour inverser la tendance, la plateforme, créée en 2006 par Frédéric Mazzella et Nicolas Brusson, mise sur d'autres relais de croissance, conçus à base d'intelligence artificielle.

Depuis fin janvier, a ainsi été déployé une nouvelle fonctionnalité, testée depuis deux ans sur Paris-Bordeaux et Toulouse-Nice, qui propose des lieux de rendez-vous au plus près des déplacements de ses usagers. "Il ne s'agit plus de proposer des voyages de villes à villes, mais plutôt de points en points. Ceci implique une puissance de calcul beaucoup plus conséquente pour deviner les trajets possibles, et évaluer le temps de parcours", explique Pierre-François Bouquet, data scientist de Blablacar, lors d'une conférence animée, le 12 avril, sur le salon Emarketing Paris, par la marque media Marketing. Nous devons savoir qui passe où et quand. Mais vu que nous ne pouvons pas montrer tous les trajets, nous estimons, par machine learning, qui serait intéressé pour s'arrêter dans les 2 points, avant de calculer les probabilités par conducteur et par trajet."

Segmentation du CRM

Une évolution qui a été permise par la collecte, en amont, et l'analyse de données. "Nous récupérons deux types de data. D'une part, nous disposons de celles renseignées par nos utilisateurs, qui se limitent à l'email, à l'âge, au téléphone, aux informations de voyage, et éventuellement à une photo et à une courte bio. Et d'autre part, celles découlant des habitudes du site et le parcours de conversion", détaille l'expert. Des data exploitées par une équipe composée de 5 data engineers, des data analyst, et 3 data scientist, soit une vingtaine de collaborateurs sur les 350 de l'ETI. "Être intégrés aux équipes métiers est primordial pour assurer le succès des projets", insiste Pierre-François Bouquet.

Autre projet mené par cette équipe data: l'amélioration de la performance des campagnes marketing. "Afin d'éviter de spamer nos bases, nous avons affiner la segmentation au sein de notre CRM. Jusqu'ici, nous basions nos actions sur la base d'un spectre uniquement déterminé par la fréquence et la récence (temps depuis le dernier voyage ou achat, ndlr), ce qui manquait de précision. Aujourd'hui, nous avons associé de nombreux autres comportements, et ce afin d'être plus user-centric, et de personnaliser nos messages", poursuit Pierre-François Bouquet.

Plus invisible est la modération des messages en temps réel, là encore opérée par des algorithmes. "Lorsque la machine ne comprend pas un mot, le basculement vers l'humain est automatique, et 10% des messages sont traités par des collaborateurs", poursuit le data scientist. Une manipulation humaine certes, mais seulement pour vérifier la pertinence de... l'IA.