Publicité

Publié le 26/05/2019 - Par Véronique Pierron

Une révolution « humaine »

Elle fait le buzz… mais que recouvre en réalité le concept d’intelligence artificielle ? Une vraie révolution qui va sans doute bouleverser nos vies quotidiennes mais aussi les métiers. Aujourd’hui, toutes les grandes entreprises réfléchissent à la manière d’intégrer de l’IA pour automatiser et optimiser les processus achats. Certaines ont déjà mis en place des outils. Mais loin d’être une technologie homogène, l’IA est un outil qui comporte un ensemble de technologies.
Ce 5 juin 2025, Romain entre dans son bureau et avant même de s’installer, demande à Azon, son assistant virtuel, s’il a terminé l’appel d’offres pour l’achat de containers qu’il lui a commandés la veille. Azon lui répond d’une voix humaine, que le projet l’attend sur l’écran de son ordinateur avec l’analyse de risques d’un panel de fournisseurs. Romain ébauche un sourire et satisfait, se dit que son métier d’acheteur a bien changé en 10 ans d’exercice. Beaucoup de buzz ? Jean-Philippe Desbiolles est l’un des pionniers de l’intelligence artificielle chez IBM, c’est lui qui a dirigé la mise en œuvre de Watson, la solution d’IA d’IBM. Pour lui, « L’intelligence artificielle n’est pas conjoncturelle mais extrêmement transformatrice et structurelle, elle entraîne une révolution radicalement différente des précédentes qui étaient industrielles alors que celle-ci, en touchant les savoir-faire et le savoir-être, sera très humaine ».

Imiter l’humain… en plus puissant


Le décor étant dressé, reste à définir cet étrange domaine que l’on nomme intelligence artificielle (IA) et qui semble recéler les promesses les plus folles ? D’abord, il s’agit plus d’une capacité que d’une technologie. L’IA consiste ainsi à mettre en œuvre des techniques qui permettent aux machines d’imiter une forme d’intelligence réelle et humaine. Bref, de mener des actions jusqu’alors, exécutées par des êtres humains. « Ce concept intègre une longue liste de technologies parmi les plus innovantes et les plus disruptives, telles que le machine learning, la vision cognitive et le computer vision, les capacités conversationnelles, l’IoT ou encore l’analyse prédictive », énumère Eric Adrian, directeur général d’UiPath France (voir glossaire).
Forte de ces capacités, l’IA se retrouve implémentée dans un nombre grandissant de domaines d’application. Des géants de l’informatique aux créateurs de startup, une foule de cerveaux planche aujourd’hui sur ces problématiques d’intelligence artificielle. Pour Jean-Philippe Desbiolles, « l’IA touche trois grands domaines, l’expérience clients avec le couple humain et machine ; le secteur de l’augmentation des capacités humaines, ou ce que l’on appelle l’"homme augmenté", avec par exemple les assistants virtuels dans le monde du travail ; et enfin l’intégration de l’IA dans les processus métiers – comme les chaînes de production ou encore les achats – pour les rendre plus performants ».

