Intelligence artificielle, apprentissage approfondi et automatique: comment s’y retrouver?

Aujourd’hui, l’intelligence artificielle est sur toutes les lèvres. Quand on entend ce terme, on pense généralement à Google avec l’assistant de commande vocal Siri, mais plus récemment à NASNet, sa propre intelligence artificielle capable de reconnaître en temps réel une multitude d’objets tels que des voitures, ou même des personnes par le biais de la vidéo.

Mais faisons un pas en arrière. Êtes-vous capable de définir ce qu’est l’intelligence artificielle et ce qu’elle renferme?

L’intelligence artificielle, l’apprentissage automatique, et l’apprentissage approfondi sont souvent regroupés ensemble, alors qu’en réalité, ces trois notions ne sont pas exactement similaires. La meilleure façon de comprendre la relation entre ces concepts est de les visualiser dans le temps :

(1950-1980)
L’intelligence artificielle implique l’idée d’une machine capable d’assurer des tâches rattachées à l’intelligence humaine. Cette définition inclut des activités comme la planification, l’interprétation du langage la reconnaissance des objets et du son, l’apprentissage et la résolution de problèmes.

(1980-2010)
L’apprentissage automatique ou machine learning est une méthode de réalisation de l’intelligence artificielle. L’approche représente la capacité à apprendre sans programmation explicite. L’apprentissage automatique est une manière d’entrainer un algorithme pour l’amener à exécuter une tâche sans programmation explicite. Cet entraînement implique l’absorption d’un large volume de données par l’algorithme, qui va graduellement s’ajuster et s’améliorer en conséquence.

(Depuis 2010)
L’apprentissage approfondi ou deep learning est l’une des approches possibles pour l’exécution de l’apprentissage automatique. La technique récente fut inspirée du cerveau humain, et vise à imiter les mécanismes perceptifs et de raisonnement logique humain.

Une erreur fréquente quand on entame le virage du numérique, c’est de commencer directement par la technologie lorsqu’on est une entreprise. Il faut tout d’abord mettre le doigt sur les nouvelles technologies, les démystifier et les comprendre, tout en sachant qu’elles peuvent parfois se montrer complexes à cerner, à l’image de l’intelligence artificielle.

4 applications de l’utilisation de l’intelligence artificielle en entreprise

L’intelligence artificielle a émergé comme une alternative technologique capable de créer des programmes et des équipements permettant la prise de décision autonome, basée sur l’interprétation intelligente de grands volumes de données. Que ce soit dans le domaine de la santé, du commerce de détail, des services financiers ou encore pour les entreprises industrielles, les applications dérivées de l’intelligence artificielle touchent pratiquement l’ensemble des secteurs de l’économie mondiale à l’heure actuelle. La capacité de cette technologie à identifier avec précision des tendances dans les données et à procéder à des prédictions et des simulations justifie son adoption à grande échelle.

Voici quelques applications potentielles de cette technologie pour l’entreprise :

LES CHATBOTS
Ces robots logiciels, pouvant dialoguer avec le consommateur par le biais d’un service de conversations automatisées, offrent l’opportunité d’améliorer et d’étendre les canaux sociaux de commerce de détail, ainsi que de présenter un service précis et en temps réel. Des exemples ambitieux comptent des initiatives comme Duolingo, Gumbot, Luka, ou encore Cleverbot.

LES ROBOTS-CONSEILLERS
Un robot-conseiller est typiquement un service web automatisé de gestion, remplaçant la portion basique du travail d’un consultant financier pour une fraction du coût. Ce type de service, encore à un stade embryonnaire de développement, est supposé développer des stratégies de gestion financière personnalisées au profil du client, sur la base des données historiques collectées sur ce dernier. Betterment, Personal Capital, Schwab Intelligent Portfolios ou Sigfig comptent parmi les  startups exploitant cette niche du marché.

LA TARIFICATION DYNAMIQUE
La segmentation approfondie des clients permet un ajustement en temps réel des prix afin de capter davantage de valeur économique pour les commerçants. IBM Dynamic Pricing et Perfect Price offrent actuellement des solutions à l’avant-garde.

L’ANALYSE DES DONNÉES DES CONSOMMATEURS
L’amplification du volume de données absorbées par les capteurs intelligents (à partir des voitures, maisons, etc.) et générées par l’Internet des Objets , représenterait une opportunité de développement d’outils dédiés à la gestion de la complexité du risque humain et l’identification des tendances comportementales des clients. Ces initiatives permettraient ainsi une meilleure personnalisation des services offerts aux consommateurs. Early Information Science propose des services prometteurs en ce sens.

