Actualité

Vue 22 fois
28 octobre 2019

Intelligence Artificielle : Une formidable opportunité d'avantage compétitif pour les ETI

Tous les jours à longueur de médias, on entend parler d’Intelligence Artificielle et lorsqu’elle est évoquée dans le monde professionnel sous l’abréviation d’IA, les gens s’empoignent pour savoir si c’est une révolution ou « business as usual ». Les précédentes révolutions ont « augmenté » les capacités humaines de façon fantastique. L’écriture inventée il y a plus de 5000 ans a permis le stockage de l’information, l’impression (en Chine dès le IXème siècle, plus tard en Europe avec Gutenberg) a démultiplié la diffusion mondiale de l’information dans les réseaux de l’époque, etc. La mécanisation forcenée au début du 20ème siècle a augmenté les capacités physiques des hommes mais aussi provoqué une forme d’asservissement (voir « Les temps modernes » de Charly Chaplin). L’IA pourrait être cette nouvelle révolution capable d’augmenter les capacités cognitives humaines, comme la feuille Excel a déjà doté chacun de capacités calculatoires exceptionnelles, mais aussi de l’asservir tout autant comme l’ont montré certains reportages récents… (*)

Nous ne trancherons pas ici ce débat sociétal, voire philosophique, mais nous nous concentrerons sur les raisons pour lesquelles les ETI doivent aujourd’hui aborder cette nouvelle étape qu’est l’IA et nous donnerons quelques points clefs sur la bonne manière de se lancer et d’en tirer vraiment parti.

De manière simplifiée : IA = données + algorithmes.

Les algorithmes peuvent être des fonctions mathématiques plus ou moins compliquées avec plus ou moins de variables, ou alors des réseaux de neurones qui simulent mathématiquement le mécanisme biologique des neurones et qui ont une particularité : leur capacité d’apprentissage. Les algorithmes constituent des modèles approchant le réel.

Les données se divisent également en deux catégories, celles qui servent à mettre au point les algorithmes, ce sont les données de test ou d’apprentissage. Et les données de production, c’est-à-dire celles avec lesquelles on utilise les algorithmes au quotidien. Il est clair que la qualité des données qui servent à la mise au point des algorithmes est fondamentale pour la qualité des résultats des algorithmes en production.

Les domaines d’utilisation de l’IA sont extrêmement nombreux, et il s’en ajoute de nouveaux tous les jours, surtout en combinant plusieurs systèmes à base d’IA entre eux.

De manière simplifiée, on peut distinguer trois domaines « de base » de l’IA qui sont la vision, le langage et la robotique et ensuite les domaines qu’on pourrait qualifier « d’application » qui peuvent irriguer toutes les fonctions de l’entreprise :

  • RH, avec des aides au recrutement, à la gestion de carrière, des talents …,
  • Marketing et vente, avec la personnalisation du parcours client, l’aide à la création de contenu….
  • R&D, avec des aides à la conception, simulations….
  • Finance, avec des aides au rapprochements de factures, des aides à la planification de trésorerie, au contrôle financier….
  • Production, avec du contrôle qualité de production, de l‘optimisation du process industriel, maintenance prédictive…

Sans rentrer ici dans les détails, plusieurs algorithmes seront testés sur ces ensembles données/résultats et le meilleur en termes de performance/robustesse (c’est-à-dire un compromis précision/fiabilité) sera sélectionné pour piloter « intelligemment » le processus concerné. L’IA peut même optimiser un processus de production mieux que ne le font les opérationnels terrain ou les experts parce qu’elle est capable d’explorer plus vite et plus à fond des options de pilotage pour trouver les meilleurs réglages.

Les applications sont sans limite : Un grand ascensoriste annonce avoir réduit ses taux de panne de 15% en installant sur ses équipements une IA qui analyse la fermeture des portes (50% des pannes) : Avant de tomber en panne, les portes dysfonctionnent progressivement en s’écartant du fonctionnement nominal. Cela permet soit d’anticiper la maintenance, soit au contraire de retarder la maintenance programmée. Clients plus satisfaits avec des ascenseurs qui fonctionnent et coûts réduits pour l’entreprise, un vrai win-win.

