Lauri Kien Kotcher, PDG et cofondatrice de Different Day – Série d’interviews

Lauri Kien Kotcher, PDG et cofondatrice de Different Day, est une dirigeante d’entreprise chevronnée, créatrice de marques, administratrice et conseillère stratégique dont la carrière couvre l’intelligence artificielle, les produits de consommation, le commerce de détail, la santé, les services financiers et le capital-investissement. Avant de fonder Different Day, elle a été PDG et membre du conseil d’administration de quip, où elle a conduit un passage plus large des soins bucco-dentaires au bien‑être buccal, introduit de nouveaux produits, refondu le modèle d’abonnement direct‑au‑consommateur de l’entreprise et réduit les coûts d’exploitation. Elle a auparavant dirigé The Shade Store et Hello Products, guidant cette dernière à travers une croissance importante et son acquisition par Colgate en 2020. Ses fonctions de direction antérieures comprennent des postes de haut niveau chez L Catterton, Godiva Chocolatier, Lehman Brothers et Pfizer Consumer Healthcare, ainsi que 15 ans chez McKinsey & Company, où elle est devenue associée et a co‑dirigé la pratique des biens de consommation en Amérique du Nord du cabinet. Kotcher siège également au conseil d’administration de Freshpet, apportant une vaste expérience en stratégie de croissance, innovation, marketing, fusions et acquisitions, et transformation organisationnelle.

Different Day aide les organisations du marché intermédiaire à transformer les défis opérationnels en applications d’intelligence artificielle pratiques et personnalisées qui s’intègrent à leurs environnements technologiques existants. Plutôt que de se concentrer sur des projets d’IA expérimentaux ou des logiciels à usage général, l’entreprise développe des solutions complètes conçues pour réduire le travail manuel, améliorer la visibilité, accélérer la croissance du chiffre d’affaires, renforcer les marges et révéler des informations commerciales utiles. Son activité couvre des domaines tels que la prévision de la demande, la planification de l’offre et des stocks, l’intelligence commerciale, la réconciliation des aides financières, la conformité, l’analyse de contrats, la gestion de la relation client et le reporting de performance. Different Day positionne son équipe comme un partenaire, de la découverte initiale du problème jusqu’au déploiement et au transfert de connaissances, permettant aux clients d’exploiter et d’améliorer continuellement les applications en interne.

Vous avez passé des décennies à piloter la transformation chez McKinsey, Godiva, Hello Products, The Shade Store et quip avant de co‑fonder Different Day. Qu’est‑ce qui vous a convaincue que les entreprises du marché intermédiaire avaient besoin d’un nouveau type de partenaire IA, et quels problèmes opérationnels estimiez‑vous que les fournisseurs technologiques et les cabinets de conseil existants ne résolvaient pas ?

De façon surprenante, les dirigeants d’entreprise vivent souvent dans l’obscurité. En tant que PDG et directeur marketing à la tête de marques et de détaillants grandissant rapidement dans le marché intermédiaire, je ne parvenais jamais à obtenir une vision claire de l’ensemble des composantes de l’entreprise. Nos données se trouvaient souvent dans des silos déconnectés par canal, géographie et propriétaire fonctionnel. Mon instinct était que l’IA pourrait enfin relier ces points et nous aider à identifier ce qui nous manquait, mais je ne savais ni qui appeler ni par où commencer. Different Day est devenue la réponse à cette question.

Les entreprises du marché intermédiaire disposent de moins de ressources que les grandes entreprises, mais elles peuvent également bénéficier de moins de bureaucratie et de dette technique. En quoi leur approche de la mise en œuvre de l’IA doit‑elle différer du modèle des grandes entreprises ?