 

Même l’intelligence artificielle se dote d’un CRM

Les systèmes de gestion de la relation client, mieux connus sous leur nom anglophone customer relationship management ou CRM, ont révolutionné la façon dont les organisations peuvent développer et fidéliser leur clientèle en offrant une vue 360 degré du client. En effet, on est bien loin des premiers CRM qui servaient principalement à faciliter le travail du département des ventes. Aujourd’hui, les versions modernes de ces outils permettent non seulement la centralisation de l’information des clients, mais aussi son accessibilité à travers l’organisation. Par le fait même, l’analyse de ces données permet d’évaluer quelles actions ou décisions génèreront un maximum de valeur pour l’organisation.

Toutefois, cela ne veut pas dire que toutes les compagnies ont optimisé l’emploi de ce type de système; au contraire, selon une étude, entre 70% et 80% des implantations sont perçues comme des échecs[1]. Pour trop d’organisations, l’utilisation d’un CRM se limite à la recherche de coordonnées de clients ou à confirmer la date du dernier suivi effectué. Pour d’autres, la traduction des informations recueillies en un plan d’action concret ne procure pas les résultats escomptés par manque de compétences ou de ressources. Or, le recours à l’intelligence artificielle (IA) dans un CRM est en voie de changer les choses. En effet, si elle est encore considérée comme un buzzword pour plusieurs domaines, l’IA est pourtant déjà implantée dans plusieurs CRM et offre de premiers résultats intéressants.

Voici d’ailleurs quelques exemples d’IA qui sont présentement intégrés dans les CRM et qui ont permis une augmentation de performance.

Einstein (Salesforce)
L’outil Einstein, intégré dans Salesforce, propose des prédictions intelligentes ainsi que des recommandations personnalisées sur les offres selon chaque profil client. Il est aussi en mesure de trier les leads en ordre de priorité selon différents critères. De cette façon, les chances de convertir un lead en opportunités sont plus élevées. De plus, il peut envoyer des alertes si des événements dans l’environnement extérieur mettent en péril certaines opportunités. En outre, Einstein offre de multiples autres fonctionnalités telles que la saisie de données automatisée, la personnalisation des annonces, la récolte d’informations provenant des conversations sur les réseaux sociaux, des recommandations sur les produits, etc.

Selon une récente étude de cas[2], la compagnie d’équipement de plein air Black Diamond mentionnait justement que le recours aux fonctions intelligentes d’Einstein lui ont permis d’éliminer l’équivalent d’une heure par jour de saisie de donnée par employé principalement. En effet, plutôt que de demander à un employé d’entrer manuellement les recommandations de produits, Einstein a pris le relai de cette tâche. Or, l’entité l’a aussi amélioré puisque sa capacité d’apprentissage automatique lui permet aussi de personnaliser en temps réel les suggestions de produits complémentaires en se basant sur le comportement de l’acheteur. Grâce à ce changement, Black Diamond a généré une augmentation de 15,5% du revenu par visiteur dû à une meilleure expérience d’achat; l’impact est donc significatif.

Watson (IBM)
Développé par IBM, le système informatique Watson est surtout connu pour sa participation, et ses victoires, au jeu télévisé Jeopardy en 2011. Or, depuis 2016, la plateforme est aussi utilisée afin d’analyser des données météorologiques afin de produire des prévisions locales hyper précises, pouvant servir pour de nombreux secteurs tels que les transports ou les services publics. De façon plus concrète, IBM s’est récemment associé à Salesforce d’introduire cette fonctionnalité dans le CRM, un ajout qui intéresse de nombreux clients tel que les compagnies d’assurances. En effet, ce genre d’outil leur permet de se recentrer sur leurs clients. Par exemple, lorsqu’il y a des risques d’intempéries intenses, le système est en mesure d’envoyer un avertissement par message texte aux assurés dont les voitures sont à risques d’être endommagées[3]. Ceux-ci peuvent donc prendre des précautions et déplacer leur véhicule dans un endroit sécuritaire avant la tempête et ainsi réduire leur risque de sinistre.

