26 0 1MB
Université Mohammed V- Agdal Faculté des Sciences Juridiques, j Economiques et Sociales Rabat
اكدال-جامعة محمد الخامس كلية العلوم القانونية و االقتصادية و االجتماعية الربـــــــــــاط
LE
ll
R O L E D U B I G D ATA E T D E L’ I N T E L L I G E N C E A R T I F I C I E L L E A U S E I N D E L’ E N T R E P R I S E
Projet de fin d’étude Nom : Toubali Prénom : Imane N° apogée : 17002048 Encadrée par Mme MANAL EL ABBOUBI 2019/2020 1
Table des matière Introduction …………………………………………………………………………………………………………………………3 Fiche 1 : Intelligence artificielle : une mine d’or pour les entreprises ……………………………………5 Fiche 2 : Big data, machine learning, intelligence artificielle… N’oublions pas le manager ……6 Fiche 3 : Le big data au service de la gestion du capital humain ……………………………………………8 Fiche 4 : Get the Most Out of AI Today …………………………………………………………………………………9 Fiche 5 : Intégrer l’intelligence artificielle dans l’entreprise, un défi pour les managers ……..10 Fiche 6 : Le big data, une révolution qui transforme l’entreprise en profondeur ………………..11 Fiche 7 : Les algorithmes remplaceront-ils les gestionnaires ? ……………………………………………13 Fiche 8 : Ce que l’intelligence artificielle va changer pour les managers ……………………………..15 Fiche 9 : Demain, votre manager sera-t-il une machine ? ……………………………………………………17 Fiche 10 : MÉGADONNÉES : QUEL RÔLE POUR LE GESTIONNAIRE? …………………………………….18 Fiche 11 : Quelles applications concrètes pour le big data ? ……………………………………………….19 Fiche 12 : Comment exploiter le big data ? …………………………………………………………………………21 Fiche 13 : MÉGADONNÉES ET INTELLIGENCE ARTIFICIELLE AU CŒUR DE L'INDUSTRIE 4.0 ….22 Fiche 14 : Les données de votre entreprise ont-elles une réelle valeur à l’ère de l’intelligence artificielle ? …………………………………………………………………………………………………………………………23 Fiche 15 : Big data : quand l’analyse prédictive permet d’optimiser la supply chain ……………25 Fiche 16 : Comment faire du Big Data une réalité ? …………………………………………………………….27 Fiche 17 : Comment mieux utiliser la data dans une entreprise de taille moyenne ? ………….29 Fiche 18 : Relation client :l’intelligence artificielle et le big data changent les règles du jeu..31 Fiche 19 : Pourquoi l’intelligence artificielle révolutionne l’expérience utilisateur ……………..33 Fiche 20 : L'INTELLIGENCE ARTIFICIELLE, UN VIRAGE DÉCISIF À RÉUSSIR …………………………….35 Synthèse …………………………………………………………………………………………………………………………….37 Bibliographie ………………………………………………………………………………………………………………………39 2
Introduction :
« Les données sont le nouveau pétrole », c’est la phrase qu’on la trouve affirmée dans des centaines d’articles de nos jours. Ce qu’ils veulent dire par là, c’est qu’elles sont le carburant qui alimentera l’économie de l’intelligence artificielle. Il est ainsi pertinent de s’intéresser au rôle majeur du big data et de l’intelligence artificielle au sein des entreprises et des organisations du XXI siècle, puisqu’ils sont devenus la condition sine qua non au succès de celles-ci. C’est à vrai dire, le nouvel eldorado du monde de business aujourd’hui. Dans ce mémoire, nous nous interrogerons sur la question de recherche suivante : Comment faire du big data et de l’intelligence artificielle une alliance parfaite au service de la gestion des entreprises ? Cette problématique s’avère importante à étudier en vue d’être en mesure du changement qui s’opère dans le monde du business, et globalement, dans notre société, ainsi pour savoir bien profiter de cette mine d’or mise à la disposition des entreprises. « Les stratégies d’entreprise seront de plus en plus ‘data-driven’ car le big data est un moteur d’innovation et de nouveaux modèles économiques. L’entreprise de demain sera une entreprise quantitative en prise directe avec son environnement, son état ainsi que ses activités. Une entité en constante évolution dont la ressource la plus précieuse sera sa data. » Ainsi affirmé par l’expert du Data Driven Business, Kévin CARILLO. Afin de répondre à cette question, nous avons choisis les 20 articles suivants issus des revues MIT Sloan Management Review, Revue internationale de gestion et Harvard Business Review : -
Intelligence artificielle : une mine d’or pour les entreprises - Laurent Charlin Big data, machine learning, intelligence artificielle… N’oublions pas le manager Kévin Carillo Le big data au service de la gestion du capital humain - Fabien Galthié, Adrien Vial Get the Most Out of AI Today - Sam Ransbotham Intégrer l’intelligence artificielle dans l’entreprise, un défi pour les managers - Céline Laurenceau Le big data, une révolution qui transforme l’entreprise en profondeur - Kévin Carillo Les algorithmes remplaceront-ils les gestionnaires ? - Xavier ParentRocheleau, Manon Arnaud Ce que l’intelligence artificielle va changer pour les managers - Virginie Rio-Jeanne Demain, votre manager sera-t-il une machine ? - Tessa Melkonian MÉGADONNÉES : QUEL RÔLE POUR LE GESTIONNAIRE? - François Normandin 3
-
Quelles applications concrètes pour le big data ? - Nicolas Glady Comment exploiter le big data ? - Nicolas Glady MÉGADONNÉES ET INTELLIGENCE ARTIFICIELLE AU CŒUR DE L'INDUSTRIE 4.0 Eléonore Genolhac Les données de votre entreprise ont-elles une réelle valeur à l’ère de l’intelligence artificielle ? - Avi Goldfarb, Joshua Gans, Ajay Agrawal Big data : quand l’analyse prédictive permet d’optimiser la supply chain - Linda Attari, Jean-Baptiste Besson Comment faire du Big Data une réalité ? - Laurence Chrétien Comment mieux utiliser la data dans une entreprise de taille moyenne ? - Nicolas Glady, Aswhin Malshe Relation client : l’intelligence artificielle et le big data changent les règles du jeu Alexandre Cahuzac Pourquoi l’intelligence artificielle révolutionne l’expérience utilisateur - Fabrice Marque, Nicolas Glady L'INTELLIGENCE ARTIFICIELLE, UN VIRAGE DÉCISIF À RÉUSSIR - Claudine Auger
Ces articles traitent la question sur plusieurs volets. D’une part , la valeur de ces technologies, leurs applications dans les différents départements de l’entreprise tels que la gestion du capital humain, la supply chaine, l’expérience utilisateurs, la relation client, la recherche opérationnelle, les études stratégiques, etc. D’autre part, le rôle du gestionnaire dans cette révolution, les défis à relever et les opportunités à saisir tout en traitant la question de remplaçabilité de celui-ci et d’autres métiers par la machine.
