J'adore les tomates, et c'est peut-être aussi votre cas.
Mes variétés préférées sont la cœur de bœuf et les tomates ananas.
La cœur de bœuf car elle est charnue et ferme, et la tomate ananas pour sa couleur éclatante et ses saveurs légèrement sucrées.
Mon activité principale est de stratégie et d’IA,. Alors pourquoi commencer cet article en parlant de tomates ?
Saviez-vous que le tri des tomates est un défi considérable ? Pendant des années, les tomates étaient récoltées avant maturité pour en faciliter la manipulation, le transport et la commercialisation ?
Il est difficile de trier les tomates. La récolte, la calibration, le stockage ... Chaque étape est une nouvelle opportunité d'endommager le produit, le rendant invendable.
Et même si ces dernières années, il a eu beaucoup de progrès sur le transport et le stockage, un défi reste d'actualité: la calibration. C'est-à-dire trier les tomates en fonction de leur degré de maturité et de leur taille.
Et dans ce domaine spécifique, le machine learning, un des champs majeurs de l'IA, a apporté une contribution considérable.
Voici une vidéo de tri des tomates en utilisant les méthodes de calibration manuelles :
Et voici le tri grâce au machine learning :
Si je commence cet article sur cet exemple des tomates, c'est pour aborder une question de fond sur les enjeux IA en stratégie.
On nous parle constamment des différentes technologies, des enjeux de machine learning, de deep learning, de systèmes multi-agents, de clustering. Mais nous, nous faisons de la stratégie et du marketing, et d'autres métiers associés à la gestion de l'entreprise.
Ce qui est important pour nous, ce sont les cas d'usages.
des choses que nous pouvons utiliser dans nos entreprises.
Des choses qui peuvent nous permettre de trouver plus de clients, de mieux servir nos clients, d'améliorer nos offres ou de bâtir de nouvelles offres plus compétitives.
Je veux bien qu'on m'explique que les systèmes multi-agents vont accomplir des choses incroyables. Parfait.
Mais lesquelles ?
Quelles tâches, exactement ?
Quelles actions, exactement ?
Comment ?
Dans quels processus ?
Pour servir quelles stratégies ou quelles tactiques ?
Il est difficile de se représenter ce que l'IA peut faire pour nous aujourd'hui.
La quantité d'informations disponible est tellement considérable, que dès qu'on lit quelque chose qui semble représenter une solution à nos problèmes, on lit ensuite 3 nouvelles informations contradictoires.
Alors comment faire ? Comment y voir clair ? Comment identifier les véritables opportunités et les fausses promesses ?
J'ai donné une conférence en LinkedIn live où j'aborde tous ces points.
Je montre les différentes technologies, et j'en donne pour chacune au moins trois cas d'usage. En liant technologie et usages, cela permet de bien mieux se représenter comment utiliser l'IA dans nos entreprises.
Nous avons tous un métier, des compétences, des passions. Nous avons tous des activités, des habitudes, des pratiques, que nous avons fait évoluer au fur et à mesure du temps.
Nous pouvons tous bénéficier des services que l'IA nous apportent, mais de quels services parle-t-on, et de quelles IA ?
· · ·
Merci d’avoir lu cet article jusqu’au bout ✌️
Et si cette analyse vous a intéressé, elle peut aussi intéresser quelqu’un autour de vous.
Vous pouvez simplement la lui transférer avec un bref message : “Je viens de lire cet article, je serais curieux d’avoir ton point de vue.”
Jean-Philippe
