Cet article fait partie de notre guide: Intelligence Artificielle : ses vrais bénéfices en 15 projets

Michelin utilise la reconnaissance d'images pour diagnostiquer ses pneus

L'industriel français a choisi de déployer Einstein Vision en janvier pour aider ses techniciens en intervention chez les clients. A Dreamforce 2018, le cabinet de recrutement GPL explique, lui, comment il score les candidats avec l'IA de Salesforce.

Cela fait bientôt deux ans que le champion du CRM Salesforce a lancé sa plateforme d'Intelligence Artificielle Einstein, dont le but affiché est d'aider les clients de l'éditeur à trouver des enseignements enfouis dans leurs données. En parallèle des services utilisables dans les développements via des APIs, tous les outils métiers de Salesforce ont fait l'objet d'une mise à niveau (payante) avec leurs doses d'Einstein AI.

Lors du Dreamforce 2018, à San Francisco, Michelin est revenu sur son usage de cette technologie encore avant-gardiste - au côté de la société de recrutement irlandaise CPL.

Michelin scrute ses pneus

« L'intelligence artificielle est là pour améliorer la contribution humaine », a commencé par synthétiser Danielle DeLozier, responsable mondiale du déploiement de Service Cloud chez Michelin, dont la maison mère est basée à Clermont-Ferrand, en France, mais avec une forte présence internationale.

« Nous avons réalisé il y a quelques années que les attentes de nos clients avaient considérablement augmenté, nous voulions avoir une vraie vision à 360° de nos clients dans tous les domaines où nous travaillons ».

Michelin a commencé à implémenter certaines fonctionnalités de l'IA de Salesforce en janvier. Le premier projet visait à résoudre un problème des techniciens de terrain en intervention chez les clients, à savoir le diagnostic des pneus. La solution a consisté à utiliser Einstein Vision, une fonction de reconnaissance d'images qui permet par exemple d'identifier des détails et de repérer visuellement un problème.

Dans le contexte de Michelin, « nous avons pris des photos de pneus sur le terrain pour voir si nous pouvions identifier des problèmes et des tendances d'utilisation du pneu pour aider à résoudre ces problèmes », resitue Danielle DeLozier, visiblement très satisfaite de cette première incursion dans l'informatique cognitive. « Nous avons vu ce qu'Einstein et l'analyse prédictive pouvaient apporter à nos clients et à nos employés ».

Mais l'intelligence artificielle n'est pas une simple brique que l'on ajoute et qui fonctionne instantanément comme par magie. Il faut d'abord impliquer les différentes fonctions concernées de l'entreprise pour qu'un tel projet fonctionne.

Les organisations doivent également s'assurer que leurs données sont propres et accessibles - et même dans ce cas, il faut encore être très convaincant pour embarquer les différents intervenants et la direction dans une nouvelle façon de faire les choses... surtout lorsque cette nouvelle façon de faire a un prix d'entrée élevé.

« L'IA n'a pas encore autant fait ses preuves que certaines[autres] fonctionnalités des outils de Salesforce », reconnait Danielle DeLozier. « Lorsque nous travaillons avec les métiers, il a été difficile de trouver un terrain d'entente pour donner la priorité à cette initiative plutôt qu'à un autre déploiement d'un outil dont nous savions à l'avance qu'il allait bien fonctionner. Nous sommes sûrs, par exemple, que la messagerie instantanée fonctionne. Nous avons donc dû travailler avec les intervenants et leur dire : "Cela vaut la peine de courir le risque. Ce sera peut-être un échec, mais nous pourrons de toute façon en tirer des leçons" ».

CPL score ses bases de talents

Alors que Michelin se concentrait sur l'amélioration du service client, Kevin Sweeney, DSI de CPL, a mis en place des fonctionnalités AI avec Einstein pour aider les partenaires de son entreprise à trouver le bon candidat pour le bon poste. En tant qu'entreprise internationale de recrutement, CPL compte plus de 1,3 million de candidats dans sa base de données et reçoit environ 40 000 CV par mois.

Avant d'implémenter Einstein AI peu de temps après sa présentation à Dreamforce 2016, CPL faisait ce rapprochement candidat-employeur principalement avec Excel.

« C'était barbant; faisable mais c'était pénible et un vrai défi », se souvient le DSI. Avant d'ajouter que l'intelligence artificielle apporte aussi ses propres défis. « Avec l'IA, vous ne savez pas à l'avance quel type de réponse vous allez avoir, ni même s'il y a une seule bonne réponse. Il faut un peu de temps pour se familiariser avec ce nouveau modèle. »

CPL utilise Salesforce depuis plus de huit ans, la quantité de données amassées a visiblement été très utile lors de l'implémentation d'Einstein AI.

« Nous voulions savoir si nous pouvions prédire qu'un candidat allait correspondre à un poste en analysant nos données historiques », illustre Kevin Sweeney. « Nous savons, par exemple, que ce candidat qui a fait l'affaire a travaillé pour telle entreprise avec tel intitulé de poste, et nous avons un moyen d'identifier les candidats qui ont les mêmes caractéristiques, mais qui n'ont pas encore été contactés ».

Einstein AI est une aide qui s'ajoute aux processus existants de sélection de CPL avec lesquelles l'entreprise sélectionne ses candidats.

20 % de pionniers dans l'IA

Michelin et CPL sont des « utilisateurs précurseurs », en avance sur leurs concurrents en matière d'intelligence artificielle.

D'après une étude auprès de plus de 3 000 dirigeants publiée en septembre 2018 par le MIT Sloan School of Management et le Boston Consulting Group, l'intelligence artificielle est utilisée par un faible pourcentage d'entreprises - un peu moins d'un cinquième des sondées.

« L'intelligence artificielle est fondamentalement différente des autres systèmes informatiques », ajoute Philip Cooper, vice-président en charge de la commercialisation d'Einstein. « L'IA n'est pas déterministe. On lui permet d'apprendre de manière autonome à partir des données et non à partir de règles pré-établies ».

Cette idée est en contradiction avec la façon dont les humains pensent, affirme Philip Cooper, « les humains s'appuient sur des règles et des faits. Il est difficile d'appréhender le monde en terme de probabilités ».

Dans ce monde de l'IA « changer un seul petit facteur, peut totalement changer le modèle global. C'est compliqué par nature ».

Pour approfondir sur Outils décisionnels et analytiques

- ANNONCES GOOGLE

Close