4
Fiche 1
Titre de l’article
Intelligence artificielle : une mine d’or pour les entreprises
Nom de la revue
Gestion - Revue Internationale de Gestion
Classement de la revue
4
Année de publication
2017
Auteur
Laurent Charlin
Les idées principales
-
L’importance de l’apprentissage automatique (machine learning) et l’apprentissage profond (deep learning) dans la progression colossale de l’intelligence artificielle ; - La contribution du big data aux récentes percées en intelligence artificielle ; - Les répercussions de l’intelligence artificielle en entreprise ; - L’attribution de l’intelligence artificielle dans l’automatisation de la prise de décision au sein de la firme. La valeur ajoutée au niveau Le rôle des techniques d'intelligence artificielle dans l’automatisation d’extraction de connaissances à des fins théorique prédictives et dans la prise de meilleures décisions. La technique la plus fertile est celle du deep learning qui permettra le mieux d'extraire des connaissances complexes menant à des algorithmes plus précis et plus performants à partir de données volumineuses. Le big data ainsi que la croissance des capacités de calcul sont donc essentiels aux récentes percées en intelligence artificielle. La valeur ajoutée au niveau L'exploitation des techniques d'intelligence artificielle est la pierre angulaire de la prise de décision au sein des pratique firmes, du moment que la collecte et le stockage de données sont des tâches à la portée d'entreprises de toute taille œuvrant dans des domaines variés ; c'est aussi un élément clé dans le transfert d’innovation en production industrielle au sein non seulement des grandes entreprises mais aussi des petites firmes en présentant un produit phare basé sur l'intelligence artificielle au lieu que cette dernière sera seulement un outil secondaire utilisé pour améliorer un produit existant.
5
Fiche 2
Titre de l’article
Big data, machine learning, intelligence artificielle… N’oublions pas le manager
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2018
Auteur
Kévin Carillo
Les idées principales
-
La succession des vagues de révolution technologique, l’apparition du nouveau rôle « data scientist » ainsi que l’entreprise « data driven » ; - La naissance des nouveaux métiers dans la suite de la data-révolution ; - L’importance de data dans la prise de décision et l’attitude du manager vis-à-vis de ces nouvelles façons de faire ; - Les compétences nécessaires pour les managers scientifiques et les défis à surmonter pour gérer une entreprise data driven. La valeur ajoutée au niveau L’entreprise devenant data driven se métamorphose en une entreprise analytique ou quantitative. Elle se voit théorique dotée d’une capacité organisationnelle analytique qui englobe la détection, la génération, le stockage, le traitement et l’analyse des données. Dés lors, c’est un changement d’ADN qui impactent l’intégralité de ses processus et qui redéfinit même la manière de travailler, de communiquer et d’interagir nécessitant une redéfinition de la stratégie et des business model. Il est bien évidemment concevable que cette révolution data engendre l’émergence de nouveaux métiers. Au-delà de ces nouveaux rôles, la transformation engendrée par l’avènement de l’informatique a ébranlé le périmètre fonctionnel et les compétences de quasiment l’intégralité des métiers de l’entreprise. Dans ces conditions au lieu d’essayer de créer de nouveaux métiers, il est urgent de redéfinir la fonction, les tâches et les compétences de chaque métier.
6
La valeur ajoutée au niveau pratique
L’engagement des entreprises sur le chemin data driven implique une transformation de ses processus de décision. Tous ces nouveaux rôles et métiers créés autour de la data semblent avoir pour mission commune d’analyser les données afin d’aider à la prise de décision. Or, il semble que l’acteur principal dans toutes prises de décision soit implicitement omis : le manager. A ce stade, les managers eux-mêmes deviennent « analytiques ». Ils doivent se muer en des managers-scientifiques, afin d’éviter la lourdeur et l’inertie engendrées par l’implication de plusieurs spécialistes de la data dans les processus de décisions. L’entreprise fera donc face à deux défis. Dans un premier temps transformer les managers actuels en managers scientifiques en confrontant la dureté de celle-ci en matière de gestion des ressources humaines. Le deuxième défi se manifeste par le besoin en managers dotés de la compétence analytique sur le marché. De ce fait, l’engagement d’un dialogue avec les organes de formation est nécessaire pour que ceux-ci brisent le silo et seront en mesure de répondre de manière efficace aux demandes urgentes du marché.
7
Fiche 3
Titre de l’article
Le big data au service de la gestion du capital humain
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2017
Auteurs
Fabien Galthié, Adrien Vial
Les idées principales
-
Le rôle primordial de la gestion des talents et l’évaluation de la performance dans le monde du sport de haut niveau, la contribution du big data à ce stade; - L’exploitation de la data dans l’optimisation des décisions concernant les grandes priorités de la gestion des ressources humaines ainsi que l’analyse l’anticipation et la prédiction de ses problématiques ; - Les défis au quels doivent faire face l’entreprise afin de pérenniser ces approches. La valeur ajoutée au niveau Les analyses faites grâce au big data ne déshumanisent pas la gestion des ressources humaines en automatisant théorique les prises de décision; plutôt, elles suggèrent plus qu’ils ne décident, évaluent le risque qu’un événement survienne plus qu’ils ne l’assurent avec certitude, laissant ensuite toute la latitude aux managers de prendre des décisions « éclairées ». Elles ne sont par conséquent qu’un instrument d’aide à la prise de décision mise en disposition des gestionnaires, et pas un remplaçant de ces derniers. La valeur ajoutée au niveau La fonction RH basée sur l’analyse des données à l’aide du big data se positionnera sans doute en partenaire pratique incontournable de la transformation de l’entreprise. L’analyse des faits ainsi que de données RH permet en effet de calculer la probabilité qu’un événement survienne sur le principe « les mêmes causes risquent de produire les mêmes effets ». L’exploitation de la data permet par la suite d’optimiser les décisions liées aux trois grandes priorités de la gestion des ressources humaines, à savoir attirer, développer et retenir. Face à ce nouveau mode de fonctionnement, l’entreprise sera menée à organiser la collecte massive des données en fonction de leur pertinence, construire des nouveaux indicateurs à mesurer et Intégrer de nouveaux modes de fonctionnement dans ses processus. 8
Fiche 4
Titre de l’article
Get the Most Out of AI Today
Nom de la revue
MIT Sloan Management Review
Classement de la revue
2
Année de publication
2018
Auteur
Sam Ransbotham
Les idées principales
-
L’attribution de l’intelligence artificielle dans la simplification d’accès aux informations non organisées ; - Le rôle de l’intelligence artificielle dans la création et la diffusion de l’information ; - L’emploi de l’intelligence artificielle dans la création de nouveaux produits ; La valeur ajoutée au niveau L’importance colossale de l’intelligence artificielle dans la structuration et l’organisation du big data dans le but théorique de la visualisation et l’accès aux informations voilées derrière celle-ci, et même encore, sa capacité à créer de nouvelles connaissances à partir de la data disponible. La valeur ajoutée au niveau Par l’adoption des techniques de l’intelligence artificielle, l’entreprise pourra accéder aux informations non pratique organiser et les utiliser pour répondre au problématiques posées ; cette approche aidera la firme aussi à prévoir des situations future en se basant sur l’analyse des faits du présent et du passé ; aussi, A l’aide de cette nouvelle technologie, l’entreprise sera capable d’améliorer constamment ses services en analysant les besoins de ses clients et cela en se basant sur plusieurs critères tels que leurs habitudes financières, et même encore, elle permettra d’offrir des nouveaux produits dite AI-based products.