Assistant de relations pour Dynamics 365 (Microsoft)
Tout comme les exemples précédents, le géant informatique Microsoft investi énormément dans l’IA afin de se positionner comme leader sur le marché. Depuis 2016, l’organisation a introduit une suite de fonctionnalités nommées Relationship Insights dans Dynamics 365 qui propose entre autres un « Assistant Relations ». Celui-ci a la capacité d’analyser les actions et communications quotidiennes afin de produire des suggestions personnalisées d’actions à prendre. Les recommandations de l’Assistant permettent d’isoler les données non pertinentes afin de ne mettre de l’avant que les éléments critiques nécessitant l’attention de l’utilisateur. Ainsi, la concentration et la productivité des usagers est augmentée et dirigée sur ce qui est le plus important en fonction de sa réalité quotidienne. Dans un futur rapproché, Dynamics continuera d’implanter d’autres fonctionnalités basées sur l’IA. Elles continueront de faciliter la recherche et l’analyse d’information dans les différents systèmes de sorte à aider les différents utilisateurs à être plus performants. Dans certains cas, il sera question de suggérer de ventes croisées calculées en fonction de l’historique du profil des clients, d’analyser leurs sentiments à travers leurs interactions avec l’organisation ou encore d’écouter des réseaux sociaux[4].

En résumé, des outils basés sur l’IA permettent donc non seulement de suivre les différentes transactions tout au long du cycle de vente, mais aussi d’automatiser les processus qui gaspillaient des ressources en plus d’assurer une communication simplifiée entre les utilisateurs. Mieux encore, grâce à l’apprentissage automatique (machine learning), ces systèmes seront sans cesse sujet à s’améliorer en fonction des résultats observés. En effet, avec le temps, les outils raffineront leur méthode de classement des leads en déterminant quels critères et attributs ont le plus de poids dans l’équation[5] ou à mieux personnaliser le contenu marketing selon le profil des clients.

Toutefois, bien que ces développements soient prometteurs, l’intelligence artificielle est encore loin d’être une panacée. Tel que mentionné plus haut, un nombre élevé d’implantation infructueuses sont dues à une non-utilisation du CRM. En ce sens, l’IA pourrait favoriser l’adoption grâce à ses notifications récurrentes et ses suggestions d’actions qui peuvent habituer les utilisateurs à naviguer dans le système. Néanmoins, le rôle de l’intelligence artificielle sera plutôt en arrière-plan. En fait, des outils comme Einstein de Salesforce vont plutôt permettent aux organisations de passer à un stade supérieur en termes de proactivité et d’efficacité. L’impact se reflétera dans une expérience utilisateur améliorée, qui se voudra plus complète à la fois pour les employés et les clients. Or, il faut tout de même rester vigilent, spécialement pour les organisations qui magasinent actuellement les fournisseurs de CRM. En effet, même si l’IA est au cœur de nombreux discours, il n’en reste pas moins qu’elle ne représente pas une finalité en soi. Il s’agit donc de distinguer le message marketing de la réalité. Ainsi, avant d’arrêter son choix sur un fournisseur de système selon ce seul critère, les organisations se doivent d’identifier clairement leurs besoins afin de faire un choix éclairé qui tient compte de leur réalité.

[1] Williams, P., Ashill, N., & Naumann, E. (2017). Toward a contingency theory of CRM adoption. Journal of Strategic Marketing, 25(5-6), 454.
[2] https://www.demandware.com/uploads/resources/CS_Black_Diamond_Case_Study_EN_INIT_08MARCH2017.pdf
[3] https://business.weather.com/wafismart
[4] https://docs.microsoft.com/en-us/dynamics365/customer-engagement/admin/relationship-assistant
[5] http://www.destinationcrm.com/Articles/Web-Exclusives/Viewpoints/Artificial-Intelligence-Is-the-Next-Step-in-CRMs-Evolution–116145.aspx

Industrie 4.0 : imaginez le futur de votre entreprise

Les 13 et 14 septembre dernier TALSOM s’est rendu aux Journées Technologiques Nationales en Alimentaire organisées par le CTAQ (Conseil de la Transformation Alimentaire du Québec). Hauts dirigeants d’entreprises, stratèges, fournisseurs de services et d’équipements étaient réunis pour échanger sur les tendances d’une nouvelle ère manufacturière : l’Industrie 4.0.

La connectivité des données et des objets est le facteur déterminant de cette Industrie 4.0. Les connexions des logiciels, des équipements et des données massives deviennent des éléments essentiels qui permettent de créer de l’intelligence dans un système manufacturier capable d’une plus grande adaptabilité dans la production. Nous entrons dans l’ère de la 4ème révolution industrielle.

Nous nous sommes rendus sur place afin de nous mettre au parfum des nouvelles tendances technologiques de l’industrie agroalimentaire. Voici quelques informations précieuses qui vous offriront un aperçu du marché et vous guideront dans l’optimisation de votre transformation numérique. 