À l’origine est la data et l’apprentissage


On rembobine ? Tout commence par la fameuse donnée car sans donnée pas d’IA. C’est elle qui va servir de matière à la machine pour apprendre des occurrences, devenir ainsi plus intelligente et pouvoir, en définitive, émettre des propositions et prendre des décisions validées par l’homme. Toutefois, Thomas Bourgeois, CEO de Dhatim, éditeur d’un logiciel SaaS spécialisé dans l’automatisation des processus achat, finance et RH grâce à l’IA, met en garde contre toute précipitation. « Il est fondamental de comprendre qu’on ne va pas avoir du jour au lendemain un robot qui va tout faire, explique-t-il. L’utilisation de l’IA va se développer au fur et à mesure et essaimer dans toutes les activités et particulièrement dans le monde des achats. »
Pour qu’un outil d’intelligence artificielle soit réellement opérationnel, il est nécessaire que des données existent en masse suffisante, soit plusieurs centaines de milliers, voire de millions de données, qui vont servir de base au mécanisme d’IA. C’est pourquoi on parle de big data, ce terme désigne des ensembles gigantesques de données – ou data lake, littéralement « lacs de données » - devenus si volumineux qu’ils dépassent l’intuition et les capacités humaines d’analyse.
Le volume des seules données Achats – comme de la plupart des données métiers – n’étant pas suffisant, il est donc nécessaire de les enrichir avec d’autres données, comme celles issues de la comptabilité par exemple et même de données externes à l’entreprise. C’est ce que fait la startup Silex spécialisée dans le sourcing. « Pour les directions achats, nous allons sourcer des panels de fournisseurs pour constituer des référentiels fournisseurs, explique le directeur général de la startup, Quentin Fournela. Pour ce faire, nous utilisons à la fois les données internes de l’entreprise mais aussi des outils de crolling c’est-à-dire une technologie de récupération de données sur internet ».

Analyse, croisement de données, auto-apprentissage


L’IA ce n’est pas magique : le seul fait de collecter ou d’avoir accès à de larges ensembles de données n’est pas suffisant pour produire un résultat. C’est pourquoi, les développeurs en IA, intègrent dans ces data lake des algorithmes de machine learning qui vont permettre à la machine d’analyser ces données, de croiser des données issues de différentes sources afin de définir des règles d’exploitation. Ainsi, analyse, croisement de données et auto-apprentissage sont les fondamentaux de l’IA. C’est ce triptyque qui va permettre à une machine de « comprendre » et de s’améliorer pour se substituer à l’humain afin d’exécuter des tâches simples
et répétitives.
« Les entreprises utilisent des logiciels de machine learning capables d’acquérir des connaissances grâce à un apprentissage supervisé ou non supervisé, souligne Eric Adrian. Un bon exemple de son application est représenté par les scores de crédit générés par logiciel ». Le logiciel commence par analyser des données ciblées qui aboutissent à un pointage de crédit proposé, soumis ensuite à un employé de banque qui les accepte ou les rejette. Une démarche que Silex applique au sourcing. « Notre outil, en analysant les marchés va permettre de construire la meilleure stratégie achats afin de répondre à un besoin de l’acheteur, explique Quentin Fournela. L’objectif de Silex est de mettre l’IA à la disposition des petites équipes achats grâce à un abonnement ».
Plus sophistiqué encore que l’apprentissage automatique, le deep learning est le défi actuel de l’intelligence artificielle. « Nous créons des algorithmes qui créent eux-mêmes des réseaux de neurones », souligne Philippe Harel, responsable du pôle intelligence artificielle, chez Umanis, l’un des leaders Français en data, business solutions et digital. « Ça ressemble à une petite fonction cérébrale où nous plaçons un algorithme "génétique" qui va développer au mieux cette partie "cérébrale" en créant d’autres réseaux de neurones pour s’adapter aux situations », explique-t-il.

