L'intelligence artificielle à la portée des PME

 

PME vs Grands groupes

On associe fréquemment l’IA avec la Silicon Valley, les GAFA, des levées de fonds de centaines de millions de dollars... laissant penser qu’il y a d’un côté les grands groupes, qui peuvent se permettre de faire appel à l’IA, et de l’autre, les TPE, PME et ETI qui en sont totalement privées.  Et si l’intelligence artificielle était tout au contraire un moyen pour ces dernières de réduire l’écart avec les grandes sociétés ?

Une intelligence artificielle accessible

L’IA est un axe majeur de croissance pour les PME / ETI en quête de compétitivité. Des initiatives publiques et privées facilitent son intégration au cas par cas. Longtemps chasse gardée des grands groupes, l’Intelligence Artificielle trouve de plus en plus de débouchés dans les PME. Elles étaient déjà 14% à intégrer des outils à base d’IA, selon le baromètre trimestriel publié en septembre 2019 par Bpifrance, Le Lab et Rexecode. Et ce n'était qu'un début ! « Chaque année, nous recevons davantage de demandes d’accompagnement de la part de dirigeants de PME et d’ETI qui souhaitent transformer leur modèle économique par l’exploitation de la data et de l’IA », commentait alors Zena El Kurdi, Responsable Produits et Partenariats à Bpifrance.

Depuis, le Covid est passé par là, et a très largement accéléré cette tendance. D’autant que les bénéfices économiques liés à l’intégration de l’IA sont colossaux. Dans l’un de ses rapports, Accenture estime que les entreprises qui tirent parti des atouts de l’Intelligence Artificielle pourraient accroitre leur rentabilité de 38% en moyenne d’ici 2035. Optimisation des plannings de production, diminution des pannes machine, personnalisation des parcours client, réallocation de l’intelligence humaine sur des missions à plus forte valeur ajoutée... les avantages sont aussi nombreux qu’il existe d’entreprises sur le territoire français.

 

Les petites structures disposent d’un avantage de taille : leur agilité.

Les algorithmes les plus puissants sont disponibles gratuitement en Open source, encore faut il, dit-on, pouvoir les alimenter avec de grandes quantités de données, privilège des grandes sociétés. Mais nous verrons que cette assertion n’est pas toujours vraie et que le plus grand obstacle à l’adoption de l’IA réside dans la mise en place d’une réelle stratégie efficace, mûrement réfléchie. Un obstacle qui concerne toutes tailles d’entreprises. La mise au point d'une stratégie d'IA au sein d'un grand groupe est d'autant plus complexe qu'elle doit impliquer de nombreux maillons. La chaîne est alors plus fréquemment amenée à se gripper, notamment si la stratégie n'emporte pas l'adhésion de l'ensemble du personnel. Une stratégie clairement définie est nécessaire à tout type de structure, mais le coût et le risque de l'échec est beaucoup plus élevé au sein d'une grande structure que d'une TPE/PME. Risque que les grandes structures doivent compenser en redoublant de préparation, ce qui induit une certaine lenteur. Une petite structure aura de son côté des cycles d'itération beaucoup plus courts et pourra s'assurer d'impliquer l'ensemble du personnel dans la vision d'une IA bénéfique à toutes et tous.

Les technologies d'IA sont-elles pour autant accessibles aux plus petites entreprises ?

Pour Jean-Luc Marini, Directeur du Lab IA de Axys Consultants, la question est aujourd’hui un faux débat : « La plupart des technologies de l’Intelligence Artificielle sont suffisamment matures pour s’adapter aux entreprises de toute taille. Les PME ont d’ailleurs un atout que les grands groupes n’ont pas : la capacité à prendre des décisions rapidement. »

Côté Bpifrance, même constat. Si le Diagnostic Data IA mis en place par la Banque Publique d’Investissement cible avant tout des PME des secteurs d’activité traditionnels, c’est parce que ce sont elles qui ont le plus à gagner avec les nouvelles technologies.

