Le Data Office : pilier de la politique IA et data des entreprises

Fon­dée en 2013, Deci­sion­Brain déve­loppe des solu­tions basées sur l’IA (intel­li­gence arti­fi­cielle) pour aider les entre­prises à opti­mi­ser leur prise de déci­sion sur des pro­blé­ma­tiques très opé­ra­tion­nelles. Son cofon­da­teur et CEO, Filip­po Focac­ci nous en dit plus. Rencontre.

Aujourd’hui, nous entendons de plus en plus parler d’intelligence artificielle. Comment définissez-vous ce concept et cette technologie ? 

Le terme IA peut être uti­li­sé de deux manières dif­fé­rentes. Il peut ren­voyer aux machines et aux algo­rithmes qui pensent et rai­sonnent comme les Hommes, voire mieux que l’humain. Il s’agit là d’une concep­tion popu­laire de l’IA, telle qu’elle est très sou­vent repré­sen­tée dans les médias et les films. Tou­te­fois, nous en sommes encore très loin ! On retrouve aus­si une IA dite « prag­ma­tique » qui est basée sur les mathé­ma­tiques avan­cées. C’est cette IA qui est au cœur de l’activité de Deci­sion­Brain.

Notre cœur de métier est, en effet, de déve­lop­per des solu­tions d’aide à la déci­sion basées sur l’IA pour per­mettre aux entre­prises d’optimiser leurs opé­ra­tions indus­trielles. Nous uti­li­sons l’IA prag­ma­tique, ses algo­rithmes sophis­ti­qués, des don­nées et la puis­sance de cal­cul pour pou­voir résoudre des pro­blé­ma­tiques très spé­ci­fiques (trou­ver le meilleur ordon­nan­ce­ment, iti­né­raire, plan …) et trou­ver rapi­de­ment la solu­tion la plus per­ti­nente par­mi des mil­liards de possibilités.

L’idée n’est bien évi­dem­ment pas de rem­pla­cer l’humain mais d’augmenter sa capa­ci­té à prendre la bonne déci­sion en met­tant à sa dis­po­si­tion des recom­man­da­tions basées sur des ana­lyses com­plexes et des élé­ments quan­ti­ta­tifs. Notre action couvre ain­si un large éven­tail d’algorithmes et de tech­niques allant du Deep Lear­ning à l’apprentissage auto­ma­tique, en pas­sant par l’optimisation mathé­ma­tique ou encore la simu­la­tion… C’est en capi­ta­li­sant sur l’ensemble de ces tech­niques que Deci­sion­Brain est en mesure de créer des solu­tions inno­vantes et per­son­na­li­sées qui per­mettent à nos clients d’améliorer leur pro­duc­ti­vi­té, leur effi­ca­ci­té et leur réac­ti­vi­té opérationnelles.

Quelles sont les problématiques que vous abordez avec vos solutions ?

Chez Deci­sion­Brain, nous avons fait le choix de nous foca­li­ser sur les opé­ra­tions indus­trielles que nous décli­nons avec plu­sieurs niveaux de décisions :

• Stra­té­gique : quels sont les inves­tis­se­ments à pré­voir pour accroître la capa­ci­té de pro­duc­tion ? quelles sont les com­pé­tences à acqué­rir ou à déve­lop­per en interne ?
• Tac­tique : com­ment orga­ni­ser la pro­duc­tion pour pou­voir répondre à la demande pré­vue cette année ? com­ment pla­ni­fier la main­te­nance des machines sur les cinq pro­chaines années ?
• Opé­ra­tion­nel : quel est le meilleur ordon­nan­ce­ment ou iti­né­raire ? com­ment réagir en temps réel à une panne ou à l’absence d’une res­source humaine ?

Concrè­te­ment, nous aidons nos clients à mieux contrô­ler et pilo­ter leur acti­vi­té en fonc­tion de leurs indi­ca­teurs clés de per­for­mance (KPI). Au tra­vers de la mise en œuvre de nos solu­tions d’IA, nous les accom­pa­gnons dans leur prise de déci­sion afin qu’ils atteignent leurs objec­tifs business.

