Débloquer des mises en œuvre de l’IA à fort impact dans toute entreprise
Les entreprises doivent déployer l’IA à grande échelle pour rester pertinentes, mais les premières étapes de ce parcours peuvent sembler décourageantes. Pourtant, certaines entreprises ont choisi d’être des pionnières de l’IA, allant au-delà de la démonstration de faisabilité pour obtenir des résultats mesurables et ouvrir la voie à d’autres entreprises.
Nous nous sommes entretenus avec trois de ces innovateurs de Team Liquid, Bosch et Bristol Myers Squibb pour recueillir leur témoignage et découvrir leurs principes directeurs pour se lancer avec l'IA : identifier un problème ou une opportunité clé pour l'entreprise, collaborer avec les parties prenantes de l'ensemble de votre entreprise afin de définir une solution d'IA précise qui réponde à ce problème ou à cette opportunité, et aller au-delà des indicateurs traditionnels pour mesurer le succès.
| Entreprise | Secteur d’activité | Taille de l’entreprise | Siège |
| Bosch | Hautes Technologies | + de 400 000 | Gerlingen, Allemagne. |
| Bristol Myers Squibb | Sciences de la vie et santé | 34 000+ | Princeton, New Jersey, États-Unis |
| Team Liquid | Médias, sport et divertissement | 300+ | Los Angeles, Californie, États-Unis |
Se réinventer
processus d'entreprise avec l'IA au cœur
Partenaire
avec l'informatique, les équipes métier, et les partenaires technologiques
Simplifiez
et standardiser l'environnement de données d'entreprise
Trouver la bonne fonction pour maximiser l'impact de l'IA
Il est à noter que chacun de nos experts a commencé son parcours dans l'IA devant un tableau blanc. En examinant leurs entreprises pour identifier un levier de réussite essentiel, ils ont concentré la conversation sur des problèmes ou des opportunités spécifiques permettant d'accélérer les résultats commerciaux.
En tant que responsable de l’excellence produit ERP chez Bosch, Gamze Öztürk a commencé par examiner les processus existants afin d’identifier les lacunes et les opportunités de transformation. « Nous partons toujours des véritables difficultés de l’entreprise, des défis liés aux processus métier auxquels nous pourrions être confrontés », explique-t-elle. « Avec plus de 400 000 collaborateurs et plus de 2000 systèmes SAP, les dysfonctionnements au sein de n’importe quel processus de Bosch ont des effets considérables. L’identification rigoureuse des éventuels dysfonctionnements des processus essentiels permet une application plus réfléchie des solutions d’IA et d’automatisation. Cela a été un enseignement clé. Nous examinons tous ces processus d’entreprise avant d’aborder la technologie, car l’important n’est pas seulement la technologie, mais le contexte qui la sous-tend.
Kenneth Manalang, architecte d’entreprise SAP chez Bristol Myers Squibb, étudie également les opportunités de transformation des processus afin de permettre aux équipes de mieux servir la mission de l’entreprise.
« Bristol Myers Squibb est une entreprise pharmaceutique mondiale qui découvre, développe et fournit des médicaments afin de préserver et prolonger la qualité de vie de nos patients », déclare-t-il. « Nous répondons aux besoins de nos patients, ce qui signifie que nous devons définir et créer des cas d’utilisation de l’IA qui leur apportent le plus de valeur, qui contribuent à accélérer et à élargir notre champ d’action pour fournir de plus en plus de médicaments à ceux qui en ont le plus besoin. »
Le principe directeur selon lequel les processus d’entreprise critiques offrent les meilleures opportunités de transformation par l’IA s’applique à tous les secteurs. L’attention constante que porte le géant de l’e-sport Team Liquid à aider ses joueurs à rester compétitifs et à remporter des matchs est l’une des raisons pour lesquelles il est un leader mondial dans son domaine. Le co-PDG et propriétaire Steve Arhancet déclare : « Nous sommes une équipe sportive, nous avons donc la responsabilité d’être compétitifs et de gagner. Nous disposons d’une quantité énorme de données collectées lors de tous nos matchs. Nous devions trouver un cas d’usage où nous pourrions réellement utiliser ces données, et il s’agissait d’améliorer la compétitivité de nos effectifs et de nos équipes. »
Collaborer avec les équipes métier et les partenaires technologiques
Après avoir identifié un problème ou une opportunité, cibler la solution d’IA idéale nécessite la contribution d’une équipe transversale. Par exemple, pour Team Liquid, le bon outil pour renforcer son avantage concurrentiel a été déterminé par les besoins de ses joueurs. L’outil de draft de sélections/proscriptions de Team Liquid utilise l’IA pour analyser l’abondance de données internes et tierces issues des parties précédentes afin de suggérer des choix et des exclusions de personnages optimaux pour les parties à venir.