9
Fiche 5
Titre de l’article
Intégrer l’intelligence artificielle dans l’entreprise, un défi pour les managers
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2016
Auteure
Céline Laurenceau
Les idées principales
-
L’importante implantation de l’intelligence artificielle dans les différents secteurs économiques ; - La contribution de l’intelligence artificielle dans la libération des managers des tâches chronophages ; - L’ensemble des nouvelles compétences à développer chez les managers vis-à-vis de cette technologie. La valeur ajoutée au niveau L’intelligence artificielle ne fait pas de nous des « super humains ». Elle rend simplement les humains « super théorique efficaces ». L’innovation en termes d’intelligence artificielle permettra à l’entreprise de travailler mieux et plus, c’est grâce à celle-ci qu’on peut optimiser la productivité ainsi que la précision des tâches et bien même accéder aux données d’une manière plus fluide. La valeur ajoutée au niveau L’intelligence artificielle est une baguette magique entre les mains des managers. S’ils réussissent à se familiariser pratique avec; ils seront libérés des tâches chronophages et ainsi, gagner du temps précieux pour se focaliser davantage sur la créativité et l’innovation. A fin d’arriver à ce stade, il est important de restaurer la confiance entre les managers et les machines intelligentes. Il faut non seulement accélérer l’introduction des nouveaux systèmes, mais aussi encourager les expérimentations de façon à ce qu’ils s’intègrent parfaitement au sein des équipes et des processus existants. Par ailleurs, les managers devront avoir les capacités nécessaires pour motiver et diriger des équipes moins structurées, capables d’évoluer en permanence, tout en gérant en parallèle l’arrivée de nouvelles technologies.
10
Fiche 6
Titre de l’article
Le big data, une révolution qui transforme l’entreprise en profondeur
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2017
Auteur
Kévin Carillo
Les idées principales
-
Vue d’ensemble sur l’origine du phénomène big data ; - Le big data entre prise de conscience et révolution technologique ; - L’impact de la « datafication » sur la performance de l’entreprise ; - Big data et changement de processus de prise de décision. La valeur ajoutée au niveau Le big data n’est pas une révolution technologique en elle-même, mais plutôt, c’est une prise de conscience du théorique potentiel et des opportunités stratégiques que peut générer le traitement de la quantité massive des données désormais à la disposition des entreprises. En conséquence de cette prise de conscience, un chamboulement majeur dans le fonctionnement des entreprises se manifestera ainsi qu’une redistribution des cartes de la compétitivité. Au sein de ce bouleversement, les organisations qui sauront transformer ces données seront capables d’accompagner les prises de décisions, d’acquérir des connaissances, d’optimiser les activités et bien encore d’innover. Ainsi, elles auront un avantage économique et stratégique déterminant.
11
La valeur ajoutée au niveau La tendance à la datafication n’est toutefois pas synonyme de recul du facteur humain. En effet, le big data pratique est un outil mis à la disposition des managers et des dirigeants pour but de mesurer de manière très précise les activités de l’entreprise. Cette prise directe d’information sur l’état de l’entreprise a un effet immédiat sur la prise de décision. Ainsi, puisque les décisions vont avoir une dimension scientifique au lieu de s’appuyer sur l’expérience et l’intuition, le manager sera amené à t’initier avec ces nouvelles façons de faire. Il est donc impératif que les organismes de formation prennent conscience du changement qui s’opère au sein de la fonction de manager vue le manque globale d’expertise et de compétences big data.
12
Fiche 7
Titre de l’article
Les algorithmes remplaceront-ils les gestionnaires ?
Nom de la revue
Gestion - Revue Internationale de Gestion
Classement de la revue
4
Année de publication
2020
Auteurs
Xavier Parent-Rocheleau, Manon Arnaud
Les idées principales
-
Vue d’ensemble sur la gestion algorithmique ; Les fonctions managériales qu’on peut confier à des algorithmes ; Les risques et les inconvénients de la gestion algorithmique ; Les critères à respecter pour implanter une gestion algorithmique raisonnée au sein de l’entreprise ;
-
La difficulté de la substitution des qualités humaines d’un bon gestionnaire par l’intelligence artificielle. La valeur ajoutée au niveau Les fonctions managériales qu’on peut confier à des algorithmes peuvent être réparties en quatre catégories : théorique contrôle, coordination du travail, gestion des ressources humaines et rétroaction. Ces fonctions semblent favoriser la flexibilité et la capacité des organisations à s’adapter rapidement à leur environnement. Néanmoins, il existe des inconvénients qui défavorisent cette gestion algorithmique. En effet, la négligence du coté humain dans la prise des décisions robotiques peut susciter des émotions négatives chez les employés ; de plus, plusieurs des caractéristiques inhérentes aux algorithmes peuvent être source d’erreurs et de biais subjectifs puisque pour prendre des décisions optimales, ceux-ci ont besoin de données nombreuses et fiables, et cela peut ne pas être le cas parce que souvent les données peuvent être incomplètes, voire erronées. Aussi, les algorithmes ne sont pas neutres en soi, car ils reflètent nécessairement les intentions de leurs concepteurs, qui les élaborent pour atteindre des objectifs précis. Par conséquence, l’intelligence artificielle est encore bien loin de pouvoir se substituer aux qualités humaines d’un bon gestionnaire.
13
La valeur ajoutée au niveau pratique
Pour réussir à implanter ce nouveau système de gestion algorithmique d’une manière raisonnée, et pour atteindre les résultats escomptés sans que leurs employés subissent de préjudices, les entreprises sont invitées à respecter ces critères : -
Miser sur la transparence des algorithmes pour que les employés en comprennent la logique ;
-
Se doter d’une charte en matière d’éthique de gestion des données pour maintenir le lien de la confiance avec les employés et limiter les risques d’utilisation abusive ou frauduleuse des données ;
-
Ne pas automatisées toutes les tâches managériales et garder un gestionnaire humain pour le volé relationnelle et de supervision ;
-
Maintenir les postes intéressants et stimulants et ne pas réduire l’autonomie des employés dans l’exercice de leurs fonctions ;
-
S’assurer de la qualité des données et la collecter avec rigueur.
14
Fiche 8
Titre de l’article
Ce que l’intelligence artificielle va changer pour les managers
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2019
Auteure
Virginie Rio-Jeanne
Les idées principales
-
L’intelligence artificielle et la modification des emplois ;
-
L’intelligence artificielle et la prise de décision dans différents domaines (Industriel, marketing, intelligence économique, etc.) ;
-
L’intelligence artificielle et l’encadrement et la motivation des équipes ;
-
L’intelligence artificielle et l’élaboration d’une vision stratégique ;
-
Le développement de la complémentarité du manager avec l’intelligence artificielle.
La valeur ajoutée au niveau La contribution de l’intelligence artificielle dans plusieurs volets à savoir : théorique - La prise de décision pour fiabiliser une action, optimiser un mode de fonctionnement ou encore d’éviter un incident. - L’analyse et l’interprétation du langage naturel (humain), notamment grâce à des réseaux de neurones artificiels. Ces dernières avancées en deep learning conduisent à envisager les choses sous un autre angle. - L’élaboration des visions stratégiques basées sur des critères rationnels tels que l’optimisation du chiffre d’affaires.
15
La valeur ajoutée au niveau pratique
Les avantages de l’intelligence artificielle mis à la disposition des managers : -
-
-
Le soutien du processus de prise de décision et parfois même elle peut le remplacer dans cette tâche ; La capacité de détection des signaux de désengagement et de démobilisation chez les salariés ainsi que d’insatisfaction chez les clients, et bien encore, d’en formuler des recommandations et fournir des services liés à l’encadrement et à la motivation des équipes en vérifiant en parallèle l’acceptabilité de telles solutions technologiques auprès des employés ; Le pouvoir d’élaborer une vision stratégique orientée « résultats financiers », qui s’appuie davantage sur des critères rationnels tels que l’optimisation du chiffre d’affaires. Elle risque à terme d’être cannibalisée par l’IA ;
Les managers vont donc devoir approfondir leur complémentarité avec l’IA, apprendre à collaborer avec elle, et développer un regard critique. Ce n’est que dans de telles conditions qu’ils pourront être « augmentés » plutôt que « remplacé » par elle. Pour cela, ils devront de plus en plus s’orienter vers des activités de leader. Le développement d’une vision singulière sera un atout précieux, tout comme la capacité à encadrer et à motiver les troupes en privilégiant tout ce que l’IA ne maîtrise pas comme l’écoute attentive, l’empathie et la bienveillance.
