Nous l’avons développé tout au long de cette partie, l’industrie du futur ne manque pas de solutions pour optimiser la supply chain, afin d'apporter davantage de sécurité à son personnel, d’ergonomie au poste de travail, tout en gardant à l’esprit la profitabilité de l’organisation et la satisfaction du client. Je vous propose de vous rapprocher encore un peu plus de nos clients avec l’intelligence artificielle et les applications analytiques avancées.
IA pour automatiser certains processus
L'intelligence artificielle (IA, ou AI en anglais pour Artificial Intelligence) consiste à mettre en œuvre un certain nombre de techniques visant à permettre aux machines d'imiter une forme d'intelligence réelle.
Dans la supply chain, l’IA vise avant tout à améliorer les performances opérationnelles, en automatisant certains processus comme la prévision de la demande ou la planification de la production. L’avantage est de pouvoir, grâce à sa capacité d’analyse, corréler très rapidement de gros volumes de données.
L’IA a pour but de construire des entités douées d’intelligence. Elle est décomposée en « briques élémentaires » pouvant être reproduites par la machine. Le but final étant de reproduire ou d’imiter les aptitudes de l’intelligence humaine, comme par exemple le raisonnement, la mémoire, la prise de décision ou la résolution de problème.
L’intelligence artificielle et ses capacités de prédiction deviennent de plus en plus incontournables dans l’optimisation de la supply chain.
Il s’agit de réaliser et de bénéficier de réels gains de productivité et on envisage aujourd’hui que d’ici 2024, 60 % des grandes entreprises industrielles auront intégré des processus pilotés par l’intelligence artificielle pour leur chaîne d’approvisionnement.
Le résultat direct de ce déploiement est l’automatisation des processus de production et de gestion des stocks. En effet, la collecte de toutes les données captées par l’ensemble ou la combinaison de plusieurs moyens (comme nous l’avons vu au début de cette partie) contribue au déploiement de solutions automatisées et autonomes de gestion de stock, en limitant l’intervention humaine. Je sais planifier en temps et en heure les besoins d’approvisionnement, de production quand je veux, au moment le plus opportun pour répondre à la demande client.
L’intelligence artificielle permet de prévoir les tendances, les saisonnalités, les opportunités de marché, le tout en limitant et optimisant les coûts.
L’automatisation robotique des processus pour éradiquer les erreurs de saisie manuelle
Dans nos entreprises, les collaborateurs sont souvent confrontés à la répétition de tâches chronophages de traitement d’information entre les différents systèmes... Qui n’a jamais été amené à saisir puis resaisir, copier-coller d’une fenêtre à l’autre, à comparer, analyser des données issues de plusieurs applications ?
L’automatisation robotisée des processus, ou RPA, consiste à mettre en œuvre des « robots logiciels » pour automatiser au maximum ces tâches fastidieuses et sans valeur ajoutée. Cette démarche a pour bénéfice direct de libérer de 15 % à 30 % du temps de l’utilisateur. Ce dernier pourra le consacrer à un réel apport de valeur ajoutée, et ainsi améliorer la qualité du service rendu à ses clients. De plus, c’est un confort pour les collaborateurs qui se séparent d’une partie ingrate de leur mission et redonnent un réel intérêt à leur travail.
L’automatisation robotique des processus par métier impacte directement l’ensemble du système d’information, des serveurs de bases de données où l’on stocke les données, aux postes de travail des collaborateurs concernés : accès aux système, client-serveur, CRM, ERP, GED, etc.
L’automatisation peut se faire au niveau du poste de travail, où le « robot logiciel » va exécuter les interactions à la place de l’être humain : il peut alors générer des ordres d’achat ou de vente.
Le collaborateur peut reprendre la main si nécessaire, et le robot reprendra ensuite son contrôle de données, et le cas échéant pourra apporter une correction nécessaire. C’est ainsi que l’entreprise se préserve de défaillances possibles et se confère des garanties supplémentaires quant au respect de certaines obligations réglementaires et à la qualité du résultat des processus ainsi exécutés.
Les robots autonomes seront une réelle porte d’entrée dans le cadre du changement nécessaire à opérer lors de ces mutations industrielles. Et si vous commenciez par les processus les plus chronophages pour susciter l’adhésion de vos collaborateurs ? N’est-ce pas là la porte d’entrée pour transformer l’expérience en gains ?
