Cette semaine, Numeria, l’association des Centres de compétence wallons (Technifutur, Technofutur TIC, Technobel…), a entamé une série d’ateliers de sensibilisation-information sur l’intelligence artificielle dans le but de démontrer son utilité pour les entreprises, PME ou professionnels, quel que soit leur domaine d’activités – industrie, marketing, secteur public…

La série de séminaires, organisés en mode vidéoconférence en raison des circonstances sanitaires, s’inscrit dans le cadre du programme d’actions de Digital Wallonia 4 AI et du Réseau IA, en complément d’activités déjà initiées précédemment tels que Start IA (identification d’opportunités pour projets IA) et Tremplin IA (développement de prototypes et proof of concepts).

Lors des premiers webinaires, les orateurs se sont notamment employés à démontrer que les projets d’intelligence artificielle ne sont pas forcément des chantiers rébarbatifs, lourds à assumer, inaccessibles aux sociétés plus modestes mais qu’au contraire, en préparant et balisant soigneusement le cadre de ce projet, toute PME aussi modeste et démunie de moyens soit-elle peut se lancer à l’eau et espérer retirer de premiers fruits de l’exercice.

Frédéric Peters, directeur général de Thelis (et par ailleurs l’un des initiateurs du Réseau IA wallon), s’est ainsi chargé de rappeler à la fois les avantages potentiels que peut procurer l’IA pour toute société et les préparatifs indispensables à effectuer afin de favoriser la mise en oeuvre d’un projet.

“L’IA, c’est pas pour moi”

Bien souvent, une société renâcle à l’idée de recourir à l’IA, estimant qu’elle n’en a pas besoin ou qu’elle est surdimensionnée par rapport à sa situation.

La raison est sans doute à chercher, du moins en partie, dans le hype qui entoure l’IA, dans la publicité qui est faite de projets ambitieux, de grande ampleur, impliquant des développements conséquents et complexes, avec à la clé des produits ou services qui ont un impact majeur, voire “disruptif”, sur l’existant.

Du coup, les petites sociétés estiment que l’IA est un “machin” surdimensionné, complexe, et que leurs besoins et ressources ne s’y prêtent pas. 

Une série de webinaires pour démontrer aux PME et aux autres acteurs de l’économie locale que l’IA peut être une piste intéressante et érable. Source: Numeria.

Erreur de perception, estime Frédéric Peters. L’erreur d’appréciation commise tient à l’envergure de “plus-value” ou de potentiel d’amélioration que l’on prête à l’IA. Pour le dire autrement, qui peut le plus… peut le moins. 

Les potentiels d’impact de l’IA sont nombreux, même à petite échelle, même pour le contexte modeste d’une PME. Le patron de Thelis, bureau d’étude spécialisé en informatique et électronique mais aussi concepteur et intégrateur de solutions, rappelait ainsi quelques registres dans lesquels l’IA (l’analytique, les algorithmes, l’apprentissage automatique…) peut aider une PME industrielle:

– amélioration des processus existants: “disponibilité et meilleure planification d’une ligne de production, amélioration de la qualité de la production ou du produit final, optimisation de la performance d’une ligne de production afin d’éviter délais et arrêts…”
– automatisation de certains aspects des activités: “toute société qui fabrique ou assemble des produits peut tirer parti d’outils de prévision des ventes ou d’analyse et d’automatisation marketing dans la mesure où cela peut lui permettre de mieux déterminer ce qu’il lui faut produire à tout moment”
– gestion des risques et de la sécurité ; ici, ce sont des solutions de reconnaissance d’images ou de mouvements (pour l’identification de personnes dans une zone dangereuse par exemple) ou encore un chatbot (“pour guider un opérateur”) qui peuvent s’avérer utiles – même pour une petite structure.

“Trop long, trop cher”

Développer des algorithmes, les entraîner, mettre à disposition des données suffisamment nombreuses et/ou pertinentes… Voilà autant de passages obligés qui rebutent et découragent.

Ici encore erreur de perception, estime Frédéric Peters, due au fait que l’IA n’est pas un concept monolithique. Ses conditions et modalités de concrétisation sont en réalité extrêmement variables. “Certes, les risques sont nombreux et le taux d’échec élevé mais il y a moyen de les réduire. Il n’est pas nécessaire de tirer un plan sur la comète. Il est parfaitement possible et même recommandé de commencer par de petits projets, qui auront préalablement été identifiés comme des “quick wins”, apportant un maximum de plus-value, rapidement, au business.”

Comment procéder? “Identifier une problématique bien précise à résoudre, sélectionner et qualifier les projets en déterminant la valeur qu’ils peuvent concrètement représenter pour les activités par rapport aux ressources disponibles (ressources humaines comprises), les compétences disponibles ou aisées à solliciter à l’extérieur, le niveau d’efforts requis…”

Frédéric Peters (Thelis): “Il n’est pas nécessaire de tirer un plan sur la comète. Il est même recommandé de commencer par de petits projets “quick wins”, apportant un maximum de plus-value, rapidement, au business.”

