Vous êtes certes sur le cloud. Mais en tirez-vous pleinement parti ? Leçons à tirer des expériences des entreprises natives du digital

Comment le « cloud » participe-t-il à l'accélération de l'innovation ? Quelle est la différence entre être sur le cloud et tirer parti du cloud ? Est-il possible de réduire les coûts de développement et les délais de mise sur le marché ?

Pour répondre à ces questions, il est utile de se tourner vers les entreprises natives du digital (DNB) et de s'en inspirer. Ces entreprises B2C sont « nées dans le cloud » et nombre d'entre elles ont plus d'une décennie d'expérience dans l'extraction de valeur des services cloud.

La réussite ou l'échec des entreprises natives du digital (DNB) est tributaire de la qualité et de la rapidité de leur innovation. Elles créent des applications digitales que leurs utilisateurs apprécient bien et devancent leurs concurrents sur le marché. Leurs équipes de développement de produits et de logiciels s'efforcent d'optimiser l'utilisation de leurs budgets et de leur temps d'ingénierie pour créer des fonctions véritablement novatrices que les utilisateurs apprécient.

Pour avoir démarré en tant que startup technologique, de nombreuses DNB ont dû affiner leur proposition de valeur fondamentale pour obtenir un financement par capital-risque. Un tel processus les a contraints à définir leur valeur différenciée pour le consommateur. Cette valeur peut être la commodité de la livraison de nourriture par un réseau de restaurants et de chauffeurs, le prix et la disponibilité des biens d'occasion, ou une manière agréable de consommer du contenu.

Par ailleurs, les DNB sont tenus par l'impératif d'améliorer en permanence leur productivité et leur vitesse d'exécution. Elles y parviennent notamment en transférant les capacités des produits de base vers le cloud. Contrairement aux éléments de différenciation, les capacités de base sont celles que les clients de la DNB considèrent comme acquises. La capacité d'un système à enregistrer de nouveaux utilisateurs, à émettre une alerte lorsqu'une commande est prête et à faire évoluer la base de données backend sont des exemples de capacités importantes, mais non différenciées. Ces fonctions ne sont pas les plus importantes dans la décision d'achat d'un client. En tirant parti de ces capacités de base, les DNB peuvent concentrer les efforts de leurs équipes de développement sur les innovations qui font réellement la différence et fidélisent les clients. Par ailleurs, comme ces fonctions peuvent être rapidement mises en œuvre et optimisées, les équipes de développement peuvent immédiatement réduire le temps consacré à la maintenance continue et les coûts d'amélioration.

La possibilité d'augmenter ou de diminuer automatiquement la puissance de calcul en fonction de la demande avait été perçue comme révolution quand AWS l'avait introduite en 2009. Les entreprises ayant adopté ce service ont économisé de l'argent, du temps et de précieux efforts d'ingénierie dans leurs cycles de développement. Au fil du temps, de nombreux services cloud supplémentaires ont été ajoutés et ont enrichi la pile avec des capacités encore plus avancées.

Au nombre de ces services figuraient l'automatisation de la sécurité, de la gouvernance et de la conformité, les processus d'appui au développement et à l'essai des logiciels, les plateformes d'intelligence artificielle (IA) et de machine learning (ML), ainsi que les outils d'aide à une myriade de capacités à valeur ajoutée, notamment la RA/VR et la robotique. À titre d'exemple,Duolingo, une plateforme d'apprentissage des langues à technologie IA (intelligence artificielle), utilise le framework PyTorch sur AWS pour présenter des algorithmes personnalisés qui offrent aux clients des leçons sur mesure pour 32 langues, de l'arabe au gallois. Ces modèles personnalisés utilisent entre 100 000 et 30 millions de points de données pour réaliser 300 millions de prédictions quotidiennes, telles que la probabilité qu'un utilisateur se souvienne d'un mot particulier et réponde correctement à une question.

Le système de Duolingo fait ces prédictions à l'aide du deep learning, un sous-ensemble de l'IA et du ML, qui analyse le nombre de fois qu'un utilisateur a vu un mot, combien de fois il l'a utilisé correctement, les modes dans lesquels il a répondu correctement et depuis combien de temps il ne l'a pas pratiqué. L'application utilise ces prédictions pour injecter le mot dans le programme d'études dans un contexte dont l'utilisateur a besoin pour le maîtriser.