Des débuts prometteurs dans les processus métiers


Bref, c’est la course pour les grandes entreprises de l’informatique qui sont toutes en train de mettre en place ces réseaux de neurones artificiels constitués de serveurs informatiques, qui permettent de traiter de lourds calculs au sein de gigantesques bases de données. Les enjeux financiers sont à la mesure des recherches. Selon une étude récente de McKinsey (Skill Shift: Automation And The Future Of The Workforce, mai 2019), l’IA peut générer un bénéfice annuel global compris entre 3,5 et 5,8 milliards de dollars sur neuf fonctions commerciales et 19 secteurs étudiés par le cabinet. Parmi ces secteurs, la relation client via l’IA est aujourd’hui très en vogue sans être encore très répandue. L’exemple le plus connu reste Orange Bank et son assistant virtuel Ginko qui grâce à Watson, l’IA d’IBM, répond à plus de 50 % des demandes des clients de la banque.
Disponible aussi pour les Achats, Watson va analyser, dans le cadre d’un appel d’offres, si les fournisseurs répondent à toutes les exigences juridiques mais aussi étudier les risques et les clauses des contrats pour choisir les fournisseurs les mieux adaptés. De même que l’on commence à intégrer de l’IA dans les processus métiers pour améliorer par exemple, la gestion des fournisseurs et les performances des acheteurs. Ainsi, des chatbots intelligents sont déjà mis en place dans certains grands groupes pour déterminer des profils de fournisseurs et détecter ceux dont les performances sont moins bonnes que par le passé. « De grands groupes industriels procèdent déjà à ce type de profilage sur leurs fournisseurs mais ce n’est pas dit publiquement car cela pourrait être assimilé à du flicage par les fournisseurs », explique Philippe Harel.
L’IA, Manuel Davy y est plongé depuis toujours et après dix années de recherches sur l’apprentissage automatique, à l’université de Cambridge et au CNRS, il a fondé la startup Vekia en 2008, qui propose une solution d’analyse prédictive multi-données permettant d’améliorer la gestion des stocks et des réapprovisionnements. Pour l’ancien chercheur : « l’IA va être d’une grande utilité pour automatiser les commandes et optimiser les achats ». Pour Engie Home Services, une filiale de l’électricien qui s’occupe d’installer des chaudières chez les particuliers, Vekia a mis en place un système de commandes automatisés de pièces détachées avec cet avantage inestimable : la machine anticipe les stocks de pièces qui vont manquer grâce à une analyse des stocks en continue. Ainsi, toutes les références des milliers de pièces détachées ont déjà été rentrées dans l’outil élaboré par Vekia et l’algorithme d’IA va analyser en permanence l’état des stocks pour déclencher une commande automatique si le stock est insuffisant.

L’IA, un ensemble de technologies


On l’a compris, pour « imiter » l’intelligence humaine, l’intelligence artificielle va utiliser différentes technologies. Elle couvre ainsi un large éventail de méthodes et d’algorithmes qui rendent les logiciels intelligents. Le computer vision est une superstar dans l’IA car elle apporte la capacité à des robots logiciels de voir et d’ identifier des objets, des scènes et des activités comme Facebook reconnaît les visages sur les photos. Cette technologie va être également utilisée dans le domaine de la reconnaissance de facture ou la détection de contrats à renégocier. De son côté, Dassault Systemes a développé une solution d’IA, Sourcing & Standardization Intelligence, dont le but est d’aider les entreprises à faire des économies sur les achats directs. Ces applications aident les équipes achats à regrouper et classer des pièces similaires, à les comparer les unes aux autres pour sélectionner celle qui sera réutilisée (voir encadré).
Chez Dhatim, l’objectif des outils d’IA va être de cartographier l’intégralité des achats d’une entreprise afin de récupérer les lignes de dépense et les segmenter pour donner de la visibilité à la direction achats. « Nous partons des lignes de dépenses liées à du matériel comptable ou des factures elles-mêmes, explique Thomas Bourgeois. L’IA va ensuite être capable d’apprendre à la machine à classer ces lignes de dépenses et permettre une visibilité transparente de ce que la direction achète ».

