Quelqu’un m’a demandé : « Comment peut-on utiliser l’intelligence artificielle (IA) à même Maximo ? » C’est une question courante liée à l’architecture d’entreprise de plusieurs secteurs d’activité. Plusieurs grandes entreprises, dont les dirigeants sont prêts à s’engager sur cette voie, explorent actuellement cet enjeu. En discutant avec plusieurs collègues TI d’expérience, je me rends compte qu’ils s’efforcent de comprendre comment y arriver raisonnablement, en analysant des cas concrets. Nous sommes donc maintenant à la recherche d’exemples de cas concrets dans le cadre desquels on utilise des produits d'IA fonctionnels offerts sur le marché.
En ce qui a trait à Maximo, nous parlons de IoT, Watson, et Bluemix, mais les modèles de droits de licences sont différents des licences logicielles « traditionnelles ». Conséquemment, le temps pour accéder à ces logiciels est plus long. Cela s’avère également pour l’attribution de licences d’autres services infonuagiques. Nous devons ajuster nos attentes. Idéalement, il faudrait débuter par quelque chose de plus concret ; un environnement sécurisé (sandbox) où nous pourrions l’essayer. IBM offre une version d’essai gratuite de Watson qui permet de mieux comprendre l’avancée technologique qu’est l’IA.
On peut alors se demander quelle est la différence entre l’intelligence d'affaires (BI), l’intelligence artificielle, et la production de rapports (reporting). Dans les faits, ils sont tous liés. Nous savons tous ce qu’est le reporting, et nous pouvons considérer le BI comme une évolution du reporting. Alors que l'IA va plus loin. En effet, les trois sont des étapes évolutives sur le même continuum, celui de l'établissement de rapports. Une recherche rapide en ligne permet de trouver de nombreux modèles expliquant cette tendance qui maximiser les informations dont nous disposons déjà.
La production automatisée de rapports ou reporting
Le reporting consiste à extraire des données et à les représenter graphiquement ou sous forme de rapport, pour répondre à une question de nature opérationnelle. Au cours des dix, vingt dernières années, sinon plus, le reporting s’est sans cesse raffiné, pour inclure non seulement des corrélations et des calculs simples, mais aussi des représentations graphiques. Les rapports les plus récents peuvent même inclure des liens les reliant les uns aux autres, ou des hyperliens menant vers des applications. Ils peuvent souvent être créés ou générés de façon dynamique dans un certain nombre de formats différents.
L’intelligence d'affaires (BI)
On se réfère souvent à l’intelligence d'affaires en utilisant son acronyme : BI. Le BI élève le reporting à un niveau supérieur en offrant l’habileté de corréler plusieurs sources de données et de formats aux fins d’analyses plus complexes. En plus des rapports, il produit couramment des graphiques d’analyses, avec plus de capabilités. Certains produits peuvent analyser des données non structurées comme des images, des trames sonores ou même des données massives ou big data.
Le BI peut générer des indicateurs clés du processus (KPI) qui regroupent des échantillons de données issus de systèmes de gestion d’actifs d’entreprise (EAM), de planification des ressources d’entreprise (ERP), et de gestion de la relation client (CRM) pour nous donner des aperçus et des tableaux de bord opérationnels vraiment complets. Nous pourrions avoir besoin de voir la quantité d’actifs qui, au fil du temps, ont plus que doublé leurs coûts depuis leur acquisition auprès de fournisseurs étrangers, dû à la crise mondiale qui affecte les frontières, sous la forme d’une série de KPIs et d’échantillons de données connexes.
L’industrie manufacturière utilise généralement beaucoup d’équipement électrique, les aperçus BI peuvent contribuer à l’optimisation de leur utilisation et à la maintenance préventive de ces équipements. Et c’est grâce à l’analyse prédictive, fruit du reporting du BI, que c’est rendu possible.
Intelligence artificielle (IA)
L’intelligence artificielle améliore le BI ou même le reporting. Plutôt que de répondre à des questions complexes, elle met au défi les entreprises de découvrir de nouvelles questions auxquelles elles n’avaient pas pensé, qui devraient être posées. L’apprentissage-machine (Machine Learning) est une capabilité connexe, plus souvent trouvée dans l’industrie de la maintenance, mais qui incite tout de même les entreprises à se poser de nouvelles questions et à se tourner vers de nouveaux modèles opérationnels.
L’IA nous permet de comparer nos données à des données publiques, comme la météo et les actualités mondiales, de rechercher des relations que nous n’aurions pas pensé explorer. Quel est le meilleur moment pour faire la maintenance de mon système CVCA en considérant les demandes et les défaillances existantes ? Quelles sont les interdépendances de mon programme de maintenance préventive, en tenant compte des influences externes ? L’IA nous aide à identifier de nouvelles occasions de corriger ou de faire évoluer notre entreprise.
L'IA dépend davantage de grandes quantités de données et d'algorithmes de corrélation. Chacun d'entre eux, BI et IA, prolonge l'autre, travaillant souvent en tandem. L'IA est davantage une capacité d'analyse cachée, les résultats étant affichés dans le BI ou les rapports.
Les options de Maximo Reporting, de BI et d’AI
Maximo est équipé de l’outil de reporting BIRT, qui possède une capacité de reporting conforme aux entreprises modernes. Cette capacité peut être étendue à un tableau de bord Cognos BI plus performant, à l’Internet des objets, et aux outils d’intelligence artificielle avancés basés sur Watson et Bluemix d’IBM.
