Despite its futuristic connotations, artificial intelligence (AI) itself is nothing new. Every time you search in Amazon’s toolbar, or watch a recommended show on Netflix, you are interacting with AI. The technology decides the content most relevant to what you’re looking for, interpreting inexact searches and past usage to generate the most relevant results.
Download our deep learning and AI guide for digital asset management here
Given its success in daily activities, it’s easy to see how this technology can translate perfectly into the digital asset management (DAM) environment. After all, a DAM kind of acts like a Netflix or Pinterest for your company’s videos and images, doesn’t it?
Speculation
The reality is that there's skepticism as to whether AI will immediately prove itself useful to the DAM industry, questioning whether the generic auto-suggested tags coming from APIs such as Google Cloud Vision are specific enough to be used for business. This means human intervention is still needed to fully categorize images.
However, in contrast, the AI capabilities being released now can do the heavy lifting of the tagging needed for images, taking on a majority of the work.
For the retailer uploading 1,000 images from a product shoot that need to be tagged, AI automating up to 80% of the tags needed - with 80% accuracy - is a welcome sight.
B2C Paving the Way
The AI we’re familiar with is being pioneered by consumer facing industries, across the board. Take Pinterest, for example, where the vertical video feed is currently rolling out a tool that uses deep learning to search for items within an image. What does that mean? f you're looking at a photo of a living room and are only interested in the lamp, you can single out that specific item.
Retail is also full of great innovation examples powered by the evolution of AI. Online shopping has transformed the process of filtering online catalogues; where you used to have traditional check boxes and exact search terms, now you have an intuitive, automatic determination of the color, size and even style of the clothing to suit the user.
Et même si l'auto-tagging fait partie des fonctionnalités importante de l'IA, l'attention va être portée sur une autre valeur ajoutée : la recommandation et suggestion de contenu personnalisé.
Selon Anjali Yakkundi, Analyst chez Forrester, un logiciel de Digital Asset Management ne devrait pas seulement nous aider à gérer notre contenu, mais également nous permettre de prendre de meilleures décisions sur le contenu à utiliser, sur la base de plusieurs indicateurs :
- Le customer reach : si vous avez une vidéo sur facebook, vous pouvez compter le nombre de partage, combien de gens ont vu cette vidéo, et si cette vidéo attire l'attention
- L'usage : combien d'utilisateurs ont utilisé la vidéo, si il y a un département qui utilise plus un certain type de fichier plutôt qu'un autre
- Engagement : quelle est l'intéraction autour du contenu publié (ex: combien de temps une vidéo a été visionnée en moyenne)
- Résultats opérationnels : savoir si le contenu publié a permis d'augmenter une métrique de performance particulière
Les logiciels de Digital Asset Management devraient donc évoluer d'une simple base de stockage statique à un environnement intelligent, intégré à toutes vos technologies marketing et sales (CMS, CRM, email, portail, campagnes, PIM, sociales, Marketing Automation, etc).
Exemples d'application de l'IA
Dans son article pour CMS Wire au sujet de l'intelligence artificielle, Emily Kolvitz - documentaliste chez Bynder - donne des exemples d'utilisation de l'IA des applications que nous utilisons tous les jours, et de la façon dont ceux-ci pourraient être appliqués aux logiciels photothèque. "La vérité est que chaque tâche mécanique sur lequel un utilisateur du DAM passe du temps pourrait être améliorée via l'intelligence artifificielle et le machine learning" explique Emily. Voici quelques exemples d'application de l'IA qu'elle évoque :
La reconnaissance faciale de Facebook
Facebook, qui a ouvert son logiciel de reconnaissance d'image en 2016, utilise un algorithme qui attribue un numéro à votre visage, basé sur des données comme la distance entre les traits du visage. Cela permet à Facebook de suggérer de vous taguer vous-même ou un ami sur des images avec précision.
Comment peut-on appliquer cela au DAM ?
Pensez à une entreprise qui veut identifier et étiqueter son PDG dans chaque photo. La fonctionnalité d'IA seule pourrait potentiellement économiser des jours, sinon des semaines de travail manuel à repérer ces photos et les taguer.
Les plus sceptiques du taggage intelligent et de la précision des "machines" disent que "la plupart des fonctionnalités d'auto-taggage relève de la chance et de la devinette". Pourtant, le programme Watson d'IBM bat les humains à Jeopardy et permet de diagnostiquer des cancers avec 40% plus de précision que des médecins humains. Bien qu'il ne s'agisse que d'hypothèses, le niveau de confiance de la machine est extrêmement élevé. De plus, la reconnaissance faciale de Facebook a une cote de précision de plus de 99% pour les plans frontaux.