16
Fiche 9
Titre de l’article
Demain, votre manager sera-t-il une machine ?
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2018
Auteure
Tessa Melkonian
Les idées principales
-
-
-
Le statut de l’intelligence artificielle dans les différents métiers et spécifiquement ceux du management ; Le positionnement des modèle managérial 2.0 et 3.0 face au management basé sur l’intelligence artificielle ; Les pistes d’utilisation de l’intelligence artificielle pour un manager augmenté plutôt que remplacé par la machine.
La valeur ajoutée au niveau
L’intelligence artificielle peut facilement remplacer le manager si nous parlons du modèle du management 2.0 théorique du XXe siècle où le manager est encore essentiellement un relais de la hiérarchie, dont les missions principales sont le contrôle et le reporting. Là, où l’humanité du manager pose problème, la machine pourrait très certainement, dans un avenir proche, le supplanter. En revanche, les managers optant pour le modèle managérial 3.0 seront difficilement remplaçables par une machine, puisque ce dernier est bâti autour de la capacité du manager à renforcer les compétences de ses collaborateurs et à leur donner suffisamment d’autonomie et de sens pour qu’ils se sentent libres d’innover. Ainsi, les managers apporteront une valeur ajoutée supérieure à celle d’une machine, aussi humanisée soit-elle. La valeur ajoutée au niveau La mise en valeur de deux pistes qui favorisent l’augmentation du manager par l’intelligence artificielle : pratique D’une part, Le recours à l’automatisation des tâches à faible valeur humaine ajoutée pour plus ce concentrer sur les projets clés tels que la prospective stratégique et le management des hommes. D’autre part, La remise de la relation humaine et la qualité du collectif au cœur du rôle managérial ainsi que l’accompagnement des collaborateurs dans l’utilisation de l’IA. 17
Fiche 10
Titre de l’article
MÉGADONNÉES : QUEL RÔLE POUR LE GESTIONNAIRE?
Nom de la revue
Gestion - Revue Internationale de Gestion
Classement de la revue
4
Année de publication
2017
Auteurs
François Normandin
Les idées principales
- Le développement de l’importance du big data -
dans les entreprises et les organisations ; Le rôle du big data ainsi que du gestionnaire dans la prise de décision ; L’importance du développement de la pleine conscience numérique chez les gestionnaires ; La nécessité de l’ouverture du gestionnaire à l'égard des choix et des préférences technologiques de ses collègues de travail.
La valeur ajoutée au niveau
L’omniprésence et l'omnipotence des mégadonnées dans les processus et les procédés des entreprises et des théorique organisations du XXIe siècle ont marqué que les machines et les algorithmes sont devenus une condition sine qua non au succès de celles-ci. Cela implique ainsi l’importance de l’adaptation du gestionnaire avec ces nouvelles façons de faire. La valeur ajoutée au niveau Face à ces nouvelles technologies, le gestionnaire doit impérativement développer certains habilités pour réussir pratique à profiter du big data qui sont : -
-
-
La capacité à être en mesure d’établir des liens riches et significatifs avec les « collègues numériques » (digital coworkers), à savoir les algorithmes, et de profiter de la puissance de calcul et d’analyse de la machine. La nécessité de développer ce qu’on appelle « la pleine conscience numérique » (digital mindfulness), cette flexibilité qui lui permettra de concilier à la fois le processus ininterrompu de récolte des données et d'analyse de ces dernières à son emploi général du temps. Savoir faire preuve de compromis et d'ouverture à l’égard des choix et des préférences technologiques de ses collègues de travail. 18
Fiche 11
Titre de l’article
Quelles applications concrètes pour le big data ?
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2014
Auteur
Nicolas Glady
Les idées principales
-
La valeur ajoutée au niveau théorique
Explication de la révolution que présente le big data ; Présentation des applications possibles du big data pour les organisations et les entreprises ; Différentiation entre les trois types de réseaux concernés par l’application du big data ; Distinction entre les applications possibles du big data selon l’approche de la proximité de la solution avec l’utilisateur final, avant-plan ou arrière-plan.
L’explication de la révolution que présente le big data par deux phénomènes. D’une part le changement de la nature des données dont la source n’est plus les entreprises mais les utilisateurs eux-mêmes. D’autre part, le dynamisme que connu l’échange des contenus. Ainsi, Les réseaux et les internautes sont au centre de cette nouvelle dynamique. En conséquence, les applications possibles du big data peuvent se décliner en deux : 1 -la nature du réseau, de machines ou d’humain : - Les réseaux où les éléments (les « nœuds ») sont des êtres humains, ces derniers mettent à disposition toute une série d’informations sur leurs habitudes, leurs usages et leurs besoins. - Le réseau de machines qui s’inscrit dans l’internet des objets, où les machines envoient en permanence des informations permettant de connaître en temps réel l’état de ces différents éléments. Les « Smart Cities » est un exepmle vivant. -Les connections entre humains et machines où on peut imaginer toute une série d’applications. 2- la proximité de la solution avec l’utilisateur final, avantplan ou arrière-plan : ces applications peuvent nous aider à mieux comprendre notre monde (avant-plan), permet d’améliorer des processus existants (plan intermédiaire), ou même de créer de nouvelles solutions (arrière-plan.)
19
La valeur ajoutée au niveau pratique
Les données générées par les activités de l’entreprise la permet de rapidement préciser ses cibles d’actions, soit optimiser les processus, évaluer les risques, détecter les fraudes, etc. Quant aux données générées par les machines elles seront utiles pour optimiser les processus afin de limiter les défaillances ou de diminuer le temps nécessaire à la réalisation d’un processus. Et, en ce qui concerne les données générées par les humains, elles peuvent être exploitées en text-mining afin de répondre à leurs besoins et chercher leur satisfaction.
20
Fiche 12
Titre de l’article
Comment exploiter le big data ?
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2014
Auteur
Nicolas Glady
Les idées principales
-
La valeur ajoutée au niveau théorique
Le recensement des données utilisables par l’entreprise comme premier étape d’exploitation du big data ; La mesure des évolutions d’une activité et l’analyse de ces derniers pour en comprendre les causes ; L’exploitation de l’analyse des données pour l’identification des solutions business ; La manière d’exploitation du big data pour la mise en place des solutions pratiques se base sur les étapes suivants : - Le recensement des données utilisable par l’entreprise à savoir : les données internalisées, les données externes structurées et les données externes non structurées celles qui contiennent des informations précieuses. - L’analyse de ces données d’une façon inductive et prédictive afin d’arriver à comprendre la relation entre les causes et les effets d’une activité, et de pouvoir en tirer des conclusions quant à son futur. - Identification des solutions business : produire des rapports, identifier de nouvelles opportunités, détecter des manières de rendre le business plus performant.
La valeur ajoutée au niveau L’exploitation de cette nouvelle façon de faire permettra à l’entreprise d’être capable de mesurer la performance de pratique ces différentes activités. Ces mesures peuvent donner lieu à des rapports visant à contrôler et à gérer le marketing, les opérations, la finance ou la comptabilité. Ainsi, de trouver des solutions à ces problématiques et identifier de nouvelles opportunités du développement du business.