De l’usine traditionnelle à l’usine intelligente

Les usines intelligentes (ou smart factories) visent à optimiser le processus de fabrication. En connectant des modèles de contrôle informatique ainsi qu’une quantité massive de données, les transformateurs de produits alimentaires profiteraient d’une meilleure adaptabilité et flexibilité de leurs processus physiques et d’une allocation efficace de leurs ressources.

L’utilisation des technologies numériques ne se limite pas seulement aux procédés de transformation et de production. Elle est essentielle pour optimiser les communications entre chaque acteur de la chaine d’approvisionnement.

Par exemple, les machines de fabrication pourront communiquer entre elles pour faciliter l’efficacité de triage de différents types d’emballages alimentaires, tout en réduisant considérablement les erreurs. De même que les préférences alimentaires des consommateurs qui peuvent instantanément être incorporées dans les processus de personnalisation de masse avec rapidité et efficacité.

Les technologies du futur
Dans l’industrie agroalimentaire, les robots sont devenus indispensables pour la production et la transformation des produits. La robotisation permet d’automatiser des tâches et des processus répétitifs, généralement dangereux, basés sur des règles et des étapes précises.  Manipulation des ingrédients, triage des produits finis, détection des défauts ou encore emballage, les robots virtuels éliminent le contact humain dans la manipulation du produit. En résulte une augmentation de la productivité et des rendements ainsi qu’une réduction du gaspillage.

Grâce à l’Internet des Objets (IoT), des capteurs sensitifs peuvent directement contrôler la qualité du produit en détectant les vibrations et l’humidité.

Les applications intelligentes provenant de l’IoT et de l’Intelligence Artificielle peuvent permettre de monitorer en temps réel la productivité des lignes de production grâce à plusieurs de leurs fonctionnalités. Munis de leur application, les employés peuvent ainsi suivre en temps réel l’évolution de leur production journalière tandis que les hauts dirigeants ont la possibilité de garder un œil sur les données, que ce soit via leur ordinateur ou leur téléphone intelligent.

Si l’impression 3D en était encore à ses balbutiements il y a deux ans, elle est aujourd’hui de plus en plus sollicitée par les fabricants de produits alimentaires. La plupart des imprimantes alimentaires 3D sont des imprimantes de dépôt, ce qui signifie qu’elles déposent des couches de matières premières lors d’une procédure appelée « fabrication d’additifs ».

D’autres, plus spécifiques, utilisent des aliments comme matériaux d’impression, comme le sucre ou de chocolat. Pour les fabricants, cette innovation permettrait d’éliminer les essais onéreux lors de la conception d’un nouveau produit et d’obtenir des résultats plus précis en faisant intervenir l’imagination et la personnalisation.

Crédit photo : primante3d.com

Quels bénéfices pour les entreprises du secteur agroalimentaire ?
Grâce aux procédés technologiques que nous venons d’énoncer (il y a en a bien d’autres), un fabricant de produits agroalimentaires verrait son processus de production gagner en efficacité et en qualité, ce qui engendrerait dans un même temps une réduction de ses coûts et générerait des prix plus compétitifs face à la globalisation du marché alimentaire.

De cette prévision intelligente des ressources résultent également des bénéfices au niveau humain. En effet, les entreprises réduiraient les risques d’accidents et de blessures sur les lieux de production, tout en bénéficiant d’une meilleure implication de leurs équipes. En assignant à leurs employés des tâches qui les intéressent plus, notamment grâce aux robots, les entreprises diminueraient le taux de rétention de leur personnel.

Le Québec en retard
Comparativement à nos voisins américains qui ont entrepris le virage numérique à 76 %, les Québécois en sont à 28 %. Les entreprises manufacturières ou agroalimentaires doivent donc se moderniser en investissant davantage dans les usines intelligentes et dans la réflexion stratégique pour rester compétitives sur ce marché qui rayonne mondialement aujourd’hui.

Movin’On 2017 : la mobilité durable au sein de villes intelligentes

La semaine dernière, Montréal accueillait la 20e édition de Movin’On, le sommet mondial de la mobilité durable. Au sein d’un environnement créatif, visionnaires, scientifiques et entrepreneurs des quatre coins du globe se sont réunis pour présenter et échanger sur des sujets et des nouveautés touchant à la mobilité. Un seul maître mot: linnovation.

« Innovation is not a new idea we have, but an old belief we get rid of. »
– Bertrand Piccard, psychiatre et pionnier de l’aviation solaire

Qu’est-ce qui se fait en matière de mobilité en 2017? Quelles sont les nouveautés, les avancées et les préoccupations actuelles? Les thèmes abordés et les technologies présentées ont permis de comprendre de manière concrète les enjeux de la mobilité durable. Mais il y a un élément qui reste central à tout ça : l’expérience utilisateur.