À ses débuts en 2009, Duolingo utilisait des algorithmes traditionnels des sciences cognitives pour enseigner des langues étrangères dans le cadre d'un projet de traduction à l'université Carnegie Mellon. Mais ces algorithmes ne pouvaient pas traiter les données en temps réel pour créer des expériences personnalisées qui entretiennent l'intérêt des utilisateurs pour le contenu.

Les outils de deep learning ont également aidé Duolingo à améliorer la précision de ses prédictions pour approfondir l'engagement des clients. Après avoir mis en place ces outils, Duolingo a remarqué une augmentation de 12 % du nombre d'utilisateurs qui ont utilisé le service, puis son chiffre d'affaires le deuxième jour. Duolingo compte aujourd'hui 300 millions d'abonnés et continue de s'appuyer sur le cloud AWS pour accroître la vitesse et l'évolutivité de la plateforme et élargir les types de prédictions qu'elle peut faire.

L'expérience de Duolingo montre que le « cloud » offre désormais un éventail croissant de possibilités. Trois grands avantages découlent de ces capacités :

L'objectif principal d'une équipe chargée des produits est de créer des produits de valeur différenciée qui seront plébiscités sur le marché et feront le succès des utilisateurs. Quoique l'infrastructure soit essentielle, le transfert vers le cloud de l'acquisition, de la conception, de la mise en œuvre et de la maintenance du matériel et des logiciels peut aider les entreprises à réduire les délais de commercialisation. La plupart des organisations comprennent que l'infrastructure cloud comprend des aspects physiques tels qu'un centre de données, des machines et du stockage. Cependant, les DNB les plus performantes savent que leur infrastructure logicielle représente un levier encore plus important pour accroître la rapidité et la qualité.

Le cloud AWS fournit désormais un pipeline d'intégration et de livraison continues (CI/CD) qui permet à tous les développeurs d'une entreprise d'utiliser le même processus pour tester leur code afin de détecter tout problème. Cela permet également de s'assurer que le code écrit par différentes équipes est intégré et fonctionne bien et qu'il est prêt à être déployé en même temps. Une fois déployée en production, la charge de travail sera surveillée, et elle augmentera ou diminuera automatiquement d'échelle en fonction de la demande. Dans le passé, le budget et les ressources en personnel nécessaires dans le secteur pour créer et soutenir ces capacités représentaient une moyenne de 15 % du budget total d'ingénierie et d'exploitation. Ces fonctions constituaient parfois des points de friction qui retardaient le déploiement de nouvelles fonctions génératrices de revenus. D'après notre expérience, certaines des meilleures DNB consacrent désormais très peu de leurs ressources d'ingénierie et d'exploitation à ces capacités de soutien, tout en réduisant considérablement leurs délais de mise sur le marché et en améliorant l'expérience de leurs clients.

C'est le cas de Coinbase, un fournisseur de plateformes et de portefeuilles de devises numériques qui compte 30 millions de clients. Cette entreprise basée à San Francisco a utilisé AWS Step Functions pour automatiser et régir le déploiement de nouvelles fonctions et mises à jour logicielles tout en protégeant mieux les utilisateurs contre les cyberattaques. Non seulement Coinbase déploie avec succès 97 % du temps, mais elle a également réduit le temps nécessaire à l'ajout de nouveaux comptes de plusieurs jours à quelques secondes seulement, ainsi que le nombre de tickets de service clientèle.

De même, Freshworks, une société basée à San Mateo, en Californie et qui développe des solutions SaaS pour les petites et moyennes entreprises, a renforcé son marketplace avec AWS Lambda, une plateforme qui aide les développeurs à créer et à exécuter des plugins tout en gérant les coûts à travers une augmentation ou une diminution des capacités en fonction de la demande pour la seule fonction du plugin. À titre d'exemple, les agents Freshworks traitent désormais les tickets de service clientèle en deux fois moins de temps qu'auparavant.

Il est essentiel pour toute entreprise de disposer des informations issues de données qui permettent de mieux servir les clients. Peut-être que personne ne le comprend mieux que les DNB, qui servent les clients les plus exigeants de tous, c'est-à-dire les consommateurs. C'est pourquoi ces entreprises accordent une telle importance à la création de fonctions qui apportent une valeur ajoutée aux clients. Si les DNB sont profondément techniques, les meilleurs d'entre elles sont également redoutables lorsqu'il s'agit de concentrer leur temps sur la création de capacités différenciatrices plutôt que de capacités de base. Elles savent que leurs consommateurs s'intéressent avant tout à des avantages concrets, tels que des recommandations de films fiables, de l'aide pour trouver un bar sportif dans une nouvelle ville et des critiques de restaurants avisées.