 

Monter un projet IA ne signifie pas partir de zéro

La France est championne des technologies Open Source. Selon une étude réalisée par Teknowlogy Group, 96% des entreprises interrogées estiment que les solutions libres sont essentielles au développement de l’IA dans les entreprises. Grâce à l’ouverture des recherches effectuées par les grands groupes, le déploiement d'algorithmes comme ceux destinés à la classification peut devenir très simple dans le contexte d’une petite entreprise.

Parallèlement à ces outils open source, des plateformes de datascience telles que celle proposée par Dataiku ont pour objectif de faciliter l'exploitation du plein potentiel des données: « nous démocratisons l’utilisation de l’intelligence artificielle pour permettre aux entreprises de toutes tailles de bénéficier d’avantages concurrentiels conséquents corrélés avec la révolution de l’IA. Nous sommes fiers d’être à la pointe de ce mouvement et très impatients de travailler au côté d’entreprises de toutes tailles — qu’il s’agisse de petites structures de trois personnes ou de grandes multinationales — afin de transformer leurs modèles métier et d’ouvrir de nouveaux marchés et de nouvelles opportunités. D’ailleurs, nous sommes déjà partenaires de plus d’un millier de PME qui se sont engagées sur la voie de l’Enterprise AI avec les plateformes Dataiku Free et Lite Editions » rappelle Florian Douetteau, CEO de Dataiku.

Tout n’est pas tout rose. Les PME sont confrontées à des obstacles qui ralentissent leur progression sur le chemin de l’IA, mais ils sont loins d’être insurmontables.

En premier lieu celui du manque de connaissance du sujet en interne. Plus que d'être en mesure de mettre en oeuvre une IA, - cette tâche est externalisable - la principale barrière semble être celle de la prise de conscience de ce que peut apporter l’IA à une entreprise. Cela nécessite une bonne compréhension de l'IA, de ses capacités et de ses limites. Si les utilisations possibles de l'IA varient énormément selon les secteurs d'activité, on peut citer quatre exemples récurrents : la classification de documents, l'optimisation de la gestion des stocks, le ciblage client et la prévention des fraudes.

Enfin vient l'obstacle de la donnée. Pour tirer profit du machine learning, les algorithmes doivent généralement être entraînés avec une grande quantité de données similaires à celles qui seront exploitées dans les futurs cas d’usage.

Cette quantité varie selon la technologie utilisée et la complexité de la tâche. Mais des solutions comme la data augmentation, ou l’intégration en amont de technologies en IoT peuvent combler un éventuel manque de données. « La data est évidemment un prérequis à tout projet intégrant de l’IA », estime Zena El Kurdi, « Nous avons par exemple eu le cas d’un équipementier qui est devenu prestataire de service suite à un projet de transformation. Il ne disposait d’aucune donnée au départ, mais avait de réelles opportunités de création de valeur grâce à l'IA. La première étape du projet a donc été d’intégrer des capteurs sur ses produits pour récolter la donnée nécessaire à la transformation de son modèle économique. »

 

L’IA, un outil comme les autres ?

« L’intelligence Artificielle ne doit pas être traitée différemment des outils traditionnels de l’entreprise », expliquent Pierre Girardeau et Jean-Charles Rongère, co-fondateurs de Cross Data, start-up angevine en efficacité commerciale par l’IA, « sa pertinence doit être évaluée au cas par cas, en fonction du coût du projet, de son impact sur l’organisation et des gains attendus. » C'est souvent sur les tâches simples et chronophages qu'elle est la plus rentable. Elle peut alors s'avérer extrêmement compétitive.

C’est ce qu’a constaté Benoit Paris, Directeur Marketing d’Octopeek, start-up française de Deep Tech tournée vers les directions support : « là où l’IA est la plus performante, c’est lorsqu’elle lève des points bloquants que l’humain n’est pas en capacité de traiter rapidement.

Nous avons par exemple récemment accompagné une petite structure de l’événementiel dans la mise à jour, la normalisation et le nettoyage d’un fichier client, en y ajoutant une dose de prédictif sur les départs à la retraite, les évolutions de poste ou le changement d’entreprise des contacts. Cela aurait coûté beaucoup plus cher de le faire faire par l’humain. »

 

Sur-mesure ou prête à l'emploi ?