Un projet d’IA, c’est 70 % de métier et 30 % de technique


Bâtir un projet IA en entreprise ne s’improvise pas. C’est avant tout un projet métier, il est donc primordial d’avoir au sein de l’équipe projet des personnes maîtrisant parfaitement les tâches à réaliser. Ceci permettra de monitorer l’apprentissage de l’IA et d’en valider ou non le bon fonctionnement avant une mise en production éventuelle. Un projet d’IA c’est 70 % de métier et 30 % de technique. Quel que soit le processus à automatiser, il est important de bien définir la problématique métier ciblée.
Pour les Achats, cette définition consistera à cibler l’activité à automatiser, par exemple, constituer des panels de fournisseurs ou automatiser des commandes. Le cabinet de conseil e-achats Axcias est en train d’intégrer au sein du groupe Safran, un outil développé par l’éditeur Ariba. « Nous nous servons de la reconnaissance d’image pour créer des demandes d’achats automatiques à partir de devis, explique son directeur, Bertrand Gabriel. Nous traitons aujourd’hui 40 % des demandes. Nous avons commencé avec des demandes de moins de 500 euros et nous allons à présent aller vers des montants plus stratégiques ».
Dans tout projet d’IA, l’entreprise doit avoir atteint une certaine maturité digitale pour pouvoir sélectionner des données propres et suffisamment quantitatives pour réaliser les premiers entraînements de l’algorithme. Ensuite, le choix de l’algorithme s’impose mais avec la démocratisation de l’IA, les types d’algorithmes se sont multipliés et sont accessibles. « En termes de technologies et de plateformes, nous assistons à une certaine maturité car nous pouvons travailler aujourd’hui sur des plateformes comme celle de Microsoft avec Azure, AWS d’Amazon ou encore GCP de Google. Grâce à ces plateformes, nous pouvons industrialiser et gérer les cycles de vie d’un projet d’IA », souligne Philippe Harel. Reste ensuite à réaliser un prototype ou un pilote de cette IA sur un petit périmètre métier comme le tester par exemple, sur quelques fournisseurs. Même au niveau du pilote, ces projets sont intéressants pour l’entreprise. « Le pilote peut à lui seul entraîner un ROI considérable car il permet de gagner de l’argent sur trois leviers, explique Manuel Davy. D’abord il facilite le travail car le temps humain est sept fois plus efficace qu’en temps classique ».

Quels développements pour demain ?


Une étude réalisée en juin 2017 par le cabinet de conseil PwC (« Sizing the prize What’s the real value of AI for your business and how can you capitalise ? », juillet 2017) prédit que l’IA stimulera 15,7 milliards de dollars de richesses supplémentaires pour le monde d’ici 2030 (voir illustration). Pour ce qui est de l’avenir, il est des plus prometteurs. « Le domaine de l’intelligence artificielle continue de progresser de manière fondamentale vers l’intelligence artificielle générale au niveau humain (AGI), explique Eric Adrian. L’AGI est l’horizon au-delà duquel une machine sera en mesure de mener à bien toute tâche intellectuelle qu’un humain peut accomplir. Les tâches de l’AGI comprennent l’apprentissage, la planification et la prise de décision dans l’incertitude, la communication en langage naturel, la plaisanterie et même la reprogrammation ». Pour quasiment tous les experts et visionnaires de l’IA, son domaine le plus pertinent reste le deep learning. C’est ainsi que l’essor récent de l’IA peut être attribué en grande partie à l’application du réseau neuronal profond au cours de la dernière décennie.
L’évolution est déjà en route avec les applications fondées sur ce que l’on appelle les « réseaux de neurones convolutifs », une application spécialisée des réseaux de neurones profonds inspirés du cortex visuel des animaux et qui fonctionnent selon des schémas biologiques. Ces neurones sont conçus spécifiquement pour la prise d’images et sont efficaces pour les tâches de computer vision. A côté d’eux, les réseaux de neurones dits récurrents sont bien adaptés aux problèmes de langage car ils jouent un rôle important dans l’apprentissage par renforcement en permettant à la machine de garder une trace de la situation actuelle et de celles passées. Donc l’expérience. « Au-delà du buzz, l’IA va progressivement prendre de plus en plus de place dans l’entreprise. A l’instar du cloud qui est devenu aujourd’hui une réalité pour toutes les entreprises », prédit le directeur Big data et CTO d’Atos, Jérôme Stoller.
Portraits

Jean-Philippe Desbiolles
Vice-président transformation cognitive, IBM Watson Group

" L’intelligence artificielle n’est pas conjoncturelle mais extrêmement transformatrice et structurelle "




Thomas Bourgeois
Président, Dhatim

" L’utilisation de l’IA va essaimer dans toutes les activités et particulièrement dans le monde des achats "

Publié le 26/05/2019 - Par Véronique Pierron

Retrouvez la revue en format tablette

Apple store Google Play