21
Fiche 13
Titre de l’article
MÉGADONNÉES ET INTELLIGENCE ARTIFICIELLE AU CŒUR DE L'INDUSTRIE 4.0
Nom de la revue
Gestion - Revue Internationale de Gestion
Classement de la revue
4
Année de publication
2018
Auteure
Eléonore Genolhac
Les idées principales
-
La valeur ajoutée au niveau théorique
La valeur ajoutée au niveau pratique
Les opportunités qu’offre la nouvelle révolution connectée à l’industrie ; L’ensemble des défis soulevés par la nouvelle révolution de l’industrie 4.0 ; Recommandations pour réussir à implanter cette nouvelle révolution dans les entreprises.
A l’instar de l’avènement des nouvelles technologies qui viennent bousculer les modèles établis, les entreprises doivent être vigilantes et s’adapter sous peine, dans le cas contraire, de devoir mettre la clé sous la porte et doivent faire face au défi majeur de la pénurie de main-d’œuvre par la démocratisation des scientifiques de la donnée. La nouvelle révolution connectée offre des opportunités importantes à l’industrie. On a avancé trois niveaux de création de valeur potentiels : -
Au niveau de la productivité : cela peut permettre l’amélioration de la chaîne d’approvisionnement, Au niveau du développement de nouveaux produits, Au niveau de la création de nouveaux modèles d’affaires.
Néanmoins, les entreprises doivent commencer petit et prendre en considération que L’analytique de données est un champ très vaste pour une entreprise et l’on peut facilement s’y perdre. En débutant avec des projets de petite envergure, les entreprises s’assurent ainsi de réussir. Elles y gagneront en confiance, ce qui leur permettra par la suite de voir plus grand.
22
Fiche 14
Titre de l’article
Les données de votre entreprise ont-elles une réelle valeur à l’ère de l’intelligence artificielle ?
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2018
Auteurs
Avi Goldfarb, Joshua Gans, Ajay Agrawal
Les idées principales
-
La valeur ajoutée au niveau théorique
La valeur des données pour les entreprises à l’ère de l’intelligence artificielle ; L’utilité des données pour les prédictions future de l’entreprise et l’étape de perte de leur valeur ; La vraie valeur des informations opérationnelles de l’entreprise.
Les IA sont des machines prédictives pilotées par des données. Les données sont utilisées au quotidien pour faire fonctionner cette machine prédictive. On appelle ces données des données d’apprentissage. On entre ces données pour entraîner un algorithme. Et on se serve de cet algorithme pour générer des prédictions, afin de définir des actions. Une fois que ces données ont été utilisées pour former une machine prédictive, elles perdent de leur valeur. Cela n’est pas davantage une garantie, dans l’économie de l’IA que, peut-être, une valeur liquidative plus avantageuse. Quand bien même ces données pourraient être précieuses, la capacité à capter cette valeur sera limitée. En d’autres termes, tout comme avec le pétrole, plus le nombre d’autres fournisseurs de ce type de données d’apprentissage est élevé et moins on peut capter de valeur à partir de ces données. La valeur des données d’apprentissage dépend en outre de la valeur générée par l’accroissement de la précision de la prédiction. De plus, la valeur courante des données provient généralement des actions effectuées dans l’entreprise au quotidien permettent de faire fonctionner la machine prédictive après qu’elle a été formée. Elles permettent également d’améliorer la machine prédictive grâce à l’apprentissage, les prédictions réelles utilisées pour gérer la chaîne logistique nécessitent des données opérationnelles en continu. Et c’est ce qui importe pour les entreprises en place aujourd’hui.
23
La valeur ajoutée au niveau pratique
L’entreprise peut profiter pleinement de cette machine productive pour améliorer ses activités futures. Même si la valeur de ses données historiques est faible. Il existe un clé entre ses mains, il s’agit bien de pouvoir trouver un moyen de générer un nouveau flux de données quotidiennes qui offre un avantage en matière de performance et de puissance prédictive de son IA, cela fournira un effet de levier durable pour l’entreprise.
24
Fiche 15
Titre de l’article
Big data : quand l’analyse prédictive permet d’optimiser la supply chain
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2017
Auteurs
Linda Attari, Jean-Baptiste Besson
Les idées principales
L’impact de l’exploitation des données sur les différents secteurs ; - Le rôle du big data dans l’optimisation des stocks ; - L’exploitation de l’analyse des données dans la perfection de la logistique inverse ; - L’importance de l’analyse des données dans la réduction des risques de rupture ; - Les opportunités envisageables au regard de l’essor des nouvelles solutions d’exploitation des données. La valeur ajoutée au niveau La création de valeur passe par la production de connaissance, un bien cumulatif, non exclusif et non rival, théorique enrichi chaque jour par de nouvelles informations. Cet essor est accéléré par la multiplication des sources de création de données (informatique, téléphonie, métadonnées…), l’explosion des capacités de stockage, le progrès des solutions logicielles et de l’IoT (Internet of Things, ou Internet des objets). Ces outils technologiques permettent d’analyser la situation, le contexte et le comportement de millions de consommateurs en temps réel, de prédire leurs réactions et d’ainsi proposer, par anticipation, des offres et des messages personnalisés. L’exploitation des données permet aussi d’envisager de nouvelles opportunités commerciales, de réduire significativement les risques d’erreur et de panne, d’optimiser l’outil productif et la supply chain… La valeur ajoutée au niveau pratique
-
Il existe une étendue des possibilités offertes aux entreprises des usages de l’analyse prédictive, parmi lesquels : -
L’optimisation des stocks : il s’agit d’utiliser la data pour anticiper ses ventes, ses approvisionnements, 25
-
-
et donc optimiser ses stocks. Pour que cela soit optimal, la collecte massive des données de comportements de consommateur est la clé. La perfection de la logistique inverse : L’exploitation et l’analyse des donnée permettent de prédire la zone géographique dans laquelle le produit retourné a le plus de chance d’être revendu et d’ainsi déterminer la plateforme de retours la plus proche du futur potentiel client. Le produit est donc plus rapidement remis dans le circuit de commercialisation et de distribution La réduction des risques de rupture : Par l’analyse, en complément des simples informations produit, l’ensemble des données de ventes, de stocks, d’avis des consommateurs, des réseaux sociaux, de la publicité, des données météorologiques, etc. L’entreprise peut élaborer des modèles prédictifs cherchent à définir le comportement d’achat du consommateur en boutique afin d’optimiser l’approvisionnement, la gestion des stocks, le placement produit en magasin et ainsi de suite. Le tout afin d’éviter les risques de rupture.
Ainsi de nombreuses opportunités envisageables au regard de l’essor des nouvelles solutions d’exploitation des données : - Une plus grande compréhension des comportements du consommateur et une optimisation de l’expérience client par l’exploitation des données dites non structurées : photos, blogs, articles, avis et commentaires. - Une optimisation des processus de production et de la chaîne d’approvisionnement. - La prise en compte d’une diversité accrue de données : emails, photos, vidéos, fichiers, commentaires sur les réseaux sociaux, signaux GPS, transactions bancaires, sons, messages vocaux… - Une meilleure valorisation de la donnée (quantité et qualité des données). - De nouveaux usages offerts par la géolocalisation, les terminaux mobiles et l’IoT.
26
Fiche 16
Titre de l’article
Comment faire du Big Data une réalité ?