Analyse prédictive et analyse prescriptive
Il est possible de bénéficier d’applications analytiques avancées :
prédictives, qui permettent de prévoir autre chose à partir d'éléments donnés ;
ou prescriptives, qui désignent quelque chose qui est imposé par une personne ou un organisme.
Imaginez que vous receviez demain dans votre boîte aux lettres l’article que vous visionnez depuis au moins deux mois, sans pour autant valider une quelconque commande ; eh bien, votre site marchand Internet l’a fait ! Comment est-ce possible ?
D’abord grâce au “Big Data” qui désigne la capacité à collecter, stocker et analyser des flux importants de données de natures diverses, en vue d’appliquer des traitements analytiques et statistiques avancés qui relèvent de l’intelligence artificielle (analyse prédictive, machine learning, deep learning, etc.).
L’ensemble de ces données permettent d’optimiser la chaîne de production en identifiant de manière très précise les problèmes qui surviennent. C’est aussi la possibilité d’accroître la connaissance sur les habitudes de nos consommateurs.
Les sites marchands célèbres sont réputés pour leur utilisation massive de l’intelligence artificielle et leur remarquable capacité d’innovation dans ce domaine.
Machine learning, deep learning et e-commerce
Le deep learning est un sous-ensemble du machine learning, qui fait lui-même partie du domaine plus large de l’intelligence artificielle. Il désigne un ensemble de méthodes d’apprentissage automatique basées sur l’apprentissage de modèles de données, et le recours à des algorithmes permettant aux robots et machines d’apprendre de manière autonome. Objectif : être toujours plus près de nos consommateurs !
Mais les algorithmes permettent d’aller plus loin : reconnaissance d’image, Natural Language Processing (NLP), gestion de la relation client, capacité d’un ordinateur à identifier et transcrire des paroles en texte écrit en temps réel (Siri, etc.), reconnaissance vocale…
Pour y parvenir, les robots et machines nécessitent bien sûr un grand nombre de données.
Voici quelques exemples d’utilisation de l’intelligence artificielle, du machine learning et du deep learning de manière générale, par les entreprises e-commerce « data-driven » :
recommandations personnalisées : il s’agit de proposer, de suggérer à notre consommateur des produits qui sont susceptibles de déclencher chez lui l’acte d’achat. Les algorithmes actuels se basent soit sur un filtrage collaboratif (clients similaires), soit sur un filtre basé sur le contenu ;
prédictions de demande : notre site analyse les données d’achats via « le machine learning » et prévoit la demande, de manière toujours plus précise ;
technologie publicitaire : analyse de milliards d’impressions d’annonces et de clics sur le site :
optimisation de la recherche et des résultats de recherche : partie intégrante de la recherche de la plus grande pertinence possible et d’un ordre optimal d’affichage des produits suite à une requête ; cette dimension est de plus en plus affinée grâce aux algorithmes,
les rankings ne sont pas les seuls impactés, puisque les robots peuvent aussi affiner les capacités de recherche interne, en suggérant par exemple les bonnes extensions aux termes recherchés par un visiteur ;
détection des anomalies et de la fraude : une approche automatisée d'intelligence de lutte contre la fraude, dont l’efficacité a été prouvée par PayPal (0,32 % de fraude contre 1,32 % en moyenne) ;
support client et chatbots : l’apprentissage machine et le deep learning permettent désormais de répondre par téléphone, message instantané ou e-mail aux questions des clients.
Cela est permis par les avancées récentes en matière de reconnaissance vocale et de traitement automatique du langage naturel. Les robots prennent en compte l’intégralité des données contextuelles et paroles qui leur parviennent (plutôt qu’un seul mot) et les comparent aux schémas récurrents auxquels ils ont déjà été exposés :
gestion des stocks ;
calcul des délais et prix d’envoi et de livraison ;
analyse du sentiment ;
amélioration du merchandising ;
reconnaissance (précise) des images ;
reconnaissance faciale ;
prédiction du comportement futur des acheteurs ;
calcul de Propensity Models ;
calcul des affinités de panier.
Pour d’autres acteurs e-commerce (dans le voyage par exemple), le pricing dynamique est également boosté par ce recours au deep learning. Amazon donne accès au machine learning et à d’autres types d’intelligence artificielle via son service AWS, Amazon Web Services, que d’autres entreprises peuvent utiliser.
En conclusion :
