Management de la transition numérique Flashcards
Genèse de l’IA
1956 : colloque de Dartmouth (formalisation du domaine)
1980s : IA stratégique
1997 : âge d’or de la recherche (Kasparov VS deep blue)
2012 : retour du deep learning
2 types d’approches
Neuronale : recréer le fonctionnement du cerveau humains (machine learning)
Logiciste : peu importe la manière la machine doit être capable de faire ce que fait l’homme (logiciels spécialisé & robotique)
les 2 approches visent le deep learning
différent niveau d’implémentation de l’IA
IoT : opérationnel
ERP, Customer Relationship Management, Transport Management Système : (entre deux)
Business intelligence : stratégique
5 applications industrielles de l’IA
Création de données : les ERP, le Web-scraping, l’Internet des objets (IoT)
Traduction de données : le Natural Langage Processing
Traitement (par apprentissage) : Deep Learning
Restitution : Business Intelligence
Stockage : Data Lake, Cloud
Types de données
Déstructurées : données brutes, format NoSQL (IoT) [Lot 1]
Semi-structurées : données des systèmes de l’entreprise, structurées dans leur contexte mais non-interprétables dans un ensemble. (ERP, CRM, TMS) [Lot 2]
Structurées : données « raffinées », interprétables et pilotables. (BI) [Lot 3]
Application au niveau stratégique.
Contrôle de l’activité : capacité du SI à créer des reporting. Libère du temps de traitement et d’analyse des données, tout en remontant l’informations en temps réel
Gestion des risques Supply Chain : remontée d’informations en temps réel donne aux dirigeants la possibilité d’anticiper ces risques
Gestion des connaissances : conserve & protège le travail réalisé par les employés (face au turn over)
Applications de l’IA au niveau opérationnel
Homme augmenté (exosquelette => limité par l’Homme : fatigue, résistance…)
Technologie autonome (robot/drone)
Robotique Homme : une partie des tâches sont robotisées, les opérations de précision revenant aux hommes
Usine noire : aucune intervention humaine dans le processus
IA et idéologie
« Révolution 4.0 » et « course à l’IA » accepte donc l’idée que cette technologie est inévitable
« révolution industrielle » justifier des évolutions en les présentant comme inéluctables, mais minimise les changements sociaux et économique
Promettre progrès économique et social par l’innovation alors que les situations individuelles stagnent, fait revenir la vision pessimiste de la révolution industrielle.
Paradoxes Lean et Transition numérique
lean vise à réduire gaspillage dans le flux physique et le flux d’information (réduction du nombre d’indicateur de suivi et simplification de de leur reporting)
opposées à la démultiplication des données nécessaire à la transition numérique
Lean forme les opérateurs pour être autonome
opposé à l’assistance et la délégation de tâche fait vers l’IA et les SI
Paradoxes flexibilité et transition numérique
Infrastructure communes pour le partage d’information permet une amélioration opérationnelle mais renforce leur interdépendance (perte totale de flexibilité)
Notes
Lorsque le système technique avance trop rapidement pour les systèmes sociaux, des crises peuvent apparaitre
« Quelles applications immédiates puis-je retirer de cette technologie ? »
transition numérique reste une des perspectives de croissance les plus importantes aujourd’hui
