QUAND L'ERP DEVIENT INTELLIGENT

Par définition, l’Intelligence Artificielle est la capacité d’une machine ou d’un programme informatique à apprendre des concepts de manière autonome. Une fois intégrée aux programmes, l’IA rend ces derniers capables de traiter, comprendre, apprendre et agir.

Évoquée pour la première fois en 1956 au workshop de Darthmouth College, l’Intelligence Artificielle a depuis connu plusieurs évolutions majeures. On citera notamment le développement de l’apprentissage automatique (machine learning) à la fin des années 80 et plus récemment l’émergence de sa déclinaison actuelle, le deep learning (apprentissage profond).

Si l’on veut aller plus loin dans cette définition, il faut savoir que deux types d’IA sont à distinguer :
.

• L’IA faible, qui est construite autour d’algorithmes connus et créés par l’humain, répondant à des lois mathématiques connues. Capable d’apprentissage, l’IA faible repose notamment sur les concepts de machine learning (apprentissage à partir d’exemples, de données) ou de deep learning (apprentissage à partir de données brutes). L’IA faible se concentre essentiellement sur la réalisation d’une tâche précise grâce l’analyse de données existantes.
  .
• L’IA forte, qui n’en est aujourd’hui qu’au stade d’expérimentation, sera quant à elle capable de supplanter le cerveau humain, en étant dotée de conscience et d’esprit, encline à ressentir des émotions. Elle pourrait également consister en une machine capable d’appliquer l’intelligence à tout problème.
  .

Même si le chemin est encore long avant de parvenir à la consécration des IA fortes, il ne faut pas sous-estimer la puissance de calcul et la sophistication des algorithmes qui s’améliorent toujours plus rapidement. En témoigne les exploits récents d’AlphaGo Zero, programme développé par Google qui a appris en 3 jours les règles du jeu de go et battu 100 à 0 l’algorithme original.

Les éditeurs historiques tels que SAP, Oracle ou encore Microsoft commencent tout juste à intégrer de l’IA dans leurs nouvelles générations d’ERP, mais ils n’en ont ni la suprématie ni l’exclusivité.

En effet, les puissances de calculs nécessaires au machine learning sont aujourd’hui accessibles en quasi libre-service, propulsées via des plateformes qui sont conçues par les géants d’Internet (AWS d’Amazon, Cloud AI de Google, Microsoft Azure…).

Pour citer un exemple, en 2015, la mise à disposition de Tensorflow par Google auprès du public a contribué à cette démocratisation de l’IA.

En s’appuyant sur ces nouveaux services, les éditeurs de logiciels ont toutes les clés en main pour intégrer l’IA aux fonctionnalités de leurs solutions.

Les programmes d’Intelligence Artificielle analysent les données contenues au sein de l’ERP pour comprendre, apprendre mais surtout pour assister les dirigeants dans leur prise de décision.

De manière générale, les technologies de l’Intelligence Artificielle sont aujourd’hui principalement déployées dans une optique d’optimisation des processus métiers (pour 66% des dirigeants). Gain de temps, productivité et réduction des coûts sont en effet les premiers points attendus par la PME qui se lance dans l’IA.

Dans son approche métier, les applications de l’IA dans l’ERP sont innombrables car celui-ci est le siège de consolidation de toutes les données de l’entreprise.

En voici quelques exemples :
.

• L’anticipation par prédiction des phénomènes chronologiques et répétitifs tels que les valeurs de stock, de ventes, de comportement d’achat
  .
• La diminution des cycles de décision grâce à l’analyse en temps réel des données
  .
• La baisse des incertitudes au travers d’un apprentissage continu et d’une connaissance sans cesse enrichie du programme
  .
• La simplification et la personnalisation des interfaces utilisateurs par l’auto-adaptation (apprentissage basé sur les usages de l’utilisateur)
  .
• L’automatisation d’un grand nombre de processus (citons par exemple le cas des campagnes marketing avec le marketing automation)
  .
• …
  .

L’intelligence Artificielle garantie donc aux entreprises davantage de réactivité et de certitudes dans leurs prises de décision, et ce, dans tous les domaines : marketing, service client, finances, logistique…

Chez Archipelia, nos efforts de R&D se sont portés en priorité sur l’analyse des tendances et de leurs évolutions entre plusieurs périodes (séries chronologiques), notamment pour les domaines de la logistique et du marketing :
.

• L’analyse de l’écoulement des stocks (entrées, sorties…)

   

L’application de l’IA à la gestion de stocks s’illustre notamment par la mise en place d’algorithmes qui assurent l’analyse sur plusieurs années des historiques de vente en les croisant avec les données de stocks / logistique (stock de référence, ruptures éventuelles, délai moyen de réception…).

De ce traitement vont en ressortir des prévisions de vente précises qui vont permettre à l’entreprise d’établir des scénarios prédictifs pour assurer et automatiser le réapprovisionnement.

Cette automatisation du process de réapprovisionnement s’applique au niveau de l’entrepôt comme à celui du magasin. Elle permet aux entreprises de remplir un double objectif : maintenir un excellent taux de service sur tous les canaux et éviter les ruptures de stock pour satisfaire durablement leurs clients.

Par ailleurs, en libérant les équipes logistiques de la gestion du calcul de réapprovisionnement, elles sont à même de consacrer leur temps aux tâches à plus forte valeur ajoutée comme la planification stratégique du stock.

Cette analyse multi-critères va permettre de détecter les changements d’états des clients entre deux périodes (calcul des taux d’attrition et d’acquisition) pour assurer la mise en place d’actions marketing pertinentes :
.

• Actions de fidélisation pour les meilleurs clients (ventes privées, accords de gratuits…)
  .
• Campagnes d’engagement pour les clients présentant une régression dans leurs intentions d’achat (codes-promos, bons d’achat…)
  .

Sur l’ensemble de ces applications, et par l’utilisation conjointe d’algorithmes classiques et de machine learning, Archipelia a mis en œuvre des indicateurs synthétiques et simples de compréhension pour tout utilisateur de l’ERP. Ces indicateurs incitent l’utilisateur à être proactif sur les règles de gestion de son entreprise.