Maintenance prédictive, contrôle qualité, optimisation des paramètres de réglage d’un process, conception d’équipement, etc. Les seules limites sont l’imagination des équipes et le coût de l’opération.

Il est aisé de comprendre que, l’algorithme étant mis au point grâce aux données, les données sont clefs. Elles n’ont pas nécessairement besoin d’être très nombreuses (IA ne rime pas avec Big Data) même si pour certains types de problèmes, il en faut beaucoup (reconnaissance d’images par exemple) mais elles ont surtout besoin d’être de QUALITE : cohérence, consistance, complétude. Malheureusement, très souvent, les données à disposition ne sont pas aussi parfaites que le pensent les responsables opérationnels, il y aura un travail préalable de nettoyage et qualification des données. Ce travail sur les données peut représenter 80% de la charge d’un projet d’IA, le travail sur les algorithmes étant finalement moins consommateur de ressources.

Alors, où appliquer l’IA ? Partout ?     A priori oui !!….

A partir du moment où une ETI est confrontée à un point dur dans ses process qui lui font perdre de la performance et qu’il existe des données associées à ce point dur, elle peut légitimement se poser la question d’appliquer ces techniques d’IA pour supprimer (ou au moins minimiser) ce point dur et optimiser sa performance. Citer des exemples (maintenance, vente, économie d’énergie, baisse des coûts…) serait réducteur car TOUT est éligible à partir du moment où on dispose de données de qualité. Evidemment, tous les domaines d’applications mentionnés ci-dessus mais aussi tous domaines plus techniques et plus spécifiques à chaque ETI qui font sa singularité. 

Beaucoup de dirigeants d’ETI doivent se sentir démunis face à ce qui leur apparait comme un défi : Personne ne sait en interne comment aborder le sujet IA, il n’y a pas de data scientist maison (on ne sait même pas trop ce que veut dire ce néologisme…), les sociétés qui proposent de l’IA vendent d’abord des produits ultra technologiques, comment choisir ?

Conseils :

  • Il ne faut surtout pas démarrer une démarche IA par l’aspect technologique et encore moins au travers d’un produit logiciel, même réputé.
  • Le choix des domaines où appliquer ces techniques sera d’abord guidé par la valeur business en jeu et s’appuiera sur une estimation du retour sur investissement
  • Une évaluation de la qualité des données disponibles sera faite au préalable et les marges de manœuvre opérationnelles seront listées comme autant de contraintes (on ne peut pas faire n’importe quoi dans le business !).
  • L’implication des personnes terrain (les sachants et les exécutants) sera clef pour assurer à la fois l’adhésion des personnels et la pertinence de la démarche.
  • Et un peu d’aide externe par un conseil connaissant à la fois l’IA, le business, les facteurs humains et le monde des ETI facilitera l’orchestration de l’opération et fera gagner beaucoup de temps.

En résumé, bien que l’IA soit un peu victime de son succès par son côté ultra médiatique, les techniques de l’intelligence artificielle basées sur des algorithmes appliqués aux données de tous les jours des ETI ont un formidable potentiel pour les aider à améliorer leur performance.

Dans le contexte ultra concurrentiel d’aujourd’hui, les ETI qui s’y mettront avant les autres auront un temps d’avance et un avantage compétitif certain. En effet, alors que les applications de l’IA à l’usage des particuliers sont banalisées car accessibles à tous, les applications de l’IA à l’entreprise peuvent rester parfaitement confidentielles, non partagées et lui donner un avantage spécifique face à la concurrence. L’inverse peut aussi arriver…

Frédéric Antérion et Eric Parize
frederic.anterion@orange.fr
eric.parize@gmail.com

 

Télécharger la Lettre de XMP-Consult n°5 (octobre 2019) en .PDF

Vous devez être connecté pour laisser un commentaire.