Par Charles Demontigny

L’intelligence artificielle est sur toutes les lèvres. De nombreux articles, vidéos et balados nous rappellent l’importance de l’exploitation automatique des données dans l’économie numérique contemporaine. Peu nous enseignent cependant comment cela s’intègre dans une entreprise existante. Dans cet article, je schématiserai le cheminement type d’une entreprise qui adopte l’apprentissage machine. Cela vous permettra, je l’espère, de mieux comprendre comment l’apprentissage machine peut être intégré dans votre modèle d’affaires. Pour un exemple plus concret, je vous conseille aussi de lire mon article sur un cas fictif d’adoption de l’IA par un restaurant.

L’étape 1 : la tâche informelle

L’intelligence artificielle consiste en l’automatisation de tâches répétitives, comme faire un inventaire, estimer un prix, produire un rapport, etc. Ainsi, tout processus débute par l’exécution d’une tâche informelle. Cela représente une opportunité d’essayer plusieurs solutions. On échoue rapidement, ce qui permet de ne pas trop mettre d’effort sur une avenue qui ne fonctionne pas. Pour finir, on souhaite générer des hypothèses solides sur la manière de répondre à notre problème. Cependant, on ne veut pas rester informel trop longtemps, car l’entreprise est à risque de perdre son expertise avec le départ de l’employé. D’autant plus que cette manière est difficilement mise à l’échelle (scalable).

L’étape 2 : formaliser le processus

Une fois la recette gagnante trouvée, l’idée est de chercher à standardiser le processus afin de mettre en place des façons de faire pérennes dans l’entreprise et de faciliter la formation des utilisateurs. Par exemple, un commerce au détail aura compris qu’en périodes des fêtes il est bon d’avoir environ deux fois plus de stock qu’à l’ordinaire. Cette règle claire peut être enseignée à de nouveaux employés ou à un programme informatique.

L’étape 3 : la numérisation

Cette étape sert à enregistrer numériquement au maximum les intrants et les extrants de la tâche ou du processus. C’est aussi durant cette phase que l’automatisation de base commence. La plupart des entreprises se situent à cette étape. Je réfère ici à des tableurs de style Excel et à des bases de données SQL. On peut également parler de modèles basés sur des règles : si ceci, fait cela, autrement fait ça, etc. La numérisation est l’étape la plus importante dans le passage à l’IA, car c’est à ce moment-là que les données sont générées. Si l’apprentissage machine (Machine Learning) est un moteur, les données sont le combustible nécessaire pour le faire fonctionner.

L’étape 4 : les données massives et l’analytique

Jusqu’à maintenant, des hypothèses ont été formulées afin de répondre à notre problématique, mais elles n’ont pas été suffisamment testées. Comme le processus est maintenant numérisé, il est possible grâce à des outils de visualisation ou d’analyse de données de faire parler notre donnée et d’avoir un aperçu plus objectif de la situation. Cette phase sert aussi à affiner les règles d’affaires de notre processus. Pour reprendre notre exemple du commerce au détail, cette étape peut nous indiquer que notre règle selon laquelle on doit doubler l’inventaire en périodes des fêtes n’est valide que pour certains produits, ou alors le chiffre optimal n’est pas deux fois, mais plutôt environ deux fois et demie.

Cette étape sert aussi à mesurer la qualité des données récoltées et estimer la faisabilité et le gain ainsi que la rentabilité d’un projet de mise en place de l’intelligence artificielle.

L’étape 5 : l’automatisation grâce à l’apprentissage machine

C’est uniquement lorsque les 5 premières étapes sont complétées que des algorithmes sont mis en place pour résoudre notre problème sur une base quotidienne. À ce moment, plusieurs avenues ont été explorées, les tâches ont été formalisées, numérisées et on a démontré une capacité à répondre aux problèmes grâce aux données. L’apprentissage machine permettra désormais soit d’augmenter la précision des tâches analytiques, soit de réduire drastiquement leur temps d’exécution par l’automatisation.

Conclusion

J’espère que cet article vous aide à mieux situer votre organisation sur le chemin vers l’IA. Il est tentant de sauter des étapes afin de se rendre plus rapidement là où le retour sur investissement est le plus élevé : les produits d’intelligence artificielle. Par contre, cette route est hasardeuse et je ne la recommande pas. Le taux de réussite des projets en intelligence artificielle chute rapidement lorsqu’ils ne sont pas entrepris de façon incrémentale. C’est par ailleurs la méthode standard dans l’industrie. Notez également l’importance que nous accordons aux processus qui précèdent l’adoption de la technologie de l’IA. Les projets les plus intéressants sont, dans la grande majorité, ceux qui intègrent bien ces éléments.

English EN French FR