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2015
Auteure
Laurence Chrétien
Les idées principales
-
La valeur ajoutée au niveau théorique
L’enjeu de l’implantation durable du big data au sein des organisations ; Les clés des entreprises qui ont réussi à surmonter le défis du big data ; L’ensemble des convictions quant à la mise en œuvre du big data.
L’entreprise optant pour l’approche du big data doit faire face au défis de la dispersion des données. En effet, il existe une difficulté d’intégrer l’ensemble des sources de données au sein de l’organisation ; les données restent donc « silotées » et le plus souvent, sous-exploitées. Pour les décideurs, cela se traduit par un manque de vision unifiée et pérenne, ce qui les empêche parfois de prendre des décisions opportunes ou rationnelles. Ainsi, faire face au manque de coordination. Trop d’entreprises opèrent aujourd’hui avec des ressources analytiques dispersées, ou avec des équipes décentralisées qui fonctionnent sans aucune planification ni pilotage central. Par conséquent, les meilleures pratiques et retours d’expérience – tirés des projets « Big Data » concluants ou non – ne sont pas diffusés au sein de l’entreprise, les initiatives ne sont pas (re)priorisées, et les ressources ne sont pas allouées de la façon la plus prometteuse. Une gouvernance encore immature de la donnée, et bien sûr, la dépendance à des systèmes hérités, constituent aussi des freins à lever pour pouvoir profiter du big data.
27
La valeur ajoutée au niveau pratique
Pour réussir un projet big data, l’entreprise est tenue de se doter d’une approche centralisée, car cela permet aux dirigeants de définir des objectifs ambitieux, de mutualiser les ressources (compétences rares, technologies, et surtout données), et de mettre en tension l’entreprise. Ainsi, une nomination d’un Chief Data Officer (CDO) qui permettra de soutenir la politique et la procédure de gestion des données, d’établir les plateformes de données, de simplifier les outils et les infrastructures, rendra la mise en œuvre des initiatives plus facilité par sa proximité de la Direction Générale. Sans oublier d’activer des leviers multiples pour monter en compétence, la bonne approche dans cette situation c’est d’adopter une stratégie à plusieurs volets. Ne pas se contenter d’embaucher ou de former des collaborateurs, mais explorer des moyens moins conventionnels pour bénéficier de talents : renforcer la collaboration avec les starts-ups, créer des data labs en interne pour attirer les meilleurs profils. Et pourquoi pas, apprendre les analytics auprès des géants du secteur. Grosso modo, la réussite tient en priorité à la qualité du modèle opérationnel, l’évaluation continue des initiatives big data, L’élaboration d’une politique de sécurité draconienne concernant les données. Et le plus important, c’est d’aligner les dirigeants de l’entreprise sur le potentiel du Big Data.
28
Fiche 17
Titre de l’article
Comment mieux utiliser la data dans une entreprise de taille moyenne ?
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2014
Auteurs
Nicolas Glady, Aswhin Malshe
Les idées principales
-
L’emplacement et le rôle des PME-ETI dans l’écosystème ;
-
Les difficultés des PME-ETI à attirer les experts de la data, les solutions à envisager ; Les technologies à utiliser pour gérer ses données ; L’avantage des PME-ETI dans les projets data.
La valeur ajoutée au niveau
L’abord des questions liées à la Data nécessite la combinaison d’une série de compétences. Il faut en effet théorique être capable de collecter les données (informatique), de les analyser (statistiques/analytics), de faire le lien avec la problématique métier (business) et de communiquer les analyses d’une manière claire et intelligible pour ceux qui auront à agir en fonction de ces conclusions (communication). Par essence, les projets « data » sont transversaux. Les données sont collectées par les systèmes informatiques. Elles sont analysées par les départements Marketing, Stratégie, ou Finance. Et servent à optimiser les processus opérationnels ou de la vente. Ce sont des projets complexes, qui impliquent de nombreux départements de l’entreprise. Arriver à embarquer toutes les personnes impactées présente souvent un défi difficile à relever. La valeur ajoutée au niveau Comme premier défi, les PME doivent réussir à attirer et retenir les talents. Un data scientist est très souvent pratique motivé avant tout par la tâche à accomplir. Profitez-en pour lui donner un challenge qui soit complexe, mêlant à la fois des problématiques Marketing, stratégiques, informatiques et opérationnelles, comme c’est le cas de ces projets « analytics » ! ou bien faire appel à une expertise externe. En outre, dans une organisation de taille moyenne, l’idée clé en matière d’analyse de la donnée est de travailler d’une manière incrémentale, il n’est pas nécessaire de 29
procéder directement à l’installation de l’outil qui intégrera toute la chaine de création de valeur. Il est tout à fait possible de passer dans un premier temps par une solution open source (comme le logiciel R) ou SaaS, souvent meilleur marché, puis, passer à des solutions plus intégrées comme par exemple SAS, une fois l’entreprise arrivée à maturité en matière de données. Ce genre de fournisseur de logiciel propose d’ailleurs des solutions modulables qui peuvent s’adapter aux besoins spécifiques d’une entreprise de taille modeste. Un autre avantage pour les PME, C’est que leurs hiérarchies plates et structures plus agiles encouragent les projets transversaux que sont les projets « data ». Il s’agit en plus d’une manière de renforcer la culture d’entreprise en proposant un projet innovant et intégrateur.
30
Fiche 18
Titre de l’article
Relation client : l’intelligence artificielle et le big data changent les règles du jeu
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2016
Auteur
Alexandre Cahuzac
Les idées principales
Les promesses de l’intelligence artificielle et du big data dans les relations clients ; - Le rôle des réseaux sociaux dans l‘alimentation des entreprises en terme d’informations utiles à prédire l’avenir et offrir du sur-mesure ; - La gestion des relations clients à l’aide de l’intelligence artificielle. La valeur ajoutée au niveau Les traces des interactions sociales recèlent une mine d’informations sur les personnes : centres d’intérêts, théorique relations, localisations, comportement, etc. Le traitement de ces données permet de comprendre et de prédire tout ce qui à un rapport avec le client grâce aux solutions machine learning, combinaison du « social listening » et modélisation statistique ; et cela nécessite des quantités massives de données issues des médias sociaux. La valeur ajoutée au niveau pratique
-
L’application des techniques du big data au social, l’émergence de l’intelligence artificielle et la domination des applications de messagerie multi-services constituent un avantage majeur entre les mains des entreprises que ce soit dans la prédiction des tendances des marchés, personnalisation de l’expérience utilisateur ainsi dans la fluidification de la relation client grâce à des « chatbots » qui sont en mesure d’anticiper les désirs des utilisateurs et aussi d’orchestrer de façon centralisée l’ensemble de leurs interactions avec les entreprises, quelle qu’en soit la dimension : communicationnelle, relationnelle, servicielle ou transactionnelle. Ces « insights » ont un impact sur la chaîne de valeur des 31
entreprises, des études de marché à la vente en passant par la conception des produits ou encore l’optimisation de la supply chain grâce aux « machine learning », modélisation statistique et le « social listening ». L’entreprise est, certes, menée à faire face à deux défis qui posent cet évolution : se doter des outils appropriés pour collecter, stocker et traiter ces données, mais aussi embaucher les profils adéquats pour les analyser, les interpréter et les activer.
