Comment Orange sauve ses box du coup de foudre

Le saviez-vous ? Les boîtiers Internet, téléphone, télévision n'aiment pas l'orage. Il arrive même à certains d'entre eux d'être victimes d'un coup de foudre qui ne réjouit pas leur possesseurs qui se trouvent privés de leurs modes de communications préférés.

Pour éviter pareille mésaventure, Orange a développé avec les services météorologiques un dispositif original. Dès lors qu'un orage est prévu dans une zone donnée, les abonnés sont prévenus par un message par mail ou par SMS l'invitant à débrancher son appareil. En 2014, Orange annonce avoir envoyé 6 millions de courriels et 7 millions de SMS à ses abonnés pour les prévenir.

Pour améliorer son service, l'opérateur a utilisé les données fournies par l'expérience et les outils du machine learning. Il a ensuite affiné ses alertes en fonction de la nature de l'orage, du type de box chez l'abonné ou encore de la topographie des lieux où éclate l'orage.

1 million d'euros investis

Invité du salon big data, Sébastien Boutin, directeur de la stratégie data et clients d'Orange, a estimé que l'opération avait coûté un million d'euros mais en avait rapporté 2,8 millions. Dans ce montant, il inclut le coût des box qu'il faut remplacer mais aussi les appels évités au service client d'utilisateurs qui ne comprennent pas pourquoi leur installation ne fonctionne plus...

"Le machine learning n'est pas magique. C'est un travail qui vaut le coup", a indiqué Sébastien Boutin, avant de dresser la liste des éléments nécessaires au succès. La qualité des données est essentielle, a-t-il expliqué, considérant que la "préparation de la data représente 90 % du travail à accomplir".

Autre élément critique qui a bien fonctionné dans ce projet : la qualité de la relation entre les équipes métiers et le data scientist. Sans un dialogue de qualité pour comprendre les besoins du terrain et les résultats des analyses, le résultat n'est pas satisfaisant. En 2014, Orange estime avoir sauvé 35 000 box grâce à cet outil innovant.

L'opérateur poursuit ce travail dans de nouvelles directions, en dehors des situations d'orage. Toutefois, le but reste le même : apporter le meilleur service possible et réduire le coût des interventions. Mieux la panne est diagnostiquée, plus le client est satisfait et moins cela coûte cher à l'opérateur.

Sélectionné pour vous

Comment les outils d'IA d'Anthropic ont servi d'armes à des cybercriminels

Après sa levée de fonds, Databricks s'empresse d'acquérir la start-up de ML Tecton

Zipline AI lève 7 millions de dollars pour accélérer le développement de pipelines de données IA