| News

AI dans l’industrie : ce que nous avons appris du projet AI

11.04.2022

En collaboration avec un groupe engagé d’entreprises de l'industrie, nous avons mis sur pied un projet pilote AI. Après un an, nous dressons un bilan intermédiaire et partageons nos enseignements avec vous.

AI4SME est un programme d’apprentissage et d’expérimentation de l’intelligence artificielle (IA) pour les entreprises industrielles et en particulier les PME de la région Basel Area, du Grand-Est et du pays de Bade. Le projet représente :

Les objectifs : nous accompagnons les entreprises dans le but de les aider à acquérir les connaissances pour être capable d’intégrer l’IA dans leur stratégie d’entreprise. Nous travaillons ensemble du proof of concept (POC) concret à la revue du modèle d’affaires :

Avec l’IA, on peut optimiser des processus mais également développer de nouveaux produits et services pour les entreprises. Un an après le lancement du programme et de travail dans un environnement constructif et dynamique, nous avons une équipe pilotée par Liebherr Colmar F, une par Camag BL et une pilotée conjointement par Willemin Macodell et mps watch JU.

L’AI a besoin d’une équipe pluridisciplinaire et des bonnes données

Nous travaillons ensemble et sommes fier de partager avec vous quelques un de nos apprentissages :

C’est un travail d’équipe composé de différentes entreprises avec une diversité de profils comme le fabricant de l’équipement, l’utilisateur, l’informatique, le data scientist, le “programmateur”, le CEO etc. Il est aussi important d’avoir un vocabulaire commun, une connaissance de base de l’IA pour avancer efficacement que d’être capable de partager des données.
Il faut bien définir et décrire le problème à solutionner, le cas d’usage (centré sur le client) et des objectifs précis. Cela est particulièrement important pour que tous comprennent la démarche. C’est vrai pour tous nouveaux projets et également avec l’IA. Vérifier que le problème ne peut pas être solutionné par un autre moyen plus classique. L’IA doit apporter une plus-value.
L’effort nécessaire pour collecter les bonnes données est important. Est-ce que j’ai les bonnes données ? Est ce qu’elles me permettent de tirer des conclusions, de prédire des phénomènes ? Est-ce que j’ai la bonne fréquence d’acquisition, la bonne précision? Cette étape peut nécessiter plusieurs itérations. Stocker toutes les données sans avoir de but précis n’est pas une solution ; il vous faudra faire le tri et vraisemblablement ajouter des nouvelles données lorsque vous développerez concrètement un projet. Négociez à l’achat d’une nouvelle machine l’accès aux données de la machine en même temps !
Protégez les bonnes données. Ces données sont-elles confidentielles ? Est ce qu’elles représentent des données “classiques” ou est ce qu’elles sont stratégiques et peuvent me permettre de me différencier de mes concurrents ?
L’IA ne vous donnera jamais un résultat à 100%. De la même manière, une solution IA va probablement remettre en cause une partie de l’organisation, les tâches des personnes etc.
Il est très important d’impliquer le personnel assez tôt dans ces projets et n’oubliez pas la formation des employées pour saisir les différentes logiques autour des solutions IA. On parle d’acculturation (voir article Formation AI dans le Rhin supérieur pour plus d’information).