Parmi les nombreuses innovations permettant de valoriser la data, l’IA est sans conteste le nouveau terrain de jeu des entreprises. Et ce n’est pas qu’une question de mode : pour Antoine Perchet, chef d’entreprise chez Axians, l’enjeu est clair. “L’intelligence artificielle permet de prendre de meilleures décisions et d’anticiper. Or une entreprise qui ne se transforme pas, c’est une entreprise qui meurt”.

Tous les secteurs sont concernés, avec des cas d’usage très variés : « la meilleure implantation pour un nouveau magasin lorsqu’on est un acteur du retail, la panne d’une pièce qui pourrait mettre à mal tout un process industriel quand on travaille dans l’industrie, un volume d’annulations de rendez-vous quand on est un acteur de la santé, des tarifs optimisés quand on est un assureur… », précise le chef d’entreprise. Ou encore, simplification de la conception et du déploiement d’infrastructures de fibre optique.

Les entreprises en France sont-elles mûres pour l’IA ? Où en sont leurs cas d’usage ? En collaboration avec HPE, Axians a mené une étude sur le sujet.

Pour faire de l’IA, il suffit finalement aujourd’hui, pour une entreprise, de connaître les données dont elle dispose, leur intérêt métier, pour en extraire du signal et construire des modèles prédictifs sur des sujets d’exploitation et maintenance de réseaux, de rétention de clients, de contrôles de malfaçons, de fraude ou de lutte anti-blanchiment dans le secteur bancaire…

« Nous travaillons à l’aide d’outils utilisant l’IA, qui permettent de visualiser les malfaçons sur un ouvrage. Le technicien prend une photographie de l’installation, une boite optique dans une chambre fibre par exemple, et grâce à l’analyse d’images, le logiciel indique instantanément les éléments à reprendre »,  indique Hubert Houy, Directeur chez Axians.

Démocratiser l’IA en gommant sa complexité de mise en œuvre

L’IA offre des possibilités quasiment infinies en termes de cas d’usage.

« Mais les entreprises ne savent pas forcément comment se lancer », relève Antoine Perchet. « Peu disposent de data scientists au sein de leurs équipes, et les coûts peuvent freiner les projets ». Tout le monde n’a en effet pas les moyens de recruter des profils experts en Data Analytics, mais des solutions existent. « Des plateformes permettent de démocratiser l’IA et la rendre accessible au plus grand nombre et aux non data scientists. Elles proposent de construire des modèles en quelques secondes pour des cas d’usage, de manière quasi infinie ».

Se faire accompagner est également indispensable. Une entreprise d’Axians a ainsi été accompagnée par la fondation Léonard pour développer Faiber, une application mobile d’aide à la décision basée sur l’IA. Dans le même temps, « Axians aide les entreprises dans leurs projets, avec des propositions visant par exemple à isoler des cas d’usage les plus prometteurs. En revanche, cela implique une certaine maturité des utilisateurs sur le sujet, d’un point de vue humain mais aussi process », rappelle Antoine Perchet. « Si les données sont en nombre insuffisant, ne sont pas propres ou si le Data Lake, dans une volonté de protection des données qu’on retrouve dans le secteur bancaire par exemple, n’est pas accessible, il nous sera impossible d’enrichir le modèle et d’effectuer des analyses prédictives ».

 

La fondation Léonard est une plate-forme de prospective et d’accélération de projets innovants créée par le groupe VINCI. Depuis juillet 2017, elle accompagne les projets de collaborateurs et d’entreprises de VINCI, ainsi que de start-up et d’entreprises innovantes.

Faiber : quand l’IA simplifie la conception et le déploiement de la fibre optique

Application mobile simple et intuitive, FAIber facilite l’exploitation et la maintenance des réseaux FTTH, la planification d’extensions, l’audit d’infrastructures. Une simple photo prise par un technicien permet la reconnaissance de l’équipement, sa géolocalisation sur le réseau, l’affichage des adresses connectées…

Techniciens et gestionnaires du réseau accèdent à une base de données mise à jour en temps réel à chaque intervention, et s’affranchissent de l’utilisation de plans papier.

« Nous avons fait travailler l’IA sur des éléments du réseau, des milliers d’images de chambre optique, boîte optique, etc… pour avoir un pourcentage de reconnaissance très élevé. Avec FAIber, nous pourrons être plus réactifs, plus rapide sur nos interventions, améliorer notre qualité, tout en divisant le temps d’intervention par 3 ».

Hubert Houy, Directeur chez Axians

Autre impératif : le ROI. L’agilité et la productivité ne font pas tout, il est préférable de se lancer en percevant le ROI, la valeur ajoutée. Si un défaut peut être prédit avant qu’une pièce ne casse, des coûts liés à l’arrêt de production, au temps de commander la pièce et effectuer la réparation sont évités. Dans certains secteurs comme l’industrie pétrolière, ils peuvent être conséquents et mettre à mal la balance économique d’un site de production.

La mutualisation des ressources pour réduire le coût de l’IA

« Le coût des solutions d’IA est assez important pour les entreprises si elles s’équipent en on premise, et les solutions de prédiction sont de grandes consommatrices d’infrastructures et de puissance sur les serveurs », relève Antoine Perchet.

« Pour leur éviter de supporter ces coûts et parce que nous sommes convaincus que l’avenir de l’IA est à la mutualisation des ressources, nous avons créé une offre de data science as a service. Elle permet à des utilisateurs de se connecter à une plateforme de machine learning automatisée, sans avoir à supporter les coûts de l’infrastructure, de la puissance, de l’électricité etc. ».

Démocratiser l’usage de l’intelligence artificielle

Démocratiser l’IA est un enjeu important : les cas d’usage se retrouvent dans toutes les entreprises, à tous les niveaux et dans tous les services.

Axians fournit une solution clé en main, simple d’utilisation. « L’utilisateur doit seulement être compétent sur la structuration des données de l’entreprise pour en extraire des modèles à valeur ajoutée ».

Mieux vaut ne pas se lancer dans des tests, des évaluations, sans se projeter sur la mise en production dans le SI de l’entreprise. « Grâce à notre approche de l’IA, et aux solutions que nous proposons, nous avons aujourd’hui des exemples de clients qui ont mis en production des systèmes prédictifs et les utilisent au quotidien », rappelle Antoine Perchet.