« Il y a beaucoup de stratégie en jeu, nous nous sommes donc dit : créons un outil optimisé par l’IA afin de proposer le choix optimal associé à cela », explique Arhancet. « [Nos coachs] veulent pouvoir accéder à une interface de type ChatGPT, poser des questions [et] obtenir instantanément ces réponses. Nous avons donc commencé par les données, nous les avons organisées, puis nous avons superposé un agent Joule personnalisé afin qu’il puisse communiquer avec des utilisateurs non techniques. »
Les entreprises sont mieux placées pour formuler des analyses de rentabilité de l’IA qui apportent de la valeur lorsque les personnes qui utiliseront la solution et les fournisseurs de technologies dialoguent en permanence. Chez Bosch, l’équipe d’Öztürk « organise fréquemment des ateliers d’idéation en collaboration [avec] SAP » et ses équipes métier. « Nous recevons directement les retours de l’entreprise, puis nous passons ensemble aux étapes suivantes pour concrétiser le projet. »
La combinaison des connaissances procédurales des utilisateurs et de l’expertise spécialisée des prestataires contribue également à éviter le gaspillage de ressources et les projets pilotes ponctuels qui ne peuvent pas être déployés à grande échelle. Le maintien de ce type de partenariat est également un objectif clé du travail de Manalang en tant qu’architecte chez Bristol Myers Squibb.
« Bristol Myers Squibb n’est pas une entreprise de logiciels informatiques », déclare-t-il. « Nous sommes une entreprise qui fabrique et développe des médicaments. C’est là que le partenariat entre en jeu. Nous échangeons avec nos utilisateurs métier et demandons l’aide de nos partenaires de SAP afin de définir la problématique et de déterminer comment nous pouvons les aider à accélérer leur travail. C’est le socle : comprendre ce que nous créons afin de ne pas développer et activer inutilement des agents partout. »
Mesurer la véritable valeur de vos investissements dans l'IA
L’impact mesurable provient de la collaboration entre les équipes techniques et métier pour identifier précisément où l’IA aura le plus d’impact, puis de l’exécution selon ces scénarios. Mais la collaboration ne devrait pas s’arrêter là. Il est important d’inclure diverses parties prenantes lors de la définition des KPI, car les métriques classiques peuvent ne pas saisir la valeur intangible de la mise en œuvre.
« Chez Bosch, nous parlons aussi parfois de retour sur intelligence », déclare Öztürk, en soulignant que les méthodes classiques d’utilisation des calculs de ROI n’ont pas toujours de sens ou ne permettent pas de refléter la valeur qu’il apportera dans la plupart des cas. « Il est vraiment délicat de calculer la valeur derrière l’IA. Nous nous demandons donc si les processus d’entreprise sont plus précis ou si nous prenons des décisions plus rapides, et nous examinons la valeur indirecte derrière la solution d’IA. »
Cette importante création de valeur se vérifie dans l’ensemble des solutions d’IA qu’ils ont déployées. Chez Bosch, l’IA physique rationalise les workflows complexes de gestion des entrepôts. Une solution de pick and place intégrée à leur environnement d’entrepôt permet d’alléger la charge manuelle dans l’atelier de production. Un système SAP complet crée une boucle connectée impliquant la robotique d’entrepôt et les systèmes ERP. SAP Joule déclenche la tâche, les robots l’exécutent, et renvoient des signaux de retour à SAP pour boucler la boucle.
Bristol Myers Squibb a étendu son approche axée sur sa mission aux scénarios administratifs et de traitement des commandes afin de prendre en charge les processus qui sous-tendent ses programmes, sans sacrifier l’intervention humaine nécessaire à la conformité du secteur. Une intégration entre SAP et Microsoft Teams optimise les approbations de factures en informant le personnel des factures en attente. Faciliter la finalisation dans les délais et, dans certains cas, les approbations anticipées, a des répercussions financières sous la forme de remises potentielles ou de pénalités de retard lors des transactions avec des fournisseurs externes. Parallèlement, SAP Batch Release Hub for Life Sciences permet d’automatiser le processus de validation par lots et de réduire le risque de non-conformité à la qualité avant la mise sur le marché de médicaments.
L’analyse de données optimisée par l’IA de l’outil de sélection et de bannissement (draft) de Team Liquid a permis d’améliorer les performances des joueurs en match et a favorisé des déploiements plus larges à l’échelle de l’organisation. « Nous avons principalement commencé par le sport il y a environ deux ans et demi, mais nous avons désormais commencé à déployer l’IA dans tous les secteurs de l’entreprise, à des rythmes différents. Nous avons eu l’avantage d’utiliser déjà un si grand nombre de produits SAP différents, qu’il s’agisse de Concur ou de SuccessFactors, ce qui nous permet de favoriser plus facilement l’adoption dans toute l’organisation, quel que soit le secteur de l’entreprise. »
Un modèle de réussite pour l'IA
Bien que Bosch, Bristol Myers Squibb et Team Liquid opèrent dans des secteurs différents et cherchent à résoudre des problèmes différents, ces entreprises ont plusieurs points communs qui contribuent à leur réussite : elles commencent par le tableau blanc afin d’identifier les fonctions à fort impact pour lesquelles une solution d’IA aura un impact disproportionné, collaborent avec une équipe transversale pour définir les problèmes et les opportunités spécifiques que l’IA peut résoudre, et incluent des indicateurs non traditionnels pour mesurer la réussite.