Si nous nous lançons dans l'expansion des outils BI, nous ne remplaçons généralement pas tous les rapports dans l'outil BI, et l'IA ne remplacerait pas non plus tout le contenu BI existant. Certains rapports sont toujours utiles en tant que rapports simples. Les tableaux de bord BI fournissent des vues en direct et efficaces de l'entreprise. Ces capacités se chevauchent généralement de manière organique à mesure que les avantages d'affaires deviennent évidents.
Ai-je besoin de l’intelligence artificielle ?
L’intelligence artificielle est un concept TI philosophique à la mode dans les milieux scientifiques depuis plus de 40 ans maintenant. Depuis qu’Alan Turing a inventé la Machine de Turing, en 1936, la taille des ordinateurs ne cesse de diminuer alors qu’ils deviennent de plus en plus performants et omniprésents. Les films de la série Terminator, ou tout autre film de science-fiction semblable nous poussent à nous demander de plus en plus si les ordinateurs pourront un jour supplanter l’homme sur le plan de l’intelligence.
Il faut d’abord se demander : « Qu’est-ce que l’intelligence ? », une question qui relève aujourd’hui de la philosophie autant que de la technologie de l’information. Mark Zuckerberg et Elon Musk ne s’entendent pas sur où tout ça nous mènera, ou devrait nous mener, ce qui leur permet d’éviter soigneusement ce qui suscite l’inquiétude chez le commun des mortels. Les scientifiques ne s’entendent pas non plus sur ce qu’est ou devrait être l’intelligence artificielle.
J’ai lu le livre « On Intelligence » de Jeff Hawkins, qui traite justement de ce sujet et j’aime mieux ne pas avoir à définir le terme. En ce qui nous concerne, l’AI est la capacité d’un système informatique à s’attaquer à des questions complexes ; à approfondir notre réflexion ; en corrélant des renseignements non structurés, et en posant des questions auxquelles nous n’avions pas encore pensé. Elle nous permet d’analyser différemment, et peut-être de faire des prévisions. Il existe d’ailleurs une quantité infinie de discussions sur le sujet.
Surement, l’intelligence a tout à voir avec le fait de savoir quelles questions poser et quand les poser. Une fois ces deux éléments déterminés, on peut demander à des collègues des TI d’élaborer un rapport, un KPI, un tableau de bord BI ou de faire l’achat d’un nouveau logiciel. Pourquoi voudrait-on continuer de mettre à niveau un outil de reporting alors que BIRT peut générer tous les rapports dont on a besoin ? La réponse est simple : « Doit-on créer nos rapports une seule fois et ne jamais les changer ou ne jamais créer de nouveaux rapports ? »
Les rapports sont créés pour découvrir des renseignements en lien à l’exploitation d’une entreprise. Après plusieurs itérations, de nouvelles questions sont soulevées. Il est souvent est nécessaire de corréler les renseignements contenus dans un rapport avec de nouvelles données, et de le faire en dehors de notre outil de reporting.
C’est rarement une question figée. Nous pouvons voir chacune des étapes, de BIRT jusqu’à Cognos, et de Cognos à l’AI, alors que la maturité opérationnelle d’une entreprise évolue parallèlement à cette voie d’extraction de données pouvant être utiles à une entreprise pour répondre à des questions d’ordre opérationnel. Les intelligences opérationnelles et artificielles ne font que décupler notre capacité de rédaction de rapports.
Si l’AI existe depuis 40 ans, pourquoi est-elle toujours si inaccessible ? L’AI est plus à notre portée que nous nous l’imaginons. Dans le passé, les produits de type AI étaient nommés des « Systèmes Expert » et étaient utilisés, par exemple, en médecine, pour poser des diagnostiques et en droit pour corréler et localiser des renseignements pertinents au sein d’importantes sources de données divergentes. L’AI s’est plus tard transformée pour devenir des produits bien connus comme Siri et Alexa.
Comme nous l’avons abordé plus haut, elle est mise à la disposition des entreprises par le biais d’une gamme de produits et services, pour une utilisation différente de celle à laquelle les entreprises sont habituées. Elle est ici, maintenant, et la plupart des entreprises n’ont besoin que d’un plan et d’analyses de rentabilité à l’appui pour y accéder. Nous devons reconnaître que la réponse à certaines questions opérationnelles ne nécessite qu’un rapport, d’autres pourraient nécessiter un système d’intelligence opérationnelle, alors que peu de questions pourront justifier l’utilisation d’intelligence artificielle. Même lorsque j'aurai mis en place un programme d'intelligence artificielle, je continuerai probablement de créer de nouveaux rapports et d'adapter les tableaux de bord BI. Certaines questions d'affaires sont bien connues, et ne disparaissent pas.
Conclusion
Alors, quand devrait-on s’embarquer sur la voie nous menant vers l’intelligence artificielle ? La réponse est : maintenant. Comment ? En validant la qualité des données existantes et en travaillant pour exploiter les outils de reporting déjà en place à leur plein potentiel. Avec le temps, nous nous apercevrons que nous avons besoin de plus que de simples capacités de rapport sur des sujets spécifiques. Puis, on évoluera naturellement vers la prochaine étape, soit un outil BI tel Cognos. Encore avec le temps, des sous-ensembles de sujets nous forceront à évoluer vers des outils IA tels Watson et Bluemix. Chaque étape ajoute à nos capacités.
Chacune de ces étapes relève davantage d’une introspection et d’analyses commerciales que de logiciels ou de services. Je pense que l’évolution des capabilités ne s’arrêtera pas, mais qu’elle continuera à se développer en créant une capacité de prises de décisions opérationnelles encore insoupçonnée, parallèlement aux efforts des entreprises de s’améliorer continuellement.