Pre­nons un exemple d’optimisation de res­sources humaines au niveau opé­ra­tion­nel : en cas d’absence de plu­sieurs tech­ni­ciens, nos solu­tions vont leur per­mettre de mesu­rer l’impact de cette situa­tion sur la pro­duc­tion, à revoir le plan­ning, redé­fi­nir la dis­tri­bu­tion des tâches, déter­mi­ner s’il est néces­saire de faire appel à des res­sources extérieures.

En pour­sui­vant cet exemple sur un niveau tac­tique, cela leur per­met aus­si d’initier une réflexion sur la néces­si­té de mettre en place un pro­gramme de for­ma­tion pour déve­lop­per les com­pé­tences de cer­tains col­la­bo­ra­teurs et la flexi­bi­li­té des équipes.

Au-delà, la puis­sance de l’IA asso­ciée à la dis­po­ni­bi­li­té mas­sive de don­nées per­met aujourd’hui aux entre­prises de réin­ven­ter leur busi­ness et d’identifier de nou­velles pro­blé­ma­tiques qui méritent d’être traitées.

Aujourd’hui, il ne s’agit donc plus de résoudre un ensemble bien défi­ni de pro­blèmes en se dotant d’applications packa­gées (ERP, ges­tion de la main­te­nance…), mais de faire preuve de créativité.

Comment une entreprise peut-elle déterminer si elle doit opter pour une solution packagée ou plutôt se doter d’une solution sur-mesure et personnalisée comme celles que DecisionBrain conçoit et développe ? 

Si une entre­prise est confron­tée à une pro­blé­ma­tique stan­dard que beau­coup d’autres entre­prises ren­contrent, je leur recom­man­de­rais de cher­cher d’abord une solu­tion packa­gée. D’ailleurs, aujourd’hui, ces solu­tions intègrent géné­ra­le­ment une tech­no­lo­gie d’IA.

Pour faire son choix, l’enjeu pour une entre­prise est de clai­re­ment dis­tin­guer les besoins com­muns de ceux qui relèvent de la spé­ci­fi­ci­té de l’entreprise, de son orga­ni­sa­tion et de son acti­vi­té. Pre­nons l’exemple d’un centre d’appels qui a des employés implan­tés dans dif­fé­rentes géo­gra­phies et donc sou­mis à des règle­men­ta­tions dif­fé­rentes. Une solu­tion packa­gée ne per­met­tra pas de cou­vrir de manière flexible et per­ti­nentes l’ensemble des contraintes et exigences.

Conscient de cette réa­li­té, Deci­sion­Brain est en mesure de conci­lier et d’apporter aux entre­prises le meilleur de ces deux approches. En effet, grâce à notre pla­te­forme de solu­tion d’optimisation DB Gene et ses modules pré­cons­truits (modèles d’IA spé­ci­fiques à chaque sec­teur, com­po­sants d’interface uti­li­sa­teur…), nous pro­po­sons à nos clients des solu­tions per­son­na­li­sées à un coût com­pé­ti­tif, assez proche de celui d’une solu­tion packagée.

DB Gene, qui est le fruit d’importants inves­tis­se­ments en R&D en France, per­met de four­nir 60 à 70 % des fonc­tion­na­li­tés néces­saires aux solu­tions d’IA et d’atteindre 100 % avec une confi­gu­ra­tion et per­son­na­li­sa­tion. Cela garan­tit éga­le­ment un temps de mise en œuvre rela­ti­ve­ment court. DB Gene est, en outre, inté­grée à cer­tains pro­duits IBM et est aus­si uti­li­sée par des lea­ders du mar­ché tels qu’IBM, JLL, Toyo­ta, Carhartt, le port de Hong Kong…

Enfin, en capi­ta­li­sant sur DB Gene, notre expé­rience avé­rée dans l’optimisation, les mathé­ma­tiques avan­cées, l’architecture logi­cielle avan­cée et l’expérience indus­trielle, Deci­sion­Brain aide non seule­ment les entre­prises à rele­ver leurs défis opé­ra­tion­nels, mais éga­le­ment à les trans­for­mer en véri­table avan­tage concurrentiel.

Pouvez-vous nous donner des cas d’applications concrets ?