Les entreprises du marché intermédiaire possèdent un super‑pouvoir extraordinaire qu’elles doivent exploiter. Elles devraient viser à dépasser leurs concurrents plus grands, car la rapidité est leur véritable avantage. Nous estimons que nous pouvons transformer la plupart des entreprises du marché intermédiaire en organisations nées avec l’IA, comme si elles étaient lancées en 2026 dès le départ. Les grandes entreprises craignent discrètement que l’IA permette aux rivaux plus petits d’égaliser les chances, en utilisant des co‑équipiers IA pour avancer plus vite sans augmenter les effectifs. Moins de personnes signifie moins de décideurs sur ce qu’il faut faire, comment le faire et quels sont les objectifs, de sorte qu’un organigramme plus restreint devient un atout, pas une contrainte.

Lors de l’évaluation des opérations d’une entreprise, comment distinguez‑vous un flux de travail qui bénéficie réellement de l’IA d’un flux qui serait mieux résolu par une automatisation conventionnelle, un logiciel amélioré ou une refonte de processus ?

Je crois à l’approche « nue »: dépouiller votre flux de travail jusqu’à l’essentiel. Simplifier le processus doit précéder l’IA. Commencez avec une feuille blanche – que feriez‑vous ici si le logiciel hérité et les solutions de contournement n’existaient pas ? La plupart des processus existants ont été conçus pour contourner des outils maladroits, pas parce qu’ils sont la bonne façon de travailler. Lorsque les contrats arrivent à échéance, demandez quelles fonctionnalités vous utilisez, et à quelques exceptions près, l’IA peut créer quelque chose de plus adapté que ce que vous avez aujourd’hui. Bien qu’il y ait toujours des systèmes à conserver, comme votre ERP ou CRM, nous concevons exactement les modules complémentaires dont vous avez besoin et rien de plus.

Different Day affirme pouvoir commencer avec un prototype de 72 heures et passer à une remise prête pour la production en quelques semaines. Qu’est‑ce qui rend ce rythme possible, et quelles conditions techniques, de sécurité ou organisationnelles pourraient ralentir une implémentation ?

Cela peut sembler une promesse excessive, mais c’est le reflet de notre avantage unique en tant qu’entreprise fondée par des personnes qui comprennent à la fois le business et la technologie. Notre équipe est native de l’IA, de sorte que la construction elle‑même progresse bien plus rapidement que le développement logiciel traditionnel. Ce qui ne change pas, c’est la phase de découverte: qui possède le processus, qui d’autre doit adhérer, quel résultat vous visez et à quel degré, ce qui a échoué auparavant. Omettre ce travail en amont le fait réapparaître plus tard ; lors des intégrations, de la mise en œuvre, à un coût bien plus élevé. Ce rythme n’est possible que parce que nous chargeons l‑compréhension en amont plutôt que de coder.

De nombreuses entreprises du marché intermédiaire fonctionnent avec des feuilles de calcul déconnectées, des systèmes hérités et des sources de données incohérentes. Quelle préparation des données est généralement nécessaire avant que l’IA ne produise des résultats opérationnels fiables ?

Les données déconnectées avec lesquelles vivent la plupart des entreprises du marché intermédiaire constituent en réalité une opportunité, pas un obstacle. Nos outils font apparaître exactement où se situent les lacunes, et l’entreprise décide si et comment les combler. Avant l’IA, ces lacunes étaient invisibles ; quelqu’un forçait simplement les feuilles de calcul à prendre une décision ou se basait sur des données incomplètes sans s’en rendre compte. Aujourd’hui, les équipes peuvent voir la lacune et ajuster leur décision en conséquence au lieu de supposer que les données étaient solides.

Quels indicateurs les dirigeants devraient‑ils définir avant de lancer un projet d’IA, et dans quel délai peuvent‑ils s’attendre à voir des preuves que l’implémentation génère un retour sur investissement significatif ?

L’IA peut être nouvelle, mais les disciplines classiques du business restent d’actualité. Les problèmes surviennent lorsque les gens pensent que toutes les anciennes règles ont disparu. Chaque projet d’IA nécessite un objectif clair dès le départ, qu’il s’agisse de ventes, de visibilité de la marque, de marge, de rapidité de décision, ou de plus de production sans augmenter les effectifs, accompagné d’un calendrier réaliste pour l’atteindre. Les délais varient selon le nombre de connexions de données, les systèmes internes et externes impliqués, et la quantité d’apprentissage nécessaire avant que les résultats soient fiables. Vous devriez observer une forme de résultat d’ici trois mois ; les projets plus complexes prennent plus de temps. L’essentiel est de concevoir le projet par étapes, afin de ne pas attendre un seul résultat « big‑bang ».

