Entretien avec Kuang Xu (Stanford)

Kuang Xu, professeur associé permanent en opérations et technologie à la Stanford Graduate School of Business, est convaincu du pouvoir de transformation de l’intelligence artificielle (IA) sur les entreprises. Dans cet entretien, il explique pourquoi les entreprises devraient selon lui adopter l’automatisation et la prise de décision basée sur les données pour exploiter pleinement le potentiel de l’IA.

• Vos recherches à Stanford portent sur la prise de décision en période d’incertitude. Dans quels domaines recommanderiez-vous aux organisations d'investir en priorité d'ici la prochaine décennie ?

  Si l'IA générative, avec ses chatbots pour le service client et autres outils prometteurs, attire beaucoup d'attention, son potentiel commercial n'est pas encore clairement établi. La plupart des entreprises sont encore dans la phase d’évaluation de sa valeur ajoutée réelle. C’est pourquoi je souhaite aujourd’hui mettre l’accent sur les technologies dont l’efficacité est démontrée.

  Le machine learning et l’IA peuvent être appréhendés comme deux composants complémentaires. D’un côté, le machine learning s’attache à collecter des informations et à générer des prédictions en réponse à la question : qu’est-ce que le monde ? De l’autre, l’IA, que je qualifie d’optimisation et de prise de décision répond à la question : étant donné que le monde est ainsi, comment dois-je agir ? Si l’apprentissage automatique séduit par son intuitivité et sa relative simplicité, l’IA bien que plus complexe et moins facile à interpréter, n'en demeure pas moins un élément crucial. Au-delà de la simple compréhension du monde, c’est bien notre capacité à agir en conséquence qui génère de la valeur. Et c’est précisément dans ce domaine que l’IA peut jouer un rôle déterminant.

• Les entreprises doivent-elles donc investir dans les deux technologies ?

  Une grande partie des entreprises continueront de bénéficier de ce qui n’est aucunement un mystère : l’investissement dans l’optimisation des processus logistiques et de la chaîne d’approvisionnement grâce à l’exploitation de la donnée. Pour y parvenir, il est essentiel de prendre en compte des éléments clés tels que la gestion des itinéraires, les lieux de stockage des marchandises et l’emplacement des installations. Il est également nécessaire de collecter des informations, de faire des prédictions et de les traiter avec un moteur d’optimisation afin de modifier les affectations, les itinéraires ou le réseau logistique. En bref, il s’agit de développer des modèles d’optimisation basés sur l’intelligence artificielle et des données de qualité.

  Il existe aussi un autre aspect, souvent négligé, et qui constitue le « ciment » des chaînes d’approvisionnement en ce qui concerne l’IA et le machine learning. Lorsque la logistique et la supply chain sont conçues par l’humain, c’est celui-ci qui en assure la cohésion. Par exemple, lorsqu’une erreur ou une ambiguïté survient pendant l’envoi ou le transfert d’un fichier de données, nous entrons en contact les uns avec les autres pour résoudre le problème. Cela peut entraîner des coûts et quelques frictions, mais nous ne considérons pas cette possibilité comme une capacité spéciale. Cependant, ce qui se passe maintenant, c’est qu’une tâche est souvent isolée pour qu’une machine puisse l’améliorer d’une manière ou d’une autre. Dans la plupart des cas, la machine sera probablement capable de vous indiquer où envoyer les camions ou quel rayonnage réorganiser. Par contre, lorsque ce système tombe en panne, vous aurez besoin d’une solution de secours, qui implique généralement une intervention humaine. Ces technologies font la une des titres : « 95 % du temps, les machines surpassent les humains dans le domaine X ». Cela dit, il s’avère qu’intégrer 95 % avec le 5 % du temps où la machine ne peut pas battre l’homme est assez compliquée. Alors, pourquoi insister autant sur ce point ? Parce que ce « ciment » qu’est l’humain, est essentiel.

  Le potentiel d’optimisation par l’IA des processus physiques tels que les chaînes d’approvisionnement devient de plus en plus évident

• Pourquoi cette intégration est-elle si importante ?

  On pourrait imaginer que le système est capable de fonctionner sans ce « ciment », mais en réalité, ce n’est pas le cas. S’en passer ne signifie pas que vous obtiendrez 80 % du 95 % – cela signifie que généralement vous n’obtiendrez rien du tout. Cela empêche seulement les individus de faire fonctionner les choses. Dans le cours que nous dispensons à la GSB, nous étudions des cas réels d’entreprises logistiques et de la santé qui utilisent l’apprentissage automatique et l’IA. Et une idée récurrente est que, le secret du succès n’est souvent pas d’avoir un meilleur algorithme de machine learning ; les gagnants sont généralement ceux qui se concentrent sur le « ciment ». Pourquoi ? Parce qu’ils sont excellents dans le développement de la technologie et qu’ils investissent dans la conception de produit pour avoir un taux d’intégration supérieur à ceux de leurs concurrents. Je recommande donc d’investir dans l’intégration de l’IA, bien que ce ne soit pas un sujet dont on parle beaucoup, c’est fondamental.

