Au cœur d’un entrepôt ou dans les allées d’un supermarché, l’intelligence artificielle séduit pour sa capacité à tirer parti de données jusque-là peu exploitées, voir invisibles. Anticiper la demande en bouteilles d’eau afin d’éviter toute rupture de stock dans un supermarché à quelques jours d’un pic de chaleur : entraînée, l’intelligence artificielle le fait dorénavant mieux que l’humain.

 

La révolution de l’IA touche tous les secteurs : dans les grandes entreprises, je sens de l’excitation et aussi, parfois, de la nervosité. Passée la révolution « du numérique », c’est la technologie qui pourrait bien renverser la table : propulser des entreprises dans d’autres sphères, et laisser sur le carreau celles qui auront mal négocié ce virage.

Pour elles, la question n’est pas simple : comment investir au mieux pour démontrer la valeur de l’IA et déployer des solutions industrialisées qui vont transformer l’entreprise ? Et pour celles qui prennent la décision de se lancer, comment prioriser au mieux pour concentrer les efforts sur les cas d’usage à plus fort impact ? Ou faut-il disséminer ses investissements dans plusieurs projets (en dépensant énormément dans des « hub d’innovations » et autres « incubateurs » qui peuvent à tout moment se transformer en cimetière de « proof of concepts » morts-nés) ?

Un modèle va s’imposer : celui de l’« IA Factory », qui fait travailler ensemble trois acteurs : les grands groupes qui cherchent à accélérer leur transformation Data, les partenaires technologiques offrant des solutions Cloud, et des acteurs comme Artefact spécialisés dans l’intelligence artificielle qui identifient et délivrent les cas d’usage. Aujourd’hui, les enjeux ne sont plus tant techniques que dans la capacité des entreprises à identifier comment elles peuvent tirer parti de l’IA, quels sont leurs besoins et quels efforts il leur faut fournir. Les réponses, l’ « IA Factory » les apporte.

Ces « fabriques à intelligence artificielle » s’appuient sur ce que nous appelons des « feature teams », des équipes pluridisciplinaires mêlant professionnels de l’IA (ce que nous faisons chez Artefact) et des professionnels « métiers » (chez le client). Elles regroupent toutes les compétences requises pour mener à bien un projet de A à Z : elles sont composées de data scientists, de data engineers, d’un «IA product owner » qui connaît mieux que personne les besoins réels, et d’un DevOps qui garantit la bonne supervision et une maintenance pérenne de la solution IA. Ces équipes qui associent le business, l’ingénierie, l’expertise métier, en collaboration constante avec l’utilisateur final n’ont qu’un seul objectif en tête : le développement rapide d’un prototype sur-mesure à même d’apporter rapidement de la valeur ajoutée. Les risques sont ainsi mieux maîtrisés, et les investissements mesurés.

Car l’IA, ce ne sont pas des voitures autonomes et des robots plus intelligents que les humains, des promesses qui prennent le plus la lumière. L’IA, c’est, au quotidien, une couche de technologie « intelligente » appliquée à des process déjà en place : Par exemple, anticiper la demande pour mieux adapter la chaîne d’approvisionnement, transformer l’expérience client en auto-remplissant des formulaires par la reconnaissance d’image… Nos « feature team » ont donc pour mission de livrer une solution opérationnelle entre quatre à six mois, sans jamais perdre de vue la réalité du terrain. Des objectifs à courts-termes, généralisés et reproduits à plus grande échelle dans un second temps.

Le secteur du retail (ses milliers de produits, ses données de transaction, et ses cartes de fidélités), mais aussi les banques et les assurances sont des exemples parlants de secteurs générateurs d’énormément de données exploitables par l’intelligence artificielle. Ils connaissent leurs clients aussi bien, voire mieux que Google ! Le développement du e-commerce, créateur de data du premier clic du client jusqu’à la préparation de la commande est de son côté un véritable accélérateur de croissance. Carrefour l’a bien compris, et l’exploite dorénavant pour prévoir automatiquement le volume de ses commandes drive en fonction des habitudes de ses clients. L’IA y prédit à la journée près et avec une précision de 94% le volume de ses ventes. Impensable sans son aide.

Dans le cadre de son IA Factory, Carrefour a recensé les problèmes historiques rencontrés par les responsables métiers. Après avoir identifié 70 projets « IA compatibles », elle a concentré ses efforts sur deux outils de prédiction de la demande et de détection des ruptures de stocks. Pas-à-pas, en commençant par un produit (la tomate) dans un hypermarché (à Auteuil). L’IA que nous avons développée avec eux détecte en temps réel à partir de l’analyse des tickets de caisses les produits « manquants » : ceux qui devraient être achetés par les clients mais qui ne figurent pas dans les paniers. Une solution qui, une fois opérationnelle, est très facile à étendre à d’autres produits et d’autres magasins, et qui apporte tout de suite de réels gains pour Carrefour.

Ces entreprises pionnières ont montré la voie de l’IA Factory, il est maintenant temps de démultiplier ce modèle. Ne nous y trompons pas : face aux États-Unis et à la Chine, où les équipes retails des grandes marques sont composées de centaines de data scientists, accompagner les fleurons français dans leur adoption d’une technologie comme l’intelligence artificielle est bel et bien stratégique.

 

Tribune par Vincent Luciani, PDG d’Artefact, entreprise pionnière en matière d’Intelligence artificielle en France

<<< A lire également : Comment Fidéliser Ses Employés Grâce à L’IA >>>