32
Fiche 19
Titre de l’article
Pourquoi l’intelligence l’expérience utilisateur
Nom de la revue
Harvard Business Review
Classement de la revue
2
Année de publication
2018
Auteurs
Fabrice Marque, Nicolas Glady
Les idées principales
-
-
La valeur ajoutée au niveau théorique
artificielle
révolutionne
Idée sur la révolution de l’intelligence artificielle au sein des grandes firmes ; Les technologies et approches de l’intelligence artificielle, craintes et enthousiasme ; L’amélioration des pratiques commerciales et de l’expérience utilisateur par l’intelligence artificielle ; L’impact des applications de l’intelligence artificielle sur l’augmentation de la satisfaction clients et la diminution des besoins en personnel.
Quand on parle d’IA, on parle de la combinaison du traitement du langage naturel (Natural Language Processing, techniques de compréhension de langages « humains » par un ordinateur) et des techniques d’apprentissage automatique (Machine Learning). Le traitement du langage naturel regroupe l’ensemble des techniques qui permettent à un ordinateur d’analyser et de comprendre un langage sous la forme d’un texte ou d’une conversation. Par ailleurs, les techniques d’apprentissage automatique (Machine Learning) permettent à un ordinateur d’apprendre petit à petit et de s’améliorer selon des mécanismes qui s’apparentent à du test and learn. En s’appuyant sur l’apprentissage automatique, les techniques de traitement du langage naturel peuvent s’améliorer au gré du temps et des usages.
33
La valeur ajoutée au niveau pratique
Grâce à la machine, par le biais du traitement du langage naturel (NLP), l’entreprise est capable de gérer des milliers de clients de façon automatisée, vingt-quatre heures sur vingt-quatre et sept jours sur sept, et dans un laps de temps quasi instantané, plus encore, grâce aux robots Humanoïde, elle pourra rendre l’expérience utilisateur plus pertinente puisqu’il sera plus rapide, plus fluide et plus personnalisée, à condition de garder une dimension humaine derrière la technologie. A condition aussi que l’hyper personnalisation rendue possible par la technologie fournisse une expérience suffisamment convaincante pour que nous acceptions de partager nos données personnelles. C’est à priori, une situation gagnant-gagnant : d’un côté, les clients seront mieux servis et plus rapidement, de l’autre, les professionnels pourront se concentrer sur des tâches moins rébarbatives et ayant une vraie valeur ajoutée.
34
Fiche 20
Titre de l’article
L'INTELLIGENCE ARTIFICIELLE, UN VIRAGE DÉCISIF À RÉUSSIR
Nom de la revue
Gestion - Revue Internationale de Gestion
Classement de la revue
4
Année de publication
2019
Auteure
Claudine Auger
Les idées principales
Les actions à mener par les gouvernements et les organisations à l’instar de l’avènement de l’intelligence artificielle ; - Le développement de l’intelligence artificielle dans les grandes entreprises, PME et les startups ; - L’emplacement du travailleur face à l’intelligence artificielle et sa remplaçabilité ; - Les avantages mise à la disposition des managers et les risques de la collecte des données. La valeur ajoutée au niveau Le rôle des techniques de l’intelligence artificielle dans la croissance économique, l’augmentation de la productivité théorique de l’entreprise qui réussissent à surmonter ce défi ainsi que l’élimination de tout travail qui est dangereux, répétitif, non stimulant, et tout ce qui ne fait pas appel aux qualités relationnelles qui pourra être effectué par des machines. Certes, malgré les incroyables bienfaits qu’elle fait miroiter, l’IA a aussi tendance à exacerber les inégalités à cause de la concentration du pouvoir et de la richesse au mépris des entreprise qui n’arrivent pas à suivre l’ère de l’AI. La valeur ajoutée au niveau pratique
-
L’intelligence artificielle construit un pouvoir mis entre les mains des entreprises. Afin de profiter pleinement des gains annoncés par son avènement, les dirigeants doivent mettre en œuvre dès que possible un plan de développement destiné à permettre aux travailleurs et aux gestionnaires d’aujourd’hui et de demain d’acquérir les compétences essentielles. La piste à suivre, selon Yoshua Bengio. « Investir massivement dans le développement et dans la formation de la main-d’œuvre, 35
démystifier l’IA auprès de ceux qui, parmi la population, y perçoivent une menace et offrir aux décideurs un accès à la connaissance nécessaire pour naviguer à travers ce qui s’en vient. Enfin, établir un dialogue collectif afin de prendre les bonnes décisions. » En outre, le rôle des dirigeants et gestionnaires restera toujours important puisque la machine, aussi optimale soit-elle, n’a pas la faculté de réflexion, et elle ne l’aura pas avant un bon moment, cette aptitude sensible propre à l’être humain, ainsi, la nécessité de l’existence des gestionnaires s’implique. Et enfin, l’entreprise ne doit pas négliger que ses données fournies à l’AI peuvent être utilisées contre elle, donc elle doit prendre les précautions nécessaires pour ne pas en arriver.
36
Synthèse:
Le présent travail traite d’une manière globale et transversale la façon dont le big data et l’intelligence artificielle constituent une alliance parfaite au service de la gestion d’entreprise. De ce fait, la littérature choisie a dévoilé des similitudes, une certaine divergence ainsi qu’une complémentarité entre les différents propos de ses articles. En ce qui concerne les similitudes constatées, la majorité des articles ont mis l’accent sur le rôle angulaire de l’adoption des techniques de l’intelligence artificielle dans l’entreprise, leur contribution dans la mesure de performance de ces différentes activités, l’optimisation de la productivité ainsi que la précision des tâches et la prédiction des situations futures. Ceci rend les firmes capables d’acquérir des connaissances, d’opter pour des décisions plus pertinentes, d’optimiser les activités et bien encore d’innover, et ainsi, elles auront un avantage économique et stratégique déterminant. Afin d’arriver au stade d’adoption de ces techniques, il est important de restaurer la confiance entre les managers et les machines intelligentes. Les managers vont donc devoir approfondir leur complémentarité avec l’IA, apprendre à collaborer avec elle, et développer un regard critique. Ce n’est que dans de telles conditions qu’ils pourront être « augmentés » plutôt que « remplacé » par elle. Pour cela, ils devront de plus en plus s’orienter vers des activités de leader en optant pour le modèle managérial 3.0. Toutefois, la tendance à la datafication n’est pas synonyme de recul du facteur humain. Certains articles, tels que « Le big data, une révolution qui transforme l’entreprise en profondeur », ont évoqué la nécessitée que les organismes de formation prennent conscience du changement qui s’opère au sein de la fonction de manager et du manque globale d’expertise et de compétences en big data. Ce qui est en certaine divergence avec Kévin Carillo dans son article « Big data, machine learning, intelligence artificielle… N’oublions pas le manager», qui assume que les managers doivent se muer en des managers-scientifiques afin d’éviter la lourdeur et l’inertie engendrées par l’implication de plusieurs spécialistes de la data dans les processus de décisions. En outre, les autres auteurs qui ont évoqué cette question affirment que l’arrivage des nouveaux métiers, à savoir le chief data officer, le data scientist et le data steward comblera le besoin. Certes, malgré leur divergence, les deux parties insistent sur l’impérativité de revoir le système d’enseignement pour qu’il soit adapter aux nouveaux besoins du marché. Sous un autre angle de vue, Laurence Chrétien dans son article « Comment faire du Big Data une réalité ? », a approuvé le fait qu’il ne faut pas se contenter d’embaucher ou de former des collaborateurs, mais plutôt explorer des moyens moins conventionnels pour bénéficier de talents : renforcer la collaboration avec les starts-ups, créer des data labs en interne pour attirer les meilleurs profils. Et pourquoi pas, apprendre les analytics auprès des géants du secteur. En tenant compte des similitudes et malgré les divergences, la complémentarité entre les articles choisis se manifeste à travers les applications de ces technologies dans les différents départements de l’entreprise.