Des expériences hautement pertinentes et personnalisées sont générées par l'utilisation d'outils d'IA/ML adaptés à plusieurs niveaux d'expertise. 1) Au niveau fondamental, les développeurs spécialisés ont la possibilité de personnaliser le framework logiciel sous-jacent proprement dit. C'est un peu comme si l'on construisait son propre moteur de voiture. 2) La grande majorité des entreprises créent, entraînent et déploient leurs modèles à partir d'un framework. C'est comme si vous choisissiez un moteur préfabriqué et que vous l'adaptiez en fonction de vos besoins. 3) Pour optimiser la rapidité, les entreprises peuvent toutefois déployer un modèle préétabli pour des cas d'utilisation spécifiques tels que la détection des fraudes ou la personnalisation - un peu comme si vous achetiez la « version sport » ou le « pack temps froid » lorsque vous connaissez déjà vos besoins.

La personnalisation avec l'IA/ML peut être particulièrement puissante. Intuit, la société de logiciels financiers, a utilisé le service Amazon Personalize pour concevoir et lancer rapidement un moteur de recommandation pour son application de suivi et de planification budgétaire Mint. De même, Keen, fabricant de bottes et d'autres chaussures de plein air, utilise le même service Amazon pour suivre l'historique de navigation et d'achat des clients et faire des recommandations d'achat. Les e-mails test de Keen utilisant la fonction de recommandation lui ont permis d'augmenter son chiffre d'affaires de près de 13 %. Enfin, Ably, une startup sud-coréenne spécialisée dans le eCommerce de vêtements utilise l'IA pour formuler des recommandations personnalisées sur la page d'accueil de son application. Selon Ably, le moteur de recommandation, qui exploite les historiques de navigation et d'achat de chaque client, a permis à l'entreprise de développer des capacités d'IA sophistiquées sans aucune expérience préalable de la technologie du ML.

Ces nouveaux leviers et capacités permettent, en combinaison avec l'excellence opérationnelle, d'accélérer l'innovation. Pour parler comme Isaac Newton,

La masse représente l'ensemble des ressources (budget et personnel) consacrées au développement de la capacité du produit différencié générateur de revenus. L'accélération représente le processus de développement et l'environnement opérationnel. Une plus grande force résulte de la maximisation des ressources disponibles pour les activités différenciées, ainsi que de l'augmentation de la vitesse de l'ingénierie.

Chaque entreprise digitale peut bénéficier du rythme accru d'innovation que le cloud AWS rend possible. Voici quatre points de départ recommandés :

Une représentation visuelle de ces trois facteurs est donnée ci-dessous. L'axe horizontal des abscisses indique le niveau d'effort, exprimé en dollars. L'axe vertical des ordonnées représente une évaluation subjective du risque du projet. La taille des cercles indique les budgets qui pourraient être réaffectés à l'innovation.

Cet exemple utilise une évaluation de l'état actuel de l'organisation. Cette même méthodologie devrait être utilisée de manière récurrente. Au final, l'histoire montre bien qu'un utilisateur précoce de l'AutoScaling en 2009 avait un avantage concurrentiel sur les autres qui s'accrochaient au provisionnement manuel.

Une approche prospective peut être appliquée aux nouveaux projets, lorsque les équipes de produits et d'ingénierie discutent de la feuille de route, des niveaux d'effort et des objectifs. Les équipes doivent identifier les capacités réellement différenciatrices et rechercher les possibilités de minimaliser les travaux de base. Cet exercice simple peut accélérer considérablement un projet.

Les entreprises natives du digital créent des innovations qui changent notre quotidien. Elles révolutionnent notre façon de faire les courses, de nous divertir, de nous déplacer en ville, et bien plus encore. Ce faisant, les DNB ont appris que le simple fait d'exécuter des innovations sur le cloud ne suffit pas. Elles peuvent nous donner de précieux enseignements sur la manière de tirer parti du cloud pour innover à grande vitesse.