• Vous conseillez les entreprises et les fonds d’investissement sur la manière de développer des capacités en matière d’IA et de science des données. Quelles sont vos principales recommandations ?

  Mes conseils varient en fonction de chaque cas, mais s’il fallait souligner un seul aspect, je dirais que les entreprises échouent souvent à définir la valeur du produit qu’elles proposent avant de se lancer dans l’aventure technologique. Plutôt que dans le choix de la bonne technique d’apprentissage automatique, elles échouent car elles ne se posent pas cette question : « Si je disposais de cette technologie, quelle valeur apporterait-elle réellement ? » Par valeur, je n’entends pas une notion abstraite, ni une question au sens du branding ou de la culture d’entreprise. Il s’agit de quelque chose de plus concret : êtes-vous capable de définir précisément un indicateur de la précision et de la performance statistique de votre technologie ? Si oui, cela vous permet-il de faire des économies ?

  Croyez-le ou non, peu de personnes se posent cette question. La plupart du temps, elles pensent que la technologie leur apportera une capacité particulière et l’adoptent sans être sûres de son succès. Elles peuvent supposer qu’elle remplacera une gamme de produits ou qu’elle améliorera considérablement la productivité, mais sans jamais savoir si ces attentes sont réalistes. Le problème réside dans le fait de réaliser des investissements sans bénéfices tangibles. Je pense que définir la valeur du produit avec ses équipes afin qu’elles comprennent la portée de la technologie et le potentiel du machine learning à un stade précoce est fondamental pour l’entreprise.

• 

  Les organisations incorporent-elles l’intelligence artificielle de peur de se retrouver à la traîne ?

  Oui, c’est un phénomène que l’on observe déjà. J’aime aborder cette question sous un angle particulier : la prise de décision fondée sur les données est une science exacte, mais elle n’exclut pas les émotions et la psychologie. Cela ne signifie pas qu’il faut l’éviter, bien au contraire, il faut l’assumer. Cela dit, il est important de se demander si l’on agit par peur. Je constate en effet une forte pression de la part des actionnaires, des parties prenantes et des conseils d’administration pour démontrer une proactivité dans l’investissement en IA, ce qui rend cette crainte légitime.

  Je pense que nous assisterons à des changements substantiels dans l’industrie, non seulement en raison du potentiel révolutionnaire de l’IA, mais aussi en raison de sa croissance constante au cours de la dernière décennie. Alors oui, les entreprises doivent avoir peur dans le sens où, si elles ne s’exposent pas du tout à cette tendance, elles risquent de se retrouver à la traîne. Toutefois, il faut accepter cette peur, rester informé des développements en cours et se demander, à court terme, quelle valeur peut en être tirée. Je vois aussi beaucoup d’entreprises franchir le pas et investir des sommes considérables dans l’IA générative et dans le recrutement de nouveaux leaders, etc. Certains affirment avec humour que le meilleur poste aujourd’hui est celui de responsable intelligence artificielle dans une entreprise traditionnelle. Par contre, il est important de rester très prudent à ce sujet. Une meilleure approche consisterait à accepter cette peur, car elle est une réalité, et à s’adapter à ce changement en cours. Il n’est cependant pas si simple de déterminer exactement où le changement doit se produire dans chaque organisation. Tout le monde ne tirera pas profit d’un chatbot automatisé. La clé est donc de réfléchir à la valeur que l’IA peut apporter à votre entreprise, car c’est elle qui vous guidera le mieux.

• Quelles entreprises devraient réellement incorporer l’IA ?

  C’est une excellente question ! Si vous travaillez dans le secteur de la logistique et que les opérations de votre entreprise sont déjà automatisées ou peuvent être robotisées avec la télémétrie, ─feedback et mesures─ alors vous devriez sérieusement envisager d’intégrer l’IA. De nombreuses organisations utilisent déjà des robots industriels et des solutions de logistique et de stockage telles que celles fabriquées par Mecalux. La raison en est que l’automatisation agit comme une passerelle vers l’IA – sans ce retour d’information, ces techniques innovantes n’auraient pas de cas d'utilisation concret.