Different Day met en avant des applications couvrant la prévision de la demande, la planification de l’offre, l’intelligence contractuelle, la réconciliation des aides financières et les signaux de vente en temps réel. Quels cas d’usage produisent aujourd’hui les résultats les plus reproductibles, et lesquels restent fortement dépendants du secteur et du modèle opérationnel d’une entreprise ?

Ne sous‑estimez pas le facteur de reproductibilité de l’IA. À bien des égards, les entreprises sont structurellement plus similaires que nous le pensons, des contrats universels à l’ajustement des besoins des clients avec les capacités internes. L’intelligence contractuelle et la réconciliation des aides financières sont les plus reproductibles aujourd’hui ; les deux ont des paramètres et des sorties clairs, de sorte que l’outil sait exactement ce qu’il doit résoudre. La prévision de la demande et la planification de l’offre sont plus complexes: davantage d’ensembles de données, plus de canaux, et une variation beaucoup plus grande d’un modèle opérationnel d’entreprise à l’autre. Une notification client en temps réel se situe au milieu, selon la pile technologique et les canaux actuels de l’entreprise.

Comment une entreprise doit‑elle décider d’acheter un produit IA « prêt à l’emploi », de le développer en interne ou de créer une application personnalisée avec un partenaire externe ? Quelles questions permettent de révéler une complexité inutile ou un verrouillage fournisseur ?

Évitez les attrape‑têtes IA et soyez sceptiques face aux publications LinkedIn qui font paraître la création d’outils sophistiqués en interne facile. Construisez en interne uniquement lorsque l’outil est réellement simple, comme un tableau de bord qui agrège quelques feuilles de calcul en une vue claire pour quelques collègues. Dès que vous avez besoin d’extraire des données en temps réel depuis des systèmes internes et externes, cela dépasse les capacités d’une équipe non technique avec des outils bricolés. L’IA prête à l’emploi a la même limite que le SaaS prêt à l’emploi a toujours eu. Elle vous donnera une lecture de données génériques, mais ne vous apportera pas la nuance propre à votre activité et à vos concurrents.

Quelles sont les erreurs les plus courantes que vous observez chez les entreprises lorsqu’elles passent d’une démonstration IA impressionnante à un système que les employés doivent faire confiance et utiliser quotidiennement ?

Je constate une épidémie de « prototype‑itis »: les entreprises se laissent séduire par les 10 % visibles de l’iceberg. Le prototype semble impressionnant, mais le vrai travail se déroule sous la surface: tests de données et rétro‑tests, vérification de chaque liaison système, et sécurisation des données. Vient ensuite la gestion du changement: former les personnes à son utilisation, connaître ses limites, identifier les moments où l’humain doit rester dans la boucle, et quelles questions poser à ses résultats. L’IA doit être adaptée à un usage précis, pas un substitut au jugement humain, surtout dans une entreprise du marché intermédiaire où ce jugement a mis des années à se construire.

À mesure que l’IA s’intègre aux opérations centrales, comment pensez‑vous que les rôles des managers et des employés de première ligne évolueront, et que doivent faire dès maintenant les dirigeants du marché intermédiaire pour que l’IA élève leurs équipes plutôt que d’ajouter simplement une couche technologique supplémentaire ?

« Managers » désignait autrefois la direction de personnes. Rapidement, cela est devenu la gestion d’agents et de systèmes. Commencez par cartographier les principaux points de douleur de l’équipe et isoler le travail manuel et répétitif ; c’est là que l’IA doit d’abord intervenir, avant de lui confier des décisions plus complexes. Il faut d’abord marcher avant de courir, surtout dans une entreprise du marché intermédiaire où la confiance doit être gagnée un succès à la fois.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Different Day.