37
Au niveau de la gestion des ressources humaines dans l’article « Le big data au service de la gestion du capital humain », Fabien Galthié, Adrien Vial ont misé que la fonction RH basée sur l’analyse des données à l’aide du big data se positionnera sans doute en partenaire incontournable de la transformation de l’entreprise. L’analyse des faits ainsi que de données RH et l’exploitation de la data par la suite permet d’optimiser les décisions liées aux trois grandes priorités de la gestion des ressources humaines, à savoir attirer, développer et retenir. Par ailleurs, l’expérience utilisateur et le comportement du consommateur entrent aussi en jeu. L’exploitation des données conduira à une plus grande compréhension des comportements du consommateur et une optimisation de l’expérience client. A l’aide de cette nouvelle technologie, l’entreprise sera capable d’améliorer constamment ses services en analysant les besoins de ses clients, et offrir par la suite, des nouveaux produits dite AIbased products. Quant à La capacité de gestion de personnel, l’analyse et l’interprétation du langage naturel (humain), notamment grâce à des réseaux de neurones artificiels génèrent une capacité de détection des signaux de désengagement et de démobilisation chez les salariés ainsi que d’insatisfaction chez les clients et permet aussi de formuler des recommandations par rapport à ces situation. A noter aussi que ces machines prévisionnelles ont le pouvoir d’élaborer une vision stratégique orientée « résultats financiers » qui s’appuie davantage sur des critères rationnels tels que l’optimisation du chiffre d’affaires, qui peut être même à terme cannibalisée par l’IA. Et comme le précise l’article : « Quelles applications concrètes pour le big data ? », en ce qui concerne la différenciation entre les différents sources des données et leurs utilisation, on distingue : Les données générées par les activités de l’entreprise qui permettent de déterminer rapidement ses cibles d’actions, soit optimiser les processus, évaluer les risques, détecter les fraudes, etc. Quant aux données générées par les machines elles seront utiles pour optimiser les processus afin de limiter les défaillances ou de diminuer le temps nécessaire à la réalisation d’un processus. Concernant les données générées par les humains, elles peuvent être exploitées en text-mining afin de répondre à leurs besoins et chercher leur satisfaction. Ces mesures peuvent donner lieu à des rapports visant à contrôler et à gérer le marketing, les opérations, la finance ou la comptabilité. Ainsi, de trouver des solutions à ces problématiques et d’identifier de nouvelles opportunités du développement du business, soit au niveau de la productivité par l’amélioration de la chaîne d’approvisionnement, au niveau du développement de nouveaux produits ou bien au niveau de la création de nouveaux modèles d’affaires. Enfin, pour réussir un projet big data, selon l’article de Laurence chrétien «Comment faire du Big Data une réalité ? », l’entreprise est tenue de se doter d’une approche centralisée, permettant aux dirigeants de définir des objectifs ambitieux, de mutualiser les ressources (compétences rares, technologies, et surtout données), et de mettre en tension l’entreprise. 38
Bibliographie Charlin, L. (2017). Intelligence artificielle : une mine d’or pour les entreprises. cairn.info . https://www.cairn.info/revuegestion-2017-1-page-76.htm Carillo, K. (2018). Big data, machine learning, intelligence artificielle… N’oublions pas le manager. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2018/01/18675-big-data-machine-learning-intelligence-artificiellenoublions-manager/ Galthié, F., Vial, A. (2017). Le big data au service de la gestion du capital humain. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2017/01/14237-le-big-data-au-service-de-la-gestion-du-capital-humain/ Ransbotham, S. (2018). Get the Most Out of AI Today. sloanreview.mit.edu . https://sloanreview.mit.edu/article/getthe-most-out-of-ai-today/ Laurenceau, C. (2016). Intégrer l’intelligence artificielle dans l’entreprise, un défi pour les managers. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2016/04/10485-integrer-lintelligence-artificielle-dans-lentreprise-undefi-de-taille-pour-les-managers/ Carillo, K. (2017). Le big data, une révolution qui transforme l’entreprise en profondeur. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2017/11/8982-le-big-data-une-revolution-qui-transforme-enprofondeur-lentreprise/ Parent-Rocheleau, X., & Arnaud, M. (2020). Les algorithmes remplaceront-ils les gestionnaires ?. cairn.info . https://www.cairn.info/revue-gestion-2020-1-page-84.htm Rio-Jeanne, V. (2019). Ce que l’intelligence artificielle va changer pour les managers. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2019/01/23992-ce-que-lintelligence-artificielle-va-changer-dans-lafonction-de-manager/ Melkonian, T. (2018). Demain, votre manager sera-t-il une machine https://www.hbrfrance.fr/chroniques-experts/2018/06/20503-demain-manager-sera-machine/ Normandin, F. (2017). MÉGADONNÉES : QUEL RÔLE POUR LE https://www.revuegestion.ca/megadonnees-quel-role-pour-le-gestionnaire
?. hbrfrance.fr
.
GESTIONNAIRE?. revuegestion.ca
.
Glady , N. (2014). Quelles applications concrètes pour le big data ?. hbrfrance.fr https://www.hbrfrance.fr/chroniques-experts/2014/05/2273-quelles-applications-concretes-pour-le-big-data/
.
Glady, N. (2014). Comment exploiter le big data ?. hbrfrance.fr . https://www.hbrfrance.fr/chroniquesexperts/2014/10/3930-comment-exploiter-le-big-data/ Genolhac, E. (2018). MÉGADONNÉES ET INTELLIGENCE ARTIFICIELLE AU CŒUR DE L’INDUSTRIE 4.0. revuegestion.ca . https://www.revuegestion.ca/big-data-et-intelligence-artificielle-au-cour-de-l-industrie-4-0 Goldfarb, A., & Gans, J., & Agrawal, A. (2018). Les données de votre entreprise ont-elles une réelle valeur à l’ère de l’intelligence artificielle ?. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2018/05/20369-donnees-deentreprise-ont-reelle-valeur-a-lere-de-lintelligence-artificielle/ Attari, L., & Besson, J. (2017). Big data : quand l’analyse prédictive permet d’optimiser la supply chain. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2017/12/18076-big-data-lanalyse-predictive-permet-doptimiser-supplychain/
39
Chrétien, L. (2015). Comment faire du Big Data une réalité ?. hbrfrance.fr . https://www.hbrfrance.fr/chroniquesexperts/2015/07/7818-comment-faire-du-big-data-une-realite/ Glady, N., & Malshe, A. (2014). Comment mieux utiliser la data dans une entreprise de taille moyenne ?. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2014/01/334-comment-mieux-utiliser-la-data-dans-une-une-entreprisede-taille-moyenne/ Cahuzac, A. (2016). Relation client : l’intelligence artificielle et le big data changent les règles du jeu. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2016/11/12968-relation-client-lintelligence-artificielle-et-le-big-datachangent-les-regles-du-jeu/ Marque, F., & Glady, N. (2018). Pourquoi l’intelligence artificielle révolutionne l’expérience utilisateur. hbrfrance.fr . https://www.hbrfrance.fr/chroniques-experts/2018/03/19574-lintelligence-artificielle-revolutionne-lexperienceutilisateur/ Auger, C. (2018). L’INTELLIGENCE ARTIFICIELLE, UN VIRAGE DÉCISIF https://www.revuegestion.ca/l-intelligence-artificielle-un-virage-decisif-a-reussir
40
À
RÉUSSIR.
revuegestion.ca.