Quand l’humain atteint sa limite, l’IA peut prendre le relais

BLOGUE INVITÉ. Vous est-il déjà arrivé de prendre de mauvaises décisions d’affaires parce que vous n’aviez pas été en mesure de prédire toutes les éventualités ou d’envisager toutes les options qui s’offraient à vous? Vous êtes-vous déjà retrouvé avec un surplus ou un déficit d’inventaire qui aurait facilement pu être évité? Avez-vous déjà été pris au dépourvu face à un défi de gestion de ressources ou de production trop grand ou trop complexe?

Si vous avez répondu oui à l’une de ces questions, c’est peut-être parce que la planification de vos opérations et de vos processus critiques relève encore du travail manuel. Il faut se rendre à l’évidence : le calcul et la prise de décisions complexes sont loin d’être les points forts de l’humain. Une étude de l’Université du Queensland, en Australie, a d’ailleurs été menée pour connaître notre aptitude à résoudre des problèmes lorsque plusieurs variables s’offrent à nous. Les résultats ont démontré qu’au-delà de trois ou quatre variables, notre capacité d’analyse, de calcul et de traitement de l’information atteint sa limite.

Fort heureusement pour nous, il existe des technologies simples et efficaces, et surtout accessibles, qui ont pour seul et unique but de nous faciliter la tâche. Après tout, les ordinateurs ont été conçus pour faire des calculs et ont depuis longtemps prouvé leur efficacité dans ce domaine. Car là où la limite d’analyse de l’humain s’arrête, celle de la machine ne fait que commencer.

Un des bons exemples de planification et de logistique en intelligence artificielle est la méthode que l’on nomme «recherche opérationnelle», une approche d’analyse statistique avancée qui vient grandement simplifier la prise de décision, voire même la faire à notre place. En gros, la recherche opérationnelle prend un ensemble de données et de variables définies et les utilise afin d’aboutir à une solution ou une formule optimale. C’est une bonne vieille technique qui répond à des besoins très clairs. Avec les données appropriées, de la logique et quelques calculs, vous pouvez avoir accès à une gestion automatisée et précise de vos opérations dans des délais autrefois impossibles.

Prenons l’exemple d’une entreprise qui se spécialise dans la confection de planchers de bois. Si vous avez un plancher de bois chez vous, vous savez que les planches sont généralement de longueur différente, allant d’un à huit pieds. Personne ne veut recevoir des dizaines de morceaux d’un pied et une seule planche de huit pieds. Dans le même ordre d’idées, le fabricant ne souhaite pas livrer des boîtes avec uniquement le même format de planches, et ainsi déséquilibrer son inventaire. Diverses variables entrent en jeu lorsque vient le temps de faire l’assemblage de ces boîtes, comme la disponibilité de la marchandise, la longueur des planches, les attentes du client ou la surface à couvrir.

Si le problème semble simple, il l’est moins que vous pensez. Il est question ici d’obtenir un amalgame de planches parfaitement équilibré grâce à l’optimisation combinatoire, une branche de la recherche opérationnelle. Tel un immense jeu de Tetris, il faut envoyer la longueur de planches pour constituer la boîte parfaite à des robots qui, à une vitesse étourdissante, viennent les répartir dans le bon ordre et de façon presque aléatoire afin que les boîtes soient bien diversifiées. De cette manière, le fabricant peut à la fois s’assurer d’avoir des boîtes avec une composition équilibrée et de satisfaire les clients dans la composition de leur commande.

Il n’est pas simple de vous résumer tous les champs d’application de la recherche opérationnelle tellement ils sont nombreux. De la logistique à la planification des horaires de travail, en passant par la planification des routes et des chaînes d’approvisionnement, la recherche opérationnelle est encore largement méconnue par rapport à son réel potentiel sur de nombreux modèles d’affaires.

En usine, elle permet de gérer les inventaires en temps réel et de les balancer en continu, en plus d’assurer une production optimale de vos produits et de votre marge de profit cible. En planification, ces mêmes algorithmes peuvent servir à faire de la répartition de personnel et d’équipement, élaborer des horaires et utiliser vos ressources à leur pleine capacité.

C’est pourquoi lorsque vient le temps de parler logistique avec les entreprises d’ici, je suis souvent étonné de voir que si peu d’entre elles ont envisagé l’automatisation de leurs processus décisionnels. Pour plusieurs, ces tâches sont encore confiées à des employés qui, malgré toute leur expertise, leurs années d’expérience et leur volonté, passent des jours entiers devant de gigantesques fichiers Excel et qui malheureusement ne parviendront jamais à atteindre les résultats que la machine peut fournir en quelques minutes.

Bien entendu, l’idée n’est pas de remplacer la totalité de votre personnel par des ordinateurs et des robots. À bien des égards, l’humain sera toujours indispensable dans nos entreprises. Mais par pitié, arrêtons de demander à nos employés de faire des calculs à multiples variables en espérant avoir une performance optimale!

Utilisons plutôt la recherche opérationnelle comme outil d’aide à la décision afin de libérer l’humain des calculs arides pour qu’il puisse se concentrer sur les aspects stratégiques de sa tâche. Laissez tomber les interminables fichiers Excel remplis à la main et bourrés de données en tout genre. Rendons à César ce qui appartient à César et laissons la machine faire ce qu’elle maîtrise le mieux!