Pour gérer vos consentements :
Categories: Data & Stockage

Intelligence Artificielle : quels apports pour le développement industriel ?

Si le processus de développement d’un projet est, en théorie, plutôt efficace, la pratique, elle, démontre le contraire. Le respect du cahier des charges, en particulier le volet budgétaire et les délais, peut se révéler être une tâche ardue. Les entreprises peuvent se confronter à deux difficultés principales.

La recherche inefficace de ressources entraînant une perte de temps conséquente constitue une première entrave au développement d’un projet

Les grandes entreprises industrielles qui pilotent des projets complexes doivent constituer des équipes en fonction d’une expertise et de compétences particulières. Cependant, il est parfois compliqué de dénicher l’expertise nécessaire : elle peut être cachée dans la documentation, enfouie dans SharePoint ou perdue dans une conversation privée sur Slack.

En outre, les responsables d’équipe recrutent souvent des personnes qu’ils connaissent, ce qui va parfois de pair avec des insuffisances en matière de savoir et donc d’efficacité.

Au-delà des lacunes en matière de connaissances, la collaboration entre équipes n’est pas toujours couronnée de succès. Chacune dispose en effet d’informations différentes, utilise des systèmes déconnectés pour exécuter les tâches qui lui sont confiées, et emploie une terminologie particulière pour désigner des choses identiques, ce qui crée une inévitable confusion — sans parler de la multiplicité des langues pratiquées par des employés disséminés aux quatre coins du monde. En résumé, le partage des connaissances et des informations est dans de nombreux cas un véritable casse-tête.

Conséquence de cette complexité, les équipes passent beaucoup de temps à rechercher dans les logiciels PLM, CRM et autres outils de collaboration les informations indispensables à la conduite de leur projet. Bien souvent, cette quête induit un tel niveau de frustration que les équipes progressent sans disposer des données critiques qui pourraient étayer leurs hypothèses, ou partent tout simplement d’une feuille blanche. De telles approches provoquent une duplication encore plus importante des contenus, à laquelle s’ajoute un risque accru d’erreurs et de retards.

L’imprécision des résultats et le tri interminable des informations qui lui est lié constituent une deuxième entrave à la réalisation d’un projet

Dans le secteur de la fabrication, une entreprise peut employer 30 000 personnes et parfois davantage, gérer des dizaines d’opérations dans le monde entier et utiliser des centaines d’applications différentes. Ces entreprises produisent plusieurs dizaines de millions de documents qui sont ensuite stockés dans un nombre incalculable de systèmes, de lieux et de formats.

La simple gestion des informations relatives aux produits nécessite une multitude de systèmes de gestion du cycle de vie (PLM), de progiciels de gestion intégrés (ERP), de solutions de gestion du portefeuille de produits (PPM). En fait, il n’est pas rare qu’une pièce génère à elle seule jusqu’à trois millions de documents.

De plus, de nombreux fabricants stockent leur documentation pendant plusieurs dizaines d’années. Mais avec le temps, les numéros des pièces changent, les processus évoluent et les problèmes sont résolus, ce qui multiplie le nombre de versions d’un même document et complique singulièrement la recherche d’informations de référence.

Sans recourir à une solution de recherche intelligente (intelligent search), il est pratiquement impossible de faire émerger la totalité des informations pertinentes enfouies dans les différents silos. A contrario, les employés recréent des documents et résolvent sempiternellement les mêmes problèmes, soit parce qu’ils ne savent pas qu’une solution existe déjà, soit parce qu’il est trop difficile de la trouver.

Il est ainsi possible qu’une même pièce soit conçue et construite plusieurs fois parce qu’il est trop difficile de lancer une recherche. Qui plus est, les propositions commerciales sont souvent rédigées de A à Z parce que les versions exploitables sont inaccessibles, et les équipes perdent de précieuses heures à venir à bout d’un problème déjà traité.

Outre une inquiétante accumulation d’informations, ce type de comportement pèse sur la productivité et, pire encore, risque de provoquer des retards risquant de se solder par une action en justice.

Le recours à l’Intelligence Artificielle permet d’éviter le rallongement des délais et des budgets

Reste à savoir comment exploiter la gigantesque quantité de données et d’informations générées par les entreprises manufacturières. Si les fabricants parviennent à connecter des silos de données et fournir à leurs employés un point d’accès unique pour localiser ce dont ils ont besoin, la productivité augmentera tandis que les erreurs et les coûts diminueront.

La recherche intelligente apporte la solution à ce problème. En utilisant un outil d’intelligent search, les fabricants peuvent unifier leurs référentiels numériques, les applications métier et les plateformes de communication pour fournir aux ingénieurs en développement une vue panoramique des informations disponibles qui les aidera à prendre les meilleures décisions possibles.

En connectant toutes les sources d’informations pertinentes pour mettre au grand jour la documentation utile, les problèmes déjà traités et l’expertise disponible, ces entreprises peuvent réduire les erreurs et les retards de production qui plombent les budgets.

Une solution de recherche intelligente bien conçue doit permettre aux ingénieurs de bénéficier d’une expérience familière et intuitive. Au lieu de lancer leur recherche dans plusieurs référentiels, un seul et unique endroit centralisé facilite la découverte d’informations pertinentes, même à l’intérieur de sources de données non structurées.

Ces ingénieurs peuvent non seulement trouver rapidement la réponse dont ils ont besoin, mais également localiser des experts et des compétences au sein de l’entreprise, ce qui augmente l’efficacité et réduit les risques de doublons.

Recent Posts

Du ransomware au ransomware as a service : comment aller plus loin dans la lutte à l’heure de l’Intelligence artificielle

Si j'avais un seul souhait à formuler pour 2024, ce serait que l'on cesse d’appeler…

6 heures ago

Le défi de la cybersécurité des infrastructures critiques du secteur de l’énergie

La cybersécurité est un enjeu crucial pour le secteur de l'énergie et de manière générale…

2 jours ago

Les paquets de données : pilier fondamental de la cybersécurité

L'absence d'une analyse poussée des paquets de données peut avoir des conséquences désastreuses pour les…

6 jours ago

Les entreprises en quête de solutions face aux faiblesses du cloud

La convergence d'un cadre de Zero Trust et d'une collaboration renforcée entre les équipes de…

1 semaine ago

Dark Web et groupes de cybercriminels : décryptage

Il est assez compliqué de bloquer l’accès au Dark Web. Cependant, en bloquant l’installation du…

1 semaine ago

Allier le FinOps au GreenOps pour des dépenses Cloud plus écoresponsables

En adoptant la méthode FinOps, une entreprise s’assure une optimisation de ses investissements Cloud. En…

2 semaines ago