  Malgré cela, une fois la voie ouverte, la concurrence s’intensifiera car, tôt ou tard, d’autres acteurs automatiseront mieux. C’est pourquoi il s’agit d’un facteur très pertinent à prendre en compte. Partout où le monde physique se connectera à l’internet et aux bases de données, l’IA entrera en jeu. En effet, bien que l’IA trouve son origine dans la manipulation d’informations numériques, son potentiel d’optimisation des processus physiques tels que les chaînes d’approvisionnement ou le transport devient de plus en plus évident. En ce sens, DoorDash, Uber et Lyft ont constitué la première vague. Ils ont centralisé leurs chauffeurs dans une application mobile, ce qui leur a permis d’avoir un certain contrôle sur l’optimisation du monde physique. En poussant l’analogie un peu plus loin, on peut se poser la question suivante : qu'est-ce qui a déjà été intégré ou qui pourra l'être à l'avenir ? L’automatisation et l’intégration des réseaux sont des domaines clés où l'IA est appelée à faire des progrès majeurs.

• Quels sont les autres domaines prometteurs pour l’IA ?

  La deuxième chose sur laquelle je voudrais insister est la suivante : dans quelle mesure l’activité de votre entreprise dépend-elle de l’information ? Imaginez que cette information indique un modèle de demande différent, une structure de coûts différente ou un flux différent de la chaîne d'approvisionnement – ces données changeraient-elles radicalement votre décision ? Prenons un exemple dans le secteur de l’immobilier, où les changements se produisent sur le long terme. Vous achetez un immeuble et le mettez en location. Si le nombre d’habitants de la ville fluctue soudainement, vous ne vendrez pas le bien immédiatement. Même si l’IA peut être utile, vos décisions ne sont pas aussi sensibles aux nouveaux développements, vous pouvez donc prendre le temps d’analyser un scénario. En revanche, si votre projet dépend des données disponibles en temps réel, l’IA peut avoir un impact majeur. La gestion des livraisons en temps réel est un bon exemple de la nécessité de réagir rapidement aux évolutions du marché et de l’environnement. Dans ce type d’activité, l’accès à l’information peut vous aider à changer radicalement le mode de fonctionnement de votre entreprise.

  

  Autrement dit, pour que l’IA ait du potentiel, il vous faut un environnement incertain, où le contexte change et où de nouveaux défis se présentent. L’incertitude doit influencer votre processus décisionnel. C’est dans ce domaine que l’IA est déjà très mature et peut vous aider. Si aucune de ces conditions n’est remplie et que votre environnement ne change pas ou n’a pas d’influence sur votre entreprise, la marge de manœuvre pour l’implémentation de l’IA sera plus limitée.

• Au-delà des économies, quelles opportunités l’IA peut-elle apporter aux entreprises ?

  Si les économies sont importantes, l’IA devrait permettre d’offrir des produits et des expériences entièrement nouveaux, qui n’existaient pas auparavant. Certains craignent que l’IA remplace les travailleurs, mais il est également possible qu’elle ouvre la voie à des applications inédites, uniquement réalisables grâce à elle, et qui pourraient constituer de formidables opportunités d’expansion.

  Prenons l’exemple de la logistique, et ce qui est très intéressant en logistique – et je serais heureux de me tromper – c’est que tout est soumis à une forte pression, car les clients recherchent la meilleure qualité au prix le plus bas. Peu importe où vous achetez vos tournevis tant que la qualité est bonne et le coût compétitif. Mais l’IA pourrait-elle permettre de proposer une expérience client totalement différente, en repensant la façon dont les produits sont obtenus ou en garantissant une fiabilité accrue de l’entrepôt ? Imaginons des robots intégrés, qui réduiraient non seulement le coût de préparation d’une commande, d’un tournevis, mais tout en le rendant beaucoup plus fiable. Cela pourrait générer des données précieuses pour la création de nouveaux produits. Lorsque l’IA ouvre des possibilités inédites, que vous ne pouviez pas faire auparavant, elle devient une véritable source d’opportunités.

• Vous avez dit un jour, à propos de l’IA, que l’objectif est qu’elle soit un outil et non une entité supérieure.

  Cette idée est liée à la peur, une réaction naturelle que nous connaissons tous. Le but n’est pas de l’éviter, mais d’en être conscient et d’utiliser cette énergie à notre avantage. Je pense que la peur est un indicateur que quelque chose est en train de se passer et qu’il faut y prêter attention. C’est un mécanisme d’alerte. Toutefois, si elle n’est pas traitée consciemment et qu’elle devient trop profonde, la peur commence à dicter nos actions. On arrête de réfléchir. C’est un phénomène trop fréquent ; la peur de manquer quelque chose nous paralyse.

