Numérique
Comment améliorer ses performances grâce à l’intelligence artificielle
Les techniques de l’intelligence artificielle sont à la portée des entreprises agroalimentaires. Les consultants sectoriels d’Oresys, société de conseil stratégique, disent comment en bénéficier.
Les techniques de l’intelligence artificielle sont à la portée des entreprises agroalimentaires. Les consultants sectoriels d’Oresys, société de conseil stratégique, disent comment en bénéficier.
Générer de l’engouement autour de l’intelligence artificielle au sein des entreprises agroalimentaires, impliquer les acteurs métiers dans la construction des nouveaux services apportés ; c’est ce que recherchent, à travers leurs premières interventions en entreprises, les consultants d’Oresys spécialisés dans la chaîne agroalimentaire : Rémi Bellenguez, manager data science et agro, et Clémence Poupart, manager relation clients et agro. Oresys est une société de conseil qui accompagne les entreprises dans leurs projets de transformation stratégique.
L’intelligence artificielle (IA) est la composante la plus aboutie du secteur numérique. « C’est une marche au-dessus de l’automatisation ou des programmes d’optimisation s’appuyant simplement sur du codage manuel et l’expertise métier des personnes. L’IA va puiser dans les données historiques, détecter des signaux, donner de la précision dans l’aide à la décision et encore mimer des décisions humaines, explique Rémi Bellenguez. Les gains liés à l’automatisation, à l’optimisation de services ou à l’amélioration de la prise de décision peuvent être beaucoup plus importants. »
Déployer de nouveaux services en un temps record
Les consultants font savoir que l’IA est arrivée au degré de maturité qui permet aux entreprises de créer leurs propres modèles et surtout « de déployer de nouveaux services en un temps record ». Sur le plan technologique, des algorithmes standard existent, permettant d’accélérer la mise en place. Dans le cas de l’apprentissage supervisé, ils permettent de construire des modèles prédictifs à partir d’exemples déjà classés.
À l’usage dans l’entreprise, les programmes ne sollicitent pas trop de compétences de codage. Sur le plan numérique, les entreprises créent ou se procurent de la « data », c’est-à-dire certains volumes de données. Aux sources des ERP peuvent s’ajouter les systèmes en données externes (la filière agroalimentaire dispose de la solution API Agro, du projet Numalim, d’Agro EDI Europe…). Sur le plan des compétences, enfin, l’expertise grandit dans les cabinets de conseil, sociétés d’informatique et d’électronique.
Il est important de commencer par des cas d’usages réalisables rapidement. Dont les bénéfices vont générer de l’engouement
En pratique, une société de conseil est capable de reconnaître rapidement quel profit peut engendrer un modèle d’IA. « Nous prenons connaissance des données disponibles, des spécificités de l’entreprise, expose Clémence Poupart. Il est important de commencer par des cas d’usages réalisables rapidement. Dont les bénéfices vont générer de l’engouement. » Un processus opérationnel simple peut être optimisé à partir de petits volumes de donnés, de la « small data ».
Un MVP pour repérer les failles et évaluer les gains
Comment se lancer ? Un guide publié par Oresys à l’intention de la filière agroalimentaire présente une démarche pas à pas. Les consultants agro proposent d’identifier d’abord les premiers cas d’application. Ils serviront d’exemple de mise en œuvre et de retombées bénéfiques. Pour les trouver, « on peut par exemple partir de la cartographie des grands domaines de l’entreprise afin de déterminer leurs problématiques actuelles ou les leviers d’optimisation potentiels », dit le guide. On privilégiera la faisabilité technique et la possibilité de mesurer rapidement les apports de valeurs.
Une étape fondamentale, appelée « proof of concept (Poc) », consiste à répondre à quatre questions : 1. Le besoin métier est-il clair et les gains identifiés, mesurables et suffisants ? 2. Les premières données facilement accessibles sont-elles de qualité et permettent-elles de réaliser les traitements prévus ? 3. Le process métier peut-il être adapté, le nombre de collaborateurs impactés n’est-il pas un frein ? 4. Les évolutions du système d’information sont-elles réalisables d’un point de vue budget et planning ?
La méthode « minimum viable product (MVP) » (illustration ci-contre) est ensuite appliquée. Elle sert à repérer les failles et évaluer les gains. « Le modèle développé a vocation à identifier tous les points bloquants, pour les traiter en cours de projet », précise le guide. Les versions successives seront testées avec des utilisateurs pilotes, puis dans un périmètre métier croissant. Un passage à l’échelle de l’entreprise sera alors envisagé.