Nous accom­pa­gnons nos clients sur dif­fé­rents pro­jets opé­ra­tion­nels : pla­ni­fi­ca­tion et ordon­nan­ce­ment de la pro­duc­tion, opti­mi­sa­tion du déploie­ment des res­sources humaines ou de l’attribution des tâches… 

Plus par­ti­cu­liè­re­ment, nous avons construit pour la socié­té de ser­vices bri­tan­nique Ser­co une solu­tion pour mieux contrô­ler et opti­mi­ser le sys­tème de vélos par­ta­gés de Londres. Dans ce cadre, nous uti­li­sons le Machine Lear­ning pour pré­dire le nombre de retrait et de res­ti­tu­tion de vélos dans chaque sta­tion tout au long de la jour­née à des inter­valles régu­liers de 15 à 30 minutes tout en pre­nant en compte divers fac­teurs : les condi­tions météo­ro­lo­giques, les habi­tudes des consom­ma­teurs… En s’appuyant sur ces pré­dic­tions, nos algo­rithmes d’optimisation sont en mesure de déter­mi­ner le nombre de vélos qui doit être mis à dis­po­si­tion dans chaque sta­tion et de pla­ni­fier les dépla­ce­ments opti­maux des vélos d’une sta­tion à une autre de jour comme de nuit. Depuis main­te­nant 5 années, Ser­co uti­lise cette solu­tion quo­ti­dien­ne­ment avec une grande satis­fac­tion. Deci­sion­Brain a, par ailleurs, reçu un prix de l’Association fran­çaise de recherche opé­ra­tion­nelle et d’aide à la déci­sion pour cette solu­tion. Dans un autre exemple, avec Toyo­ta, nous tra­vaillons sur des pro­blé­ma­tiques indus­trielles. Nous avons ain­si conçu pour cet indus­triel du monde auto­mo­bile un sys­tème pour syn­chro­ni­ser leur logis­tique en amont avec les chaînes d’assemblage. L’enjeu est de pou­voir ache­mi­ner les pièces auto­mo­biles pro­ve­nant de leurs four­nis­seurs vers ces chaînes d’assemblage de manière la plus effi­cace pos­sible et dans une logique de just-in-time. Grâce à l’IA, nous avons pu réduire les coûts logis­tiques de 15 %, mais aus­si les émis­sions de CO₂ d’environ 10 %. 

Comment vous projetez-vous sur le moyen et long terme ? Quelles sont vos ambitions ? 

Au cours des deux der­nières années, les entre­prises ont été et sont tou­jours confron­tées à de nom­breux défis : crise sani­taire, per­tur­ba­tions de la chaîne d’approvisionnement, hausse du prix des matières pre­mières, et main­te­nant guerre en Ukraine… Celles qui s’en sor­ti­ront sont celles qui sau­ront s’adapter à cette réa­li­té mou­vante qui évo­lue tou­jours plus vite. Cela néces­site une réac­ti­vi­té avé­rée et une capa­ci­té à adap­ter les pro­ces­sus et les sys­tèmes pour une prise de déci­sion effi­cace et per­ti­nente en temps réel. Notre ambi­tion est d’aider ces entre­prises à pilo­ter leur busi­ness face à ces défis.

En paral­lèle, à court terme, nous cher­chons à ren­for­cer notre pré­sence en France et à nous déve­lop­per aux États-Unis, un de nos prin­ci­paux mar­chés cibles. Nous venons d’y créer une enti­té avec un repré­sen­tant com­mer­cial et mon­tons une équipe tech­nique pour accom­pa­gner nos clients américains.

Sur le plus long terme, nous pour­sui­vons nos efforts pour démo­cra­ti­ser l’accès aux solu­tions d’IA sophis­ti­quées afin de per­mettre non seule­ment aux géants comme Toyo­ta ou encore Ama­zon, mais aus­si aux ETI de béné­fi­cier plei­ne­ment du poten­tiel de l’IA à un coût acces­sible. De notre côté, cela passe par des inves­tis­se­ments signi­fi­ca­tifs en R&D, des par­te­na­riats avec la com­mu­nau­té scien­ti­fique uni­ver­si­taire et la construc­tion d’un éco­sys­tème de par­te­naires commerciaux.

---

Articles similaires :

Aujourd’hui aucune socié­té ne peut faire l’impasse sur le digital Conci­lier l’esprit de luxe avec une stra­té­gie digi­tale exponentielle Exper­tise et inno­va­tion au ser­vice du Grand Paris Quand l’environnement est por­teur de valeur pour l’économie De nou­velles pistes pour l’épargne retraite