La promesse des applications adaptatives
Aujourd’hui, les entreprises ne peuvent plus uniquement répondre aux besoins de leurs clients — elles doivent les anticiper et les devancer. Cela se manifeste par une nouvelle course à l’hyperpersonnalisation : des services qui utilisent des données en temps réel, le Machine Learning et l’analyse basée sur l’IA pour fournir proactivement des fonctionnalités adaptées aux besoins spécifiques et contextualisés de l’utilisateur. L’argument commercial en faveur de cette démarche est convaincant : selon une étude [hubspot], les entreprises qui excellent dans la personnalisation peuvent générer jusqu’à 40 % de revenus en plus que les autres.Situées à la frontière du monde numérique, les applications adaptatives sont absolument indispensables. Elles s’ajustent et se réajustent en fonction de l’évolution rapide des préférences de l’utilisateur, de la géolocalisation, des données collectées ou des circonstances. Sensibles au contexte, personnalisables, flexibles, elles sont également intelligentes et intègrent le ML prédictif, l’IA, les calculs en temps réel et les conversations génératives de l’IA afin de s’adapter.
Imaginons un service de streaming qui suggère des contenus à regarder en fonction de l’historique de visionnage et des préférences de l’utilisateur. Une application adaptative serait encore plus précise : elle programmerait des séances de télévision personnalisées, marquerait une pause automatique lorsque le téléspectateur a besoin d’une boisson et afficherait même des notifications pertinentes provenant d’autres services de streaming. De même, alors que les systèmes actuels de maisons intelligentes peuvent réguler l’éclairage, la température et les paramètres de sécurité en fonction de l’occupation et de l’heure de la journée, une application adaptative ajusterait les paramètres en fonction de la personne qui est à la maison et de la pièce dans laquelle elle se trouve.
Une architecture de données adaptée
Les marques qui aspirent à délivrer ce type d’expérience doivent d’abord réfléchir à l’architecture de leurs données de base. Les données doivent être disponibles dans des formats flexibles comme JSON afin de créer ou de modifier des saisies de données imprévues. Il peut s’agir d’améliorer les profils de compte avec de nouvelles caractéristiques de personnalisation ou de stocker des messages et des réponses de conversation avec de grands modèles de langage (LLM).L’architecture des données doit également garantir des performances exceptionnelles afin que les applications puissent réagir en temps réel pour ne pas manquer une opportunité de réponse. C’est pourquoi les applications adaptatives sont situées à la périphérie du réseau. Elles sont par ailleurs capables d’interconnecter les informations de personnalisation des comptes avec d’autres services choisis pour améliorer l’expérience de l’utilisateur. Ainsi, une banque, une compagnie aérienne et le programme de fidélité d’un hôtel pourraient se coordonner pour faire évoluer l’utilisateur en temps réel, par exemple lorsque la personne passe d’un statut client à un autre.
Il reste toutefois de nombreuses barrières à franchir. Les silos de données sont fréquents dans les entreprises modernes, rendant l’accès à l’information compliqué et augmentant la probabilité que les données ne soient pas stockées dans le bon format ou la bonne langue. Par ailleurs, les bases de données prolifèrent : bases de données opérationnelles, transactionnelles et analytiques opèrent souvent dans des langages, des méthodes de gestion et des processus différents. C’est un obstacle majeur à l’analyse en temps réel et à la prise de décisions pertinentes — sans parler de l’augmentation des coûts.
Le chemin pour y parvenir
Afin que les applications adaptatives deviennent plus concrètes, d’autres défis attendent les entreprises : rapidité des performances de l’application et usage du format JSON pour alimenter les prompts de l’IA avec des données fiables. Le développement de prompts perfectionnés est nécessaire, avec de multiples variables, y compris les critères de personnalisation, la localisation, l’activité et les calculs en temps réel, exécutés simultanément avec l’application en cours d’exécution.Il est primordial que les résultats analytiques puissent être intégrés dans la base de données opérationnelle et dans les applications qu’elle exécute. La plupart des systèmes analytiques ne restituent pas les valeurs des données dérivées qu’ils calculent dans les systèmes opérationnels, mais se contentent de présenter les résultats sous forme de tableaux de bord, empêchant la prise de décision rapide. La possibilité d’exécuter des calculs analytiques à grande échelle et en temps réel, susceptibles d’être exploités comme de nouvelles données dans les applications représentent un facteur essentiel dans la perspective d’utiliser des applications adaptatives.
Cela est désormais possible sur une plateforme de base de données unique, qui prend en charge les interactions sur les appareils mobiles des utilisateurs. Les organisations prêtes à adopter ces architectures de données novatrices réussiront à se distinguer, en offrant des expériences uniques et hyperpersonnalisées, qui deviendront vite pré-requises par de plus en plus d’utilisateur.
Par Tim Rottach, responsable produit chez Couchbase
