Poursuivant sa mission de démocratiser l’IA, Moov AI a notamment cité un projet de maintenance prédictive chez Pratt & Whitney et une initiative dans le secteur de l’éducation visant à adapter les parcours de formation aux forces et faiblesses de chaque étudiant, en se basant sur une prédiction de leur performance.
Le fournisseur IVADO Labs, qui fêtera en 2023 ses 5 ans d’existence, a par ailleurs cité quelques exemples de projets innovants, d’abord en santé pour optimiser les horaires de chirurgie tout en minimisant le temps supplémentaire des employés en milieu hospitalier, puis dans le secteur des transports, pour prévoir plus efficacement l’arrivée des bateaux et ainsi optimiser la position des conteneurs et la connectivité intermodale avec les trains et camions actifs au Port de Montréal.
IVADO Labs, qui rassemble plus de 10 chercheurs universitaires en IA et 30 scientifiques des données, dont plusieurs experts en analyse de séries temporelles et en recherche opérationnelle, travaille d’ailleurs de plus en plus sur des projets qui combinent la prévision et la prise de décision. Marie-Claude Côté, vice-présidente, science des données chez IVADO Labs : « Dans le secteur du commerce de détail, par exemple, on essaie de prévoir la demande à partir d’un très grand nombre de variables, pour ainsi fournir l’information requise à la prise de décisions du département des achats dans chacun des magasins. La prévision ne sera jamais parfaite, mais le but est de prendre la meilleure décision selon les composantes que l’on a sous la main. »
À titre d’alumni des programmes Creative Destruction Labs et NextAI, la startup Airudi a pour sa part présenté plusieurs exemples de projets axés sur son domaine de prédilection : l’IA pour les ressources humaines. L’entreprise a notamment accompagné des sociétés en agriculture afin de leur permettre de planifier l’affectation de sa main-d’œuvre en fonction des données récoltées sur l’état des récoltes. Sébastien Pelletier, Directeur de projet chez Airudi : « On propose une solution qui se greffe à ce que nos clients ont déjà, ce qui leur permet d’être opérationnels avec l’IA en 12 à 18 mois. » Airudi a d’ailleurs récemment annoncé le déploiement du projet Galileo, une initiative d’envergure conçue en partenariat avec l’Association des employeurs maritimes (AEM) et avec le soutien de Scale AI, afin de prévoir avec précision l’heure d’arrivée des navires pour proposer un scénario optimal de déploiement de la main-d’œuvre.
Ces cas d’usages concrets prouvent bien que l’IA existe et se développe, de plus en plus rapidement, pour le bénéfice de tous les joueurs impliqués.
Adoption de l’IA : Défis et opportunités
Marie-Claude Côté d’IVADO Labs : « Beaucoup d’entreprises pensent qu’implémenter l’IA c’est soit une montagne insurmontable, soit de la magie. C’est en fait aucun des deux, mais c’est aussi un peu des deux. Ce n’est pas un long fleuve tranquille, mais les gains qui peuvent être faits en cours de route sont à souligner. » Pour implémenter l’IA, une entreprise doit d’abord faire le ménage de ses données, et déjà là, les bénéfices peuvent être considérables. Suite à cela, le fournisseur et le client vont explorer les possibilités offertes par ces données, et faire émerger des opportunités qui n’existaient pas auparavant. Chaque étape apporte son lot de défis et d’opportunités, de la phase initiale à l’utilisation par les consommateurs. Cela nécessite donc une certaine ouverture d’esprit et une agilité de la part de chacune des parties impliquées dans le projet.
Sébastien Pelletier d’Airudi : « Un élément sous-estimé, c’est le fait qu’une entreprise est parfois en compétition avec les autres joueurs impliqués dans sa chaîne d’approvisionnement. Le défi pour les projets en IA, c’est d’avoir accès aux données de toute la chaîne d’approvisionnement afin de mettre en place des modèles efficaces. Ce n’est pas évident de faire collaborer les acteurs entre eux pour qu’ils partagent leurs données les uns avec les autres. Dans le cas de notre projet au Port de Montréal, l’AEM a fait un travail incroyable afin de nous donner accès aux données nécessaires afin de permettre à chacune des parties prenantes de la chaîne de prendre les meilleures décisions possibles. Car il faut se rappeler d’une chose : les solutions d’IA vont permettre à chacun des membres de la chaîne d’approvisionnement d’optimiser leur efficacité, et donc leurs profits. On a donc tout à gagner à collaborer. »
Olivier Blais, cofondateur et vice-président, données et transformation chez Moov AI : « Avant de développer un projet en IA, une entreprise se doit d’identifier un problème et de découper la solution en projets concrets. Automatiser une chaîne d’approvisionnement, par exemple, peut vouloir dire d’optimiser l’inventaire, de mettre en place de la maintenance prédictive, d’optimiser la planification de la main-d’œuvre, d’identifier les goulots d’étranglement, etc. On va encourager les entreprises à aborder l’automatisation de leur chaîne d’approvisionnement en priorisant les projets simples pour lesquels des données de qualité sont déjà récoltées. En optant pour cette approche, on est capables de mettre en place des solutions concrètes, de démontrer qu’elles ont des impacts réels, et de créer une pratique et un état d’esprit axés sur les données. Puis, on peut entreprendre les autres étapes pour parvenir, à terme, à automatiser la chaîne d’approvisionnement. L’IA, c’est en fait des statistiques avancées, ça ne doit pas être vu comme quelque chose d’inaccessible et d’inatteignable. »
Pour plus d’exemples concrets, téléchargez nos livres blancs :
- L’IA et le commerce de détail
- L’IA pour le secteur du transport et de la logistique
- L’IA pour le secteur manufacturier
