Une phrase qui tourne bien parmi les «AI speakers», c’est:
«Ce n’est pas l’IA qui prendra votre job, c’est celui qui saura l’utiliser mieux que vous.»
Tenez-le-vous pour dit, hors de l’IA, point de salut.
Du coup, on assiste depuis quelques années à une frénésie un peu hystérique autour de ce sujet, personne ne voulant évidemment rester sur le bord de la route.
Mais l’IA est-elle la solution à tous les problèmes des entreprises?
Quelques exemples.
— Ça fait des années qu’on enregistre toutes les données de production: produits, quantités, durée de chaque étape du process, inventaire détaillé des matières premières et des chutes, incidents sur les machines… Il faudrait qu’on fasse «quelque chose» de ça avec l’IA…
— Quelque chose? Quoi?
— Je ne sais pas, moi. On pourrait mieux anticiper les temps de production. Mieux les planifier, prendre moins de marge de manœuvre dans nos offres pour augmenter notre part de marché…
Ça, ça ne requiert pas de l’IA, c’est de l’analyse statistique: moyennes, écarts-types, idéalement complétés de l’(irremplaçable!) expérience des opérateurs pour comprendre les causes possibles des valeurs qui sortent de l’ordinaire.
— Nous venons de terminer le développement de nouveaux produits très prometteurs. Nous devons maintenant programmer leur mise en production. Nous disposons de x sites de production. Le temps de production que nous pourrions dégager sur chacun de ces sites est représenté par les variables t1, t2, … tx. Les équipements de ces différents sites n’étant pas au même niveau, le nombre d’unités pouvant y être produites par heure y est aussi différent. Le bénéfice attendu par unité de produit vendue varie d’un produit à l’autre. Le coût de transport de ces produits vers le client final est aussi fonction du site de production. Etc. Est-ce que l’IA pourrait nous aider à optimiser tout ça?
En fait, c’est l’énoncé typique d’un livre d’introduction à la recherche opérationnelle, une discipline développée par les Anglais dès la seconde guerre mondiale. Pour ceux que ça intéresse, voir par exemple LA «bible»:
Si le nombre de variables de décision (= les paramètres à quantifier) est inférieur ou égal à 200, une simple fonctionnalité d’Excel permet de résoudre ce problème.
Au-delà, il y a effectivement certains algorithmes d’IA qui permettent d’éviter l’achat de logiciels coûteux de recherche opérationnelle.
— Nous avons une montagne d’articles sur le sujet, il faudrait les numériser.
— Pour en faire quoi?
— Les archiver. Et pouvoir y faire des recherches par mot-clé.
Un bon OCR (Optical Character Reader) et c’est fait.
— Nos employés passent chaque semaine plusieurs heures à encoder manuellement les données présentes sur les bons de livraison et les factures de nos fournisseurs. Ne pourrait-on pas automatiser ça avec l’IA?
Ah, ça, oui, c’est un travail pour l’IA! Non seulement extraire les informations, ce qu’un OCR pourrait faire, mais également identifier leur nature pour les classer au bon endroit. Là, l’IA présente un intérêt certain.
L’intelligence artificielle est-elle un must pour les indépendants et les PME? Seulement si elle leur permet de résoudre un problème auquel ils sont confrontés et qu’aucune autre solution plus simple/moins coûteuse n’en serait capable. Dans ce cas, et seulement dans ce cas, reste à identifier quel type d’IA. Nous avons posé les bases dans cet article:
Nous détaillerons tout ça dans plusieurs autres à venir… N’hésitez pas à nous suivre pour ne pas les manquer. Ou mieux, contactez-nous!