L’évolution des technologies a toujours été un moteur de changement dans le monde de l’entreprise, mais l’arrivée de l’Intelligence Artificielle générative représente une révolution que nous n’avions pas connue depuis de nombreuses années. Au Grand-Duché de Luxembourg, cette réalité n’échappe pas aux responsables d’entreprise qui cherchent constamment à améliorer/optimiser leurs processus. Tentons de découvrir comment l’IA peut servir de catalyseur pour transformer les processus d’entreprise, offrant à la fois une efficacité opérationnelle accrue et une nouvelle dynamique de croissance.
Qu’il s’agisse de supprimer la charge des tâches répétitives et à faible valeur ajoutée, de réduire les erreurs, d’accélérer le traitement de l’information ou encore de générer de nouvelles opportunités, les organisations souhaitant optimiser leur fonctionnement ont pris conscience du potentiel de l’Intelligence Artificielle en complément de leurs mécanismes d’automatisation actuels. Même si certaines organisations peinent encore à récolter des bénéfices opérationnels, l’euphorie de l’IA a gagné une grande partie du paysage entrepreneurial luxembourgeois.
Business automation, Machine Learning, Deep Learning et IA generative
Quand on parle de solutions métiers basées sur de la « Business Automation » (BPM, RPA, etc.) ou de l’IA, il ne s’agit pas de mettre en concurrence l’humain et la machine, mais plutôt de mettre à profit la technologie pour simplifier le travail quotidien des équipes en leur permettant de se recentrer sur les tâches à plus haute valeur ajoutée.
Il s’agit également de pouvoir supporter des tâches qui n’étaient pas possibles jusque-là, ou pour lesquelles nous n’avions pas suffisamment de collaborateurs pour les supporter.
L’IA classique, dite réactive, comporte plusieurs sous-familles dont les principales sont le Machine Learning et le deep learning :
Le Machine Learning utilise des algorithmes afin d’analyser des données propres et bien structurées, et appliquer ce qui a été appris pour prendre des décisions automatiquement (exemple : maintenance prédictive).
Le deep learning (sous-catégorie du Machine Learning) est composé d’algorithmes permettant à un logiciel de s’entraîner à effectuer des tâches via des couches de réseaux de neurones construits sur base de grands volumes de données. Les tâches automatisées incluent la reconnaissance et l’analyse d’image, l’analyse prévisionnelle et l’analyse « big data ».
Née de l’évolution de ces technologies, l’IA générative a quant à elle provoqué une révolution ces dernières années.
L’Intelligence Artificielle générative est généralement basée sur des modèles omniscients qui ont été entrainés sur de gigantesques volumes de données sans objectifs fonctionnels précis, mais qui offrent des capacités extraordinaires en logique, en compréhension du langage et des intentions, en traduction, en culture générale, etc.
Rendue accessible en libre-service, cela a provoqué une révolution. Cette révolution n’a pas tellement été technique, mais plutôt une révolution d’usage, ouvrant la porte à un nombre incalculable de cas d’utilisation.
Qu’en est-il de la RPA (Robotic Process Automation) qui a longtemps été le fer de lance des initiatives pointues d’automatisation en entreprise ?
Cela n’est techniquement pas une sous-catégorie de l’IA. Cet outil fait référence à un logiciel facilement programmable pour réaliser des tâches basiques, en passant parfois par des interfaces normalement prévues pour les humains (une page internet, un fichier Excel, une application de type ERP, etc.). Le robot n’a pas de capacité d’apprentissage et ne fonctionne qu’avec des données à la structure et aux formats prédéterminés. Néanmoins, les outils de RPA offrent des avantages dans toutes les applications telles que :
la navigation dans les IHM, la génération de rapports, le traitement en masse, la gestion de flux entrants, la collecte automatique des données, etc.
La Business Automation (incluant la RPA) et l’IA dans l’automatisation des processus métiers sont complémentaires et cela a accéléré nos capacités à savoir automatiser efficacement et rapidement. Par exemple :
- Aide à la découverte des processus candidats propres à l’organisation et analyse des optimisations possibles
- Aide à la documentation des processus (PDD) ciblés (avant et après refonte pour automatisation)
- Aide à la conception et génération des scripts et à la configuration des outils d’automatisation
- Gestion améliorée des cas d’exception lors de l’exécution des automatisations (prise de décisions optimisée)
- Compréhension des flux entrants (emails, tickets de support, courriers scannés, etc.)
Les processus métiers ne sont pas les seuls à bénéficier de l’IA pour être optimisés. Il en va de même pour les phases de développement de nos équipes techniques, car l’IA offre également de grandes capacités d’aide aux développeurs :
- Génération de code
- Revue de code existant, reverse-engineering et documentation
- Aide à la conception d’interfaces graphiques et optimisation de l’expérience utilisateurs
- Génération de tests unitaires et génération de tests métiers.
Il faut néanmoins rappeler que l’usage de l’IA générative ne va pas sans prendre certaines précautions. En effet, certains sujets demeurent majeurs :
- Gestion des biais et des hallucinations.
- Le prix à l’utilisation peut s’avérer être un frein conséquent.
- La fuite de données utilisées pour l’entrainement de futurs modèles et ainsi rendues publiques.
- Le manque d’information sur les sources ayant servies à construire les réponses.
- L’infraction aux droits d’auteurs éventuels.
L’utilisation de modèles locaux open-source (comme l’européen Mixtral), hébergés sur l’infrastructure propre de l’entreprise, apporte souvent une réponse à ces différentes limitations.
De plus, même si les modèles et les techniques de prompt engineering sont de plus en plus performants, le contrôle de l’humain reste souvent nécessaire en fonction des cas d’usage.
FEDIL AI Forum
Dans ses échanges quotidiens avec ses membres, la FEDIL constate que quasiment la totalité des entreprises estiment que l’intelligence artificielle impactera leur façon de fonctionner, que ce soit au niveau des processus industriels, de la gestion des ressources humaines, de questions environnementales ou énergétiques, du contrôle-qualité …
Si les opportunités en termes d’efficacité et de productivité semblent manifestes, les défis quant à la conformité par rapport à la législation (AI Act), à la mise en œuvre et à l’usage de l’intelligence artificielle sont multiples pour les entreprises.
Fidèle à sa vocation d’informer et d’accompagner ses entreprises membres dans le changement, la FEDIL vient de créer le « FEDIL AI Forum ». À travers des rencontres trimestrielles, nous proposons de réunir nos membres sur le sujet de l’IA, d’engager la discussion, de répondre aux questions et de réduire les appréhensions. Ouvert aux utilisateurs, développeurs ou intégrateurs d’IA, le Forum a été lancé avec une première réunion qui a eu lieu le 17 avril.
Si vous êtes intéressé à rejoindre notre AI Forum, n’hésitez pas à contacter Céline Tarraube, conseillère digitalisation & innovation à la FEDIL.