Se déplacer intelligemment

Les membres de la génération Y vivant en milieu urbain repensent leur manière de se déplacer. Ils souhaitent de plus en plus s’éloigner de l’utilisation de la voiture au quotidien qui cause un véritable creux dans leur portefeuille, alors qu’ils ne l’utilisent que 1 % du temps. Avec Communauto, Amigo Express et toutes les autres solutions de location de voiture ou de covoiturage, la mobilité basée sur la notion du partage domine plus que jamais.

Elle est alors pensée comme un service, une commodité et le concept du MaaS (Mobility as a Service) se développe de plus en plus. Qu’est-ce que le MaaS? C’est un système de mobilité urbaine multimodale qui vise à simplifier au maximum les déplacements des usagers, en combinant divers types de transports contenus à l’intérieur d’un seul et unique service. Il s’agit de proposer des solutions personnalisées en fonction des besoins individuels de chaque usager. La seule chose dont il doit se préoccuper est l’endroit où il souhaite se rendre et à quel moment. Horaires, offres de transport multimodal et réservations seront rassemblés au sein d’une même application. Quelques intégrateurs de ce concept ont déjà vu le jour, à l’image de Uber! Mais les technologies émergentes poussent les concepts encore plus loin et sont en train de chambouler les modèles économiques actuels : nous verrons, entre autres, les constructeurs automobiles prendre en charge des taxis autonomes au sein de villes intelligentes.

L’intelligence artificielle à l’échelle des villes

Aussi appelées Smart Cities, ces villes intelligentes collectent beaucoup de données à propos d’elles-mêmes. Elles sont à l’écoute des réseaux sociaux, du trafic, de la météo et de tous les évènements leur permettant d’apprendre à mieux connaître leur réalité. Aujourdhui, Montréal dispose déjà doutils, comme  Transit App ou encore Moovit App, lui permettant de mesurer en temps réel le trafic dans ses rues, les accidents ou les chantiers en cours, et de prévoir limpact de ces éléments sur la circulation.

Plusieurs milliards de dollars ont été investis dans l’intelligence artificielle depuis plusieurs années, notamment dans les véhicules autonomes, et beaucoup de résultats ont déjà été observés avec Google ou avec Uber par exemple. Ces avancées combinant voiture autonomes et MaaS rendent possible des projets comme celui réalisé par nuTonomy dans les rues de Singapour, où des taxis autonomes prennent en charge les usagers depuis août 2016.

La promesse de véhicules autonomes pour les particuliers en 2025 et de taxis autonomes en 2030.

Si l’on considère que 90 % des accidents de la route ont pour cause le facteur humain, l’automatisation des véhicules vise une sécurité majeure pour les villes. Par ailleurs, l’enjeu des Smart cities est aussi d’optimiser l’utilisation de leurs ressources afin de réduire les coûts de leur consommation, et concevoir des modèles plus durables. Mais la mise en place de ces processus nécessite de relever des défis en termes d’infrastructures et de législation. Subsistent également des inquiétudes autour de la cybersécurité : quel doit être le degré de sécurité des données? Quels sont les risques de piratage?

Faire accepter le changement

Toutes ces préoccupations gravitent autour d’un point clé : la confiance des usagers. La confiance est d’ailleurs l’un – si ce n’est le principal – obstacle à la commercialisation des véhicules autonomes. Comment réagira l’usager dans une voiture qui ne possédera plus de volant? À quel point est-il à l’aise avec l’exploitation de ses données personnelles?

Au-delà de l’aspect technologique révolutionnaire de ces solutions, nous devons repenser, adopter un regard neuf et placer l’expérience de l’utilisateur au centre de l’innovation. Si nous résonnons à l’échelle mondiale, les individus ne seraient pas encore prêts à accepter de tels changements dans leur mode de vie, les jugeant trop risqués. Un travail important est alors à faire pour faire évoluer les façons de penser et de concevoir la mobilité. À l’image d’un leader de projet qui implante une nouvelle solution chez son client, intégrer des véhicules autonomes à l’échelle des villes est un processus de longue haleine. Les constructeurs travaillent fort et cherchent, par le biais de tests, à fournir des solutions 100 % sécuritaires aux usagers, afin de gagner leur confiance.

A l’instar de consultants en gestion du changement, c’est en collaborant et en mobilisant tous les acteurs à différents niveaux du projet, aussi bien publics que corporatifs, que ces changements seront menés à bien.