  La différence entre un outil et une entité supérieure réside dans la définition des objectifs. Une entité supérieure les définit pour nous, en disant : « Je suis une technologie et voici ce que je fais, vous devriez donc faire de même ». C’est le résultat de copier-coller une solution sans réfléchir profondément à sa valeur ajoutée. En revanche, un outil exécute une action sans définir sa valeur ultime, c’est à nous de la définir. Par conséquent, si l’IA est considérée comme un outil, nous devrions nous poser les questions suivantes : avons-nous compris la valeur de ce que nous essayons de réaliser ? Avons-nous fait le nécessaire pour y parvenir ?

• 

  Quelles sont vos dernières conclusions sur les analyses basées sur l’IA pour aider les entreprises à prendre des décisions ?

  L’un des domaines de recherche que nous explorons est l’apprentissage séquentiel, également appelé apprentissage par renforcement, dans lequel un agent d’intelligence artificielle tente d’agir de manière optimale dans le monde, mais doit d’abord interagir avec lui-même pour apprendre à le faire. Nos actions ont des conséquences, et cela affecte la quantité d’informations que nous recueillons, l’endroit où nous les recueillons et nos expériences. Par contre, nous ne voulons pas envoyer un robot dans la rue pour qu’il se fasse renverser par un camion ! Nous cherchons à concevoir un robot capable d’apprendre au fur et à mesure qu’il agit et qu’il collecte des données.

  Un autre domaine que nous n’avons pas encore entièrement compris est la manière d’effectuer ces tâches dans un environnement qui ne reste pas statique.  En réalité, presque aucun des environnements avec lesquels nous interagissons ne reste statique. Chaque fois que nous arrivons dans un nouvel endroit, il y a toujours un processus d’apprentissage initial, mais, au fur et à mesure que nous apprenons, l’environnement peut également changer. Comment alors concevoir des agents d’IA robustes capables de récolter les bonnes informations dans ces environnements changeants ?

  C’est un domaine de recherche actif à la Graduate School of Business de l’université de Stanford. C’est passionnant parce que cela nous permet d’aborder de nombreuses applications que nous avons étudiées auparavant en utilisant des approches où nous simulions l’absence de changement de l’environnement. Par exemple, les recommandations de vente au détail en ligne devraient tenir compte des changements, mais les agents d’IA utilisés pour les créer et apprendre à fixer les prix ont toujours été conçus par un environnement invariable. En appliquant nos conclusions dans ces domaines, nous constatons déjà des améliorations significatives. Lorsque j’ai travaillé sur des projets pour des clients du secteur de la logistique, j’ai constaté qu’il s’agissait d’un environnement frénétique, très instable et impliquant des réglementations, des perturbations, de la saisonnalité, etc. Le secret réside ici dans la manière dont les algorithmes sont conçus pour s’adapter rapidement et obtenir les bonnes informations grâce à l’IA.

• Quel rôle pensez-vous que l’IA jouera dans l’avenir de la logistique ?

  C’est difficile à dire. L’IA fait beaucoup parler d’elle dans les chatbots et la génération d’images, mais moins dans la logistique. Pourquoi ? La raison est simple : déplacer des objets physiques est complexe pour un certain nombre de raisons et peu rentable. L’enjeu est donc de réduire les frictions à chaque étape du processus. Prenons l’exemple d’un porte-conteneurs. L’IA, peut analyser les nombreuses étapes intermédiaires et chercher à réduire les frictions tout au long de la chaîne d’approvisionnement. Par exemple, elle peut trouver une meilleure méthode pour communiquer des décisions telles que le quai assigné à un camion arrivant à l’entrepôt.

  Avant de penser à l’IA, les entreprises doivent réfléchir à la manière de réduire les goulets d’étranglement. C’est une fois ces obstacles levés que l’IA peut avoir un impact positif à bien des égards. Certaines des entreprises les plus prospères sont capables de résoudre ces goulets d’étranglement. Elles ne se distinguent pas nécessairement par leur équipe d’IA, même si celle-ci peut être de haut niveau. Ce qui compte, c’est la plateforme, les opérations, et la capacité à amener ces dernières à un point où les ordinateurs pourront déplacer des atomes. C’est actuellement le principal obstacle, mais je suis très enthousiaste. La robotique que vous développée chez Mecalux pourrait constituer un grand pas en avant dans ce sens. Je suis très optimiste quant à l’avenir de l’intelligence artificielle dans le stockage et la logistique, c’est une tendance qui va sans aucun doute continuer à se développer.