Traitement Automatique du Language Naturel (TALN)
Vous avez l'exemple d'intelligence artificielle qui utilise le Traitement automatique du language naturel dans votre poche : l'assistant personnel de votre smartphone. Que ce soit Siri, Cortana ou Google Now, ces système traduisent des instructions humaines ordinaires en une langue que les ordinateurs peuvent comprendre et exécuter.
Comment peut-on appliquer cela au DAM ?
Imaginez faire une présentation à votre management et qu'au lieu de montrer un rapport ennuyeux, vous présentez des analyses en temps réel, activées par la reconnaissance vocale : "Combien de personnes se sont connectées aujourd'hui ?" ou bien, "Quels sont les fichiers les plus consultés cette semaine ?". Un gain de temps considérable sera donc réalisé avec ce type de technologie.
Le vérification de plagiat appelé Pensters
Ce vérificateur vous permet d'analyser n'importe quel texte et de vérifier s'il provient ou non d'une source existante. Alors que les enseignants l'utilisent pour s'assurer que les élèves écrivent eux-même leurs documents, ce système pourrait être utilisé pour identifier la relation entre différents documents.
Comment peut-on appliquer cela au DAM ?
Prenons un rapport annuel d'entreprise. Le texte et les nombreuses études de ce rapport seront certainement utilisés dans le cadre de présentations variées ou de livres blancs. Dans ce cas, ce rapport ne sera pas plagié mais juste utilisé comme source d'informations.
Un logiciel de Digital Asset Management pourra donc vous servir à lier des documents automatiquement en analysant le contenu des documents, tout en permettant de savoir depuis quelle source telle ou telle information a été prise. Des algorithmes pourront également être utilisés pour marquer et catégoriser des documents en fonction des contenus qui s'y trouvent.
Netflix
Qu'est ce que Netflix pourrait apprendre au DAM à propos de l'intelligence artificielle ? Son moteur de recommandation leur fait économiser plus d'un milliard de dollars chaque année. Ce moteur suggère des titres à l'utilisateur qu'il n'aurait pas pu trouver autrement.
"Lorsqu'elles sont produites et utilisées correctement, les recommandations conduisent à des augmentations significatives de l'engagement de l'utilisateur (ex: heures de diffusion en continu, nombre de films visionnés) et à des taux de churn et de désinscription plus faibles."
Comment peut-on appliquer cela au DAM ?
Appliquée au DAM, la citation du dessus ressemblerait plus à : le moteur de recommandation de ressources numériques augmente l'engagement du logiciel photothèque, l'adoption des utilisateurs et la réutilisation du contenu, basée sur l'intérêt que manifeste l'utilisateur sur d'autres ressources. Cela augmente donc bien entendu le retour sur investissement (ROI), ce que les logiciels DAM sans AI ne pourraient pas faire.
Un pavé dans la MarTech
Que vous soyez enthousiasmé de ces changements opérés au niveau des solutions DAM par l'IA, ou hésitant de leurs réels impacts pour votre entreprise, rappelez-vous que la technologie existe déjà. Et les exemples d'application évoqués ci-dessus prouvent leur intérêt. Anjali Yakkundi rappelle que les bénéfices pour les entreprises sur le long terme sont conséquents :
- Économies réalisés sur la réutilisation du contenu existant, évitant les coûts de re-création
- Plus d'efficacité et de productivité : gain de temps dans la recherche des fichiers
- Maximiser la valeur de vos ressources et identification plus rapide des contenus à plus forte valeur ajoutée
- Amélioration de votre image de marque : plus de données, des recommandations plus intelligentes, suggestion de contenu 'on-brand' à utiliser pour tel canal ou client
- Possibilité de lier votre content marketing à vos résultats d'entreprise : intégrer l'analyse du succès de vos médias aux résultats de votre entreprise, permettant aux content marketers de justifier la valeur du travail qu'ils produisent.
Injecter l'intelligence artificielle dans le DAM pourrait finalement populariser ce type de solution, conclut Emily, et mettre definitivement fin à la question "Qu'est-ce que le Digital Asset Management ?".
Envie d'en savoir plus sur l'intelligence artificielle et le DAM ? Découvrez comment cela s'applique à Bynder en démarrant votre version d'essai gratuite, sans engagement.
