L'Intelligence Artificielle (IA) a un impact positif sur presque tous les secteurs d'activité. Cette technologie améliore les processus de prise de décision, créant une gestion rapide et cohérente des opérations. Chez Sopra Steria, nous sommes convaincus que, dans le secteur de l’aéronautique, l’IA doit être pensée et développée de manière spécifique afin de répondre aux enjeux du secteur et maximiser sa valeur ajoutée.
L'Intelligence Artificielle hybride, un support d'aide à la décision adapté
Pour faciliter la prise de décision, il est essentiel d'utiliser une Intelligence Artificielle hybride qui se nourrit à la fois de données (images, données transactionnelles historiques, etc.) et des connaissances métier des experts et opérationnels de la Supply Chain. Cette approche garantit aux utilisateurs finaux une traçabilité analytique du processus de décision et de raisonnement de l'IA, réduisant ainsi tout phénomène de boîte noire.
Ceci est particulièrement important car l'explicabilité des systèmes d'Intelligence Artificielle est au cœur des préoccupations des industriels, notamment en ce qui concerne les systèmes critiques. En s'appuyant en partie sur l'expertise et la modélisation humaine, l'IA hybride est un levier majeur pour répondre à ces enjeux. Ceci s'inscrit d'ailleurs dans la lignée d'investissements réalisés par Sopra Steria dans de grands programmes institutionnels tels que GAIA-X, ANITI et Confiance.ai, qui visent à industrialiser une Intelligence Artificielle de confiance et souveraine.
L'IA hybride peut également être utilisée pour créer des algorithmes pertinents dans des environnements de "small data", situation souvent rencontrée par les industriels de l'aéronautique. Il existe en effet un grand besoin d’aide à la décision dans des contextes où les données historiques sont rares voire inexploitables ou inexistantes.
La plateformisation, un levier majeur pour les acteurs de l'Aéronautique
Les systèmes d'aide à la décision basés sur l'IA hybride doivent être industrialisés à grande échelle pour créer un maximum de valeur pour les entreprises du secteur. Pour y parvenir, la notion de plateformisation est une clé. En intégrant des services d'IA sur une plateforme, le déploiement est plus rapide et plus durable sur un périmètre d'activité plus large, tout en assurant la cybersécurité du système cible.
L'utilisation de la plateformisation comme outil de sensibilisation et d'extension de la portée des systèmes d'IA revêt une grande importance. La plateformisation est en effet un levier puissant pour assurer l'urbanisation de tous les systèmes d'IA entre eux, notamment grâce à la containerisation et à l'APIsation des services. Cette approche assure la cohérence de la data et de l'information, ainsi que la capacité à créer des boucles retour sur la performance des décisions. Les systèmes sont ainsi plus faciles à piloter et à superviser en production pour contrôler leur pertinence et leur performance au regard des objectifs opérationnels.
Enfin, l'utilisation de plateformes d'IA est un moyen de gérer la consommation d'énergie et de ressources des systèmes d'aide à la décision mis en œuvre, permettant d'améliorer les performances en matière de green efficiency des systèmes informatiques ("green for IT"), et pour réduire l'empreinte carbone de la gestion des opérations de Supply Chain ("AI for green").
Une approche itérative pour mettre en œuvre l'IA au sein des SI historiques
Les systèmes d'aide à la décision basés sur de l’IA peuvent être regroupés par familles d'algorithmes, permettant la modélisation, la gestion des données et des connaissances, la mise en évidence ou la création de valeur à travers d'énormes quantités d'informations que l'intelligence humaine ne peut tout simplement pas absorber.
Ces algorithmes, tout d'abord, prennent la forme d'une IA Descriptive, répondant à la question "Quelle est ma situation actuelle ou celle de mon organisation ?" afin de donner des indications aux décideurs concernant des éléments tangibles de l'état et de l'environnement de la Supply Chain. Les technologies considérées se rapprocheront alors de Business Intelligence ou d’algorithmes d’analytics avancés.
Ces systèmes peuvent ensuite prendre la forme d'algorithmes prédictifs ou "IA Prédictive", permettant cette fois de comprendre l'évolution du comportement du système modélisé et ainsi de répondre à la question "Que va-t-il se passer ?". Les décideurs peuvent alors comprendre la trajectoire du système qu'ils doivent piloter et ainsi anticiper ses performances. Il s’agira de technologies de type regression/classification (machine learning/deep learning) ou d’inférence Bayésienne.
Les systèmes d'aide à la décision prescriptifs, ou IA prescriptive, ont également un rôle à jouer. Cette IA propose directement des recommandations aux décideurs afin qu'ils puissent optimiser le pilotage du système. Il peut s'agir d'un comportement explicite à adopter pour répondre à un problème spécifique ou d'un choix à réaliser à l'instant T. En d'autres termes, ces systèmes d'aide à la décision répondent à la question "Compte tenu de la situation actuelle et future, que dois-je faire pour optimiser mes performances ?". D'un point de vue technologique, l'approche envisagée fera appel à de l'optimisation et à la recherche opérationnelle, à l'apprentissage par renforcement ou à la simulation.
Si la décision recommandée par le système est éthique, explicable et acceptable par l'humain, il est possible pour le décideur de laisser le système agir et exécuter cette décision. Dans ce contexte, même si les technologies utilisées sont inchangées par rapport aux systèmes d’aide à la décision prescriptive, le niveau d’IA considéré est dit "IA Autonome".
Quelles sont les prochaines étapes ?
L'utilisation de l'Intelligence Artificielle est un véritable levier de transformation vers la Supply Chain du futur. Une approche basée sur l'IA permet en effet, lorsqu’elle est menée efficacement, des gains significatifs pour la Supply Chain aéronautique.