L'AI aujourd'hui

Examen Planification opérationnelle et SI – MSCA4

L’AI AUJOURD’HUI.

        L’intelligence artificielle (AI) est présente aujourd’hui dans de nombreux domaine. Elle est, en effet, déjà présente dans nos quotidiens sans que nous nous en rendions compte. Pour illustrer ce propos, il est possible de prendre tous les assistants numériques que nous utilisons tous les jours comme Siri ou Alexa, ce sont des intelligences artificielles destinées à nous rendre plus efficace dans la planification de nos journées par exemple.

        Mais alors, qu’en est-il en entreprise ?

        En entreprise les AI prennent également toujours plus d’ampleur, pour une raison très simple, ses systèmes sont capables de traiter une quantité importante de données en un temps record, ils sont bien plus rapide qu’un humain pour le faire. Cependant l’utilisation de ces systèmes entraîne un certain nombre de conséquences.

        En effet, il paraît important de se pencher sur les effets que peuvent avoir ces systèmes sur la gestion des risques, le Model Risk Management (MRM), dans un premier temps. Avant de voir via un exemple sur l’utilisation de l’AI sur une base logistique, les avantages et inconvénients que cela peut représenter. Mais également de voir les impact que cela peut avoir sur notre société, de par la disparition de certains métiers.

        Tout d’abord analysons les effets de l’IA sur les MRM. Pour pouvoir analyser les effets de ces systèmes, McKinsey a réalisé un sondage sur plus de 150 managers de la gestion des risques de près d’une centaine d’institution du secteur bancaire. Et les résultats du sondage ont fait ressortir un certain nombre de centres d’intérêt, tout d’abord l’impact de la crise sanitaire sur ces systèmes, puis les défis que représente aujourd’hui les IA sur ces différents modèles.

        Tout d’abord, il apparait comme étant évident que la crise sanitaire en cours à pris de court tous les MRM existant. En effet les modèles existant avant la crise reposaient sur des données historiques, or la pandémie a créé une défaillance dans ces systèmes car elle ne pouvait pas être prévue, aucune donnée préexistante n’était enregistrée. La question de la fiabilité des données peut alors se poser. En effet, les données contenues et prises en compte pour le développement des AI se base énormément sur des données préexistantes, sur des cycles qui se répètent souvent. Or avec un événement imprévu, cela génère un aléa, ce que les AI ne peuvent prévoir, et du fait du manque de données elles ne peuvent pas réagir comme elles le font d’habitude. Les MRM se doivent donc de recalibrer et d’adapter leurs modèles. Dans l’ensemble donc, les modèles ont évolué pour pouvoir s’adapter pour la crise en cours, mais également pour les crises futures. Mais ces modèles, une fois la crise passée et oubliée, ne seront-ils pas oublies ? Telle est la question. En temps de crise des systèmes et des modèles se créent pour pouvoir répondre au besoin présent, mais une fois les crises passées, ces mêmes modèles laissent souvent leur place à des systèmes et des modèles plus simples correspondant davantage à la situation vécue à l’instant T.

        De plus, l’AI a toujours un certain nombre de défi à relever. En effet, l’utilisation des AI en entreprise augmente considérablement la complexité des différents MRM mis en place, de par leur complexité d’une part, mais également du fait de leur manque de transparence.

        En effet la nature de ces nouveaux modèles est compliquée à détecter car il est extrêmement difficile de savoir ce dont les AI seront capables de faire. Le vrai problème, c’est que les utilisateurs des AI, et les MRM n’en maîtrise pas forcément tous les aspects, et lorsque l’on ne maîtrise pas assez un sujet il est forcément plus difficile de gérer les risques pouvant y être associés. Tout comme le montre le sondage réalisé par McKinsey puisque moins de 20% des banques auditionnées se disent prêtes pour cette nouvelle démarche, les autres ont souvent cités un manque de talent sur les AI pour justifier leur décision.

        Si, si peu d’entreprise se disent prêtent à sauter le pas aujourd’hui la question qui se pose ‘est : Qu’est-ce que les AI peuvent apporter à une entreprise ? Prenons l’exemple d’une AI assez simple mais pourtant redoutable d’efficacité : l’aide à la commande vocale en entrepôt.  

        Cet outil permet aux préparateurs de commande de ne plus avoir à s’encombrer de papier pour pouvoir faire leur commande. En effet, la commande papier est remplacée par un casque relié à un boitier qui indique dans l’oreille de l’opérateur sa commande et ce qu’il doit prendre.

        Cet outil comporte de nombreux avantages. Effectivement, cela permet aux opérateurs de ne plus perdre de temps à devoir vérifier sur un papier ce qu’ils doivent prendre. Ce qui permet d’augmenter considérablement la productivité des préparateurs, par exemple, un opérateur préparant sur papier va pouvoir assurer, sur une journée de travail de 7h, 5h de charge. Alors qu’un opérateur travaillant à la « vocale » va aisément pouvoir arriver à 6h30 de charge.

        De plus, l’AI indiqué à l’opérateur l’emplacement des colis et la quantité, une fois l’emplacement validé à l’aide des chiffres contrôle, ce qui permet de limiter les erreurs et de pouvoir augmenter la satisfaction client car les commandes arrivent quasiment sans erreur. Et si les erreurs diminuent cela impacte nécessairement la gestion de stock, car plus le taux de service est haut, plus la fiabilisation des stocks l’est aussi.

        Cependant pour que l’AI fonctionne vraiment correctement, il faut que les données d’entrée de l’AI soient fiables, il faut être rigoureux et toujours s’assurer que la machine tourne correctement. Car le système peut prendre de mauvaise décision, par exemple, une charge qui va être habituellement élevée par rapport à la normale, comme ça a été le cas lors de l’annonce du confinement, le système n’ayant pas de données préexistantes va continuer à tourner comme d’habitude, il faut donc être capable de prendre le relai.

        En outre, il est important de savoir présenter les choses aux opérateurs lorsque ce genre de système est mis en place car cela représente un changement pour eux. Il faut donc conduire le changement humainement, pour cet exemple cela représente pour eux certes une facilitation de leur travail car ils vont pouvoir gagner du temps et de l’énergie, mais cela entraîne également certains désagréments comme le fait de n’avoir qu’un vocabulaire très limité et un robot qui leur parle toute la journée. Il faudra donc accompagner les opérateurs et prévoir les formations adéquates à ce nouveau système.

...