AI Paris 2019 : les enjeux clés de l’intelligence artificielle

04/07/2019

Bien que la France compte un peu plus de 68 laboratoires de R&D et plus de 13 000 chercheurs dans le domaine de l’Intelligence Artificielle, seules 20% des entreprises françaises ont déjà industrialisé des projets d’IA. Le pays reste tout de même très prometteur, et de plus en plus d’entreprises et d’industriels se laissent séduire par l’annonce d’une réelle révolution des méthodes de travail et de production.

C’est pour aborder cette thématique que s’est tenue les 11-12 Juin 2019 la 3e édition d’AI Paris, congrès dédié aux problématiques IA. Expérience client, RPA, transformation digitale, Deep Learning, prédiction… autant d’applications révolutionnées grâce à l’IA et présentées lors de ce forum.

 

L’IA au service de l’expérience client

Le marketing est automatisé depuis un certain temps, cependant il n’est pas ciblé. Aujourd’hui, les campagnes de mails sont trop importantes et trop générales. Cette stratégie génère un désintéressement des prospects et des clients.

Les solutions présentées lors de l’IA Paris visaient donc à proposer aux entreprises une gestion marketing « anti-fragile », comme surnommée par Inbox, société française spécialisée dans les services marketing et ouvrant la session d’ateliers du mercredi. L’objectif principal des nouveaux CRM dits « augmentés » est de personnaliser le contenu selon le client. Pour se faire de nouveaux outils sont disponibles :

  • Une IA sous forme de bot pouvant prendre en charge le client, répondre à ses questions et les rediriger vers des humains (IA conversationnelle)
  • L’automatisation des processus
  • L’ultra personnalisation (campagnes ciblées, contenu personnalisé sur site web / dans les mails ou contenu com)
  • Le pricing dynamique et le suivi des prospects

 

IA & RPA pour la transformation digitale

L’intelligence artificielle est maintenant un fort allié de la RPA (Robotic Process Automation), utilisée pour automatiser les tâches répétitives et normées de certaines fonctions supports, comme l’a souligné Automation Anywhere, qui a développé une plateforme RPA pour l’automatisation des procédés.

En effet, la RPA brute est un outil de plus en plus utilisé par les DSI. Elles se tournent vers l’automatisation des processus via des robots pour éliminer les tâches fastidieuses, rationaliser les opérations et réduire les coûts, car c’est aussi un excellent moyen de concéder aux employés de se concentrer sur un véritable travail à valeur ajoutée.

Mais, couplée à une IA, la RPA n’est plus limitée à un environnement simple, structuré et ne nécessitant aucune interprétation. Elle ouvre alors le champ des possibles en matière de digitalisation et d’automatisation des procédés d’entreprise. Dans ce cadre, on la nomme généralement RPA cognitive.

Prenons par exemple une tâche comme la lecture de documentation (factures, images, formulaires…) dont on doit tirer les informations qui nous intéressent (coût, objet de la demande…). La RPA et l’IA permettent alors d’automatiser quasiment intégralement ce procédé par le biais d’une extraction et digitalisation de la documentation. Suit alors une analyse des données pertinentes avec validation de l’utilisateur finale.

 

Computer vision & Deep Learning

Autres applications de l’IA, le Computer vision doublé du Deep Learning. L’objectif ici est d’apprendre à un ordinateur à voir son environnement, même complexe.

Par exemple, il est possible de relier un ordinateur à une caméra dans un centre de dépôt, comme le propose NumeriCube, prestataire de services en Computer Vision et Deep Learning. Ici, l’IA est en capacité d’identifier tous les stocks présents et le personnel qui circule dans l’entrepôt. Cela permet une gestion des stocks en temps réel, efficace et supprimant l’erreur humaine.
NumeriCube participe également au développement d’un algorithme de détection de rayures, bosses et impacts sur des carrosseries automobile. Ce service pourrait être utilisé par les assurances ou encore par les sociétés de location de véhicules.

L'IA est capable de reconnaître les défauts présents sur un véhicule - Source : NumeriCube

L’IA est capable de reconnaître les défauts présents sur un véhicule – Source : NumeriCube

Enfin, dans le domaine de l’urbanisme et de la démographie, il est possible d’utiliser une IA entraînée pour reconnaître des toits et ainsi observer l’évolution des territoires. Prenons l’exemple de Datapink, présente à l’AI Paris : son IA appelée RoboSat.Pink suit un entrainement en comparant des cartes type Google Earth et des cadastres en Open source servant de référence pour apprendre de manière autonome. L’outils utilise un code couleur permettant de déterminer et de repérer les nouvelles constructions :

  • Rose : il y a eu une évolution du territoire
  • Vert : il y a une erreur, il ne s’agit pas d’un bâtiment (ou celui-ci a été détruit)
  • Gris : les données sont concordantes
L'IA de RoboSat.Pink qui reconnait les toîts

L’IA de RoboSat.Pink qui reconnait les toîts

 

IA pour la construction de modèle prédictif

L’IA est aujourd’hui utilisée au service du développement de modèles de prédiction afin de minimiser les risques et optimiser l’activité d’une entreprise.

Ainsi, dans le secteur des énergies renouvelables, IBM propose de construire un modèle prédictif pour l’optimisation de l’exploitation d’énergie éolienne ou de centrale nucléaire. En effet, la mise en marche et l’arrêt de centrales sont coûteux et longs à effectuer. Connaître la demande utilisateur en avance permet de réaliser un planning de fonctionnement optimisé.

Il est également possible pour les entreprises et industriels de prévoir leur carnet de commandes grâce à un algorithme de prédiction développé par Predictive Layer, qui combine données de commandes, ventes sur les dernières années et veille de marché. La prévision évite alors aux industriels d’être pris de court et de faire face à des ruptures de stocks. Cela permet d’esquiver des problèmes de délais de livraison entraînant des coûts importants et une baisse des marges (surtout face à de grands groupes où la marge de négociation est faible).

Genius Retail, un des outils de Predictiv Layer. L'outil automatise la prévision des ventes au détail, la chaîne d'approvisionnement et la logistique afin d'optimiser les opérations commerciales.

Genius Retail, un des outils de Predictiv Layer. L’outil automatise la prévision des ventes au détail, la chaîne d’approvisionnement et la logistique afin d’optimiser les opérations commerciales.

Mais la prédiction ne s’arrête pas là. Elle permet également de prévenir les pannes ou casses et ainsi s’attaquer au remplacement de pièces bientôt défectueuses ou à des opérations de maintenance en amont. Cela évite de longues pauses forcées dans la production, pouvant générer surcoût et retard de production.

Aussi, la maintenance prédictive permet de suivre le principe du « juste à temps » avec des équipes terrains pouvant intervenir au bon moment (ni trop tôt où la pièce ne serait pas rentabilisée, ni trop tard quand la production est mise en danger) et améliorer le taux de résolution d’un problème en première intervention (First Time Fix Rate).

Tous ces nouveaux outils se frayent peu à peu un chemin dans les entreprises et industries, se développant constamment pour répondre aux besoins actuels.
Ils entrainent alors dans leur sillon des questions sur la sécurité et le respect des droits (RGPD), deux sujets également abordés lors du congrès.

 

Share