Autre élément de l’équation: un projet IA n’implique pas forcément que l’on doive développer de nouveaux algorithmes, une nouvelle logique, de nouveaux outils à partir de zéro. “Il existe une grande quantité de produits, par exemple des caméras intelligentes, disposant d’une capacité IA pré-embarquée, qu’il suffit d’intégrer et de configurer et qui permettent de répondre à une large panoplie de besoins. Certes, ces produits pré-existants ne répondront peut-être pas à des besoins spécifiques mais ils permettent de réaliser un projet à moindre coût, exigeant des compétences peu spécialisées, et peuvent aboutir rapidement, en l’espace d’environ un mois, voire moins…”

Même s’il n’existe pas de produit commercial (ou open source) “tout fait” pour répondre au besoin (plus) spécifique de la société, un autre moyen de se lancer, sans trop de difficultés et de contraintes, dans un projet IA est de l’aborder sous la forme d’un exercice de prototypage ou de proof of concept en sélectionnant, combinant et assemblant plusieurs outils ou modules pré-existants.

“Cela implique certes une certaine dose de R&D et d’innovation mais le time to market demeure maîtrisé et abordable. Il faudra toutefois recourir à des compétences un rien supérieures au scénario précédent et faire au minimum appel à un informaticien qui puisse intégrer les modules, les paramétrer…”

Typiquement, estime Frédéric Peters, ce genre de projet IA peut se concrétiser (de l’idéation au déploiement) en l’espace de six mois.

Deux autres types de projet IA exigent par contre davantage de temps, de moyens et de compétences. Et apparaissent en effet comme difficilement abordables pour des PME…

Ce sont, d’une part, les projets IA qui impliquent de la recherche industrielle et un transfert de connaissances, avec intervention de data scientists, et, d’autre part, des projets nécessitant la création de nouveaux algorithmes, en partant quasiment de zéro. “Ces derniers projets relèvent de la recherche fondamentale et requièrent par exemple l’intervention d’experts académiques.”

Les agendas, eux aussi, sont nettement plus lourds à supporter: “de l’ordre de deux ans pour les projets de recherche industrielle, jusqu’à 5 ans pour les projets de recherche fondamentale.” Avec toutefois une bonne nouvelle: nombre de projets et développements IA qui ont dû démarrer au niveau 3 ou 4 ont abouti à des solutions, outils et algorithmes qui ont été industrialisés, devenant des solutions davantage “off the shelf”. Avec le temps, le catalogue des ressources “toutes faites” se garnit donc de plus en plus…

L’étape cruciale du choix des projets

Question fondamentale: “comment identifier les projets intéressants”, qui se prêtent réellement à une “optimisation” ou transformation par l’IA et qui ont des chances d’aboutir (assez) rapidement et avec des résultats concrets?

Pour Frédéric Peters, l’une des conditions sine qua non est de faire participer différentes personnes, ayant des profils et des responsabilités diverses au sein de l’entreprise, au processus d’identification et de sélection. “Le choix des projets doit se faire par une équipe pluridisciplinaire, composée par exemple trois ou quatre personnes.” Et le contexte de leur réflexion doit, lui aussi, être soigneusement préparé. Thelis propose – et applique – la démarche suivante…

“Nous réunissons ces personnes lors d’un atelier d’idéation d’une journée, avec présence d’un animateur et d’un expert technologique qui connaît les principes et les outils de l’IA.

La journée commence par l’étape de la “problématisation”. C’est à ce stade que l’on identifie les besoins, les obstacles, les grains de sable, qu’on les classe pour les évaluer et choisir les plus pertinents. Vient ensuite la définition des pistes à explorer.

La dernière étape de la journée est celle de l’exploration technique. L’expert en IA met en balance le problème identifié et la technologie disponible ou possible. On procède par ailleurs à l’analyse des risques, à l’identification des contraintes à lever, des outils à mettre en oeuvre, des résultats attendus, des ressources nécessaires…”

Suite à la journée d’idéation, tous les éléments qui ont émergé sont réétudiés. “C’est l’étape de la présentation et évaluation des pistes, de l’exploration des données – existantes ou nécessaires -, de l’analyse de faisabilité de la solution dans le contexte spécifique de la société – en ce compris avec analyse d’impact du projet sur le fonctionnement de l’entreprise.”

Vient enfin le rapport circonstancié que la société-conseil fera à l’entreprise candidate à l’IA. Un rapport qui, selon Frédéric Peters, doit inclure une analyse SWOT, le balisage des étapes à franchir et une évaluation de faisabilité. Outil dont se sert notamment Thelis à ce stade: le Machine Learning Canvas, sorte de version IA du Business Model Canvas (il peut par exemple être téléchargé au départ de ce site).