Avant de se lancer dans un grand projet, la première question à se poser relève tout simplement du bon sens, il s'agit de se demander si une solution prête à l'emploi existe déjà...la réponse est parfois moins évidente qu'il n'y paraît. On peut assez généralement observer une règle intuitive : plus une IA sera spécialisée dans une tâche donnée, plus ses performances dans cette tâche seront élevées.

Voici un exemple :

Tout aussi pratique et puissant qu'il puisse l’être, le service Google Translate est avant tout destiné à des traductions génériques. Il présente l'intérêt de couvrir la quasi-totalité du vocabulaire de la plupart des langues. En revanche, ses traductions pourront être jugées médiocres par certains corps de métiers, qui utilisent un jargon spécifique.

De son côté, Systran, l'un des pionniers de la traduction automatisée aujourd'hui moins connu du grand public, vient de lancer une marketplace de modèles de traduction spécialisés dans des thématiques sectorielles telles que la finance, le droit ou encore la médecine. La spécialisation de ces modèles leur permet une traduction plus fine pour les professionnels des secteurs correspondants.

 

Le bénéfice de la spécialisation de l'IA est la raison pour laquelle les PME n'ont pas à rougir face aux grands groupes ou aux GAFA. La question n'est pas de savoir quelle est la somme totale de données dont on dispose, mais de savoir si l'on dispose de suffisamment de données réellement utiles pour un problème précis. Une IA capable de distinguer une pie d’un zèbre n’a aucun intérêt pour une usine de fabrication de vis..

La conséquence de cet avantage à la spécialisation est qu’il n’est pas dit qu'une solution répondant de façon optimale aux besoins d'une société soit disponible sur le marché. D'autant que l'IA doit avoir été entraînée avec le même type de données que celles dont dispose l'entreprise.

À titre d'exemple, on peut imaginer qu'un système de détection d'inondation repose sur des capteurs (sondes, pluviomètres) ou sur une analyse d'image (vision assistée par ordinateur). Ce choix peut être dicté par des contraintes techniques (superficie couverte, possibilité de pose de capteurs...) ou financières auxquelles est soumise l'entreprise. Or, si la finalité est la même, il s'agit bien de deux IA distinctes.

Chaque jour ou presque, des startups répondant à des problèmes de plus en plus spécifiques se créent, qu’il s’agisse de solutions prêtes à l’emploi (de type webservice par exemple) ou de solutions dont l'apprentissage doit se faire partiellement ou en totalité sur le jeu de données du client. En matière d’intelligence artificielle, il est rare qu’il n’y ait qu’une seule réponse possible à un problème donné, mais les performances peuvent sensiblement varier entre ces différentes réponses, selon le contexte et d’un instant donné à l’instant suivant, c’est pourquoi une veille active est primordiale.

Des solutions prêtes à l’emploi sont en mesure de répondre aux besoins génériques des sociétés, comme la classification automatique des transactions financières afin de simplifier la comptabilité.

Dans de nombreux cas, une IA conçue sur-mesure sera nécessaire ou recommandée pour répondre aux besoins métier, car chaque entreprise a ses spécificités. Du développement en interne en utilisant des frameworks open source à l'appel à un cabinet spécialisé en passant par l'emploi de solutions clef en main, il existe tout un panel de solutions destinées à faciliter l'adoption de l'IA.

 

Une constante tout de même : le rôle de l’IA en entreprise est de se faire oublier et de faire oublier la complexité de la tâche qu’elle remplit.

Quel que soit le cas d’usage concerné, les PME doivent d’abord mettre en place une véritable stratégie IA et, à défaut de compétences internes, se faire accompagner.

À ce titre, les pouvoirs publics multiplient les initiatives pour améliorer la pénétration de l’IA dans les petites entreprises. La région Île-de-France a par exemple lancé un Pack IA permettant à une centaine de PME franciliennes par an de disposer d’une prestation de conseil et de services. Mais il existe bon nombre d’aides similaires dans chaque région de France. Les dirigeants de PME intéressés peuvent se rapprocher de leur délégation régionale Bpifrance ou prendre contact avec les agences de développement économique de leur Région pour prendre connaissance des projets d’aides en cours.

La question du financement d'un projet d'intelligence artificielle n'est donc pas toujours un réel problème, même pour une TPE ou PME.