Neil Sholay, VP Digital, Oracle EMEA
Pour autant, aller au fond des choses en matière d’automatisation est encore un phénomène rare. Comme toute nouveauté, le temps d’adoption est incompressible : les entreprises doivent d’abord prendre conscience des technologies émergentes, comprendre comment elles peuvent en tirer parti, et comment effectuer tout cela avec leurs budgets (qui ne sont pas illimités), leurs compétences (qui doivent parfois s’étoffer) et leur culture (qui doit évoluer).
Admettons que la décision soit prise en haut lieu, pour des raisons multiples : un concurrent a pris de l’avance, un nouvel entrant sur le marché bouscule le modèle économique établi, les gains de productivité ont été évalués et testés, un pionnier a convaincu un membre du comité de direction, etc. Il est alors possible d’imaginer la définition d’un plan de transformation en trois ans (en restant optimistes et volontaires), avec un financement conséquent à l’appui.
Un modèle utilisé par Gartner pour évaluer les six degrés d’automatisation dans la supply chain peut aussi servir de cadre de pensée solide que l’on peut étendre à l’automatisation. Il s’agit d’une échelle de niveaux qui permet de situer l’entreprise au sens large, et éventuellement de prendre des décisions pour faire évoluer la position actuelle.
L’échelle est incrémentale, depuis les premiers bénéfices d’une automatisation grâce à l’exploitation de données et des tâches répétitives que la machine peut effectuer plus rapidement et plus sûrement que l’homme. Elle va jusqu’à des systèmes complexes qui deviennent de plus en plus autonomes et s’améliorent d’eux-mêmes jusqu’à l’autonomie complète. Ainsi, il est possible d’imaginer des poches d’automatisations complètes dans des approches globales hybrides, et réfléchir aux moyens nécessaires à une extension plus généralisée de l’automatisation.
Voici comment peuvent être répertoriés les six degrés dans l’échelle de l’automatisation :
La première marche est informative et très simple : elle commence par la remontée automatisée de la donnée. Le système met par exemple en avant les ventes puis fournit des analyses, qu’il peut éventuellement présenter et mettre en perspective.
La deuxième implique que le système fasse des suggestions sous forme de projections et de scenarii réalisés à partir de certaines informations remontées.
La troisième est une assistance au fil de l’eau : le système produit des alertes spécifiques et fournit des recommandations associées aux décisions prises et aux tâches planifiées.
La quatrième est une délégation : une tâche globale est confiée au système, qui va dès lors prendre en compte les informations utiles et les moyens nécessaires pour y parvenir, et effectuer alors toutes les tâches lorsqu’on lui donne le feu vert.
La cinquième inclut une forme de responsabilité : le système effectue de lui-même un certain nombre de tâches de manière autonome sauf si un ordre contraire lui est donné (par exemple une commande automatique en fonction des stocks en cours et des besoins liés aux ventes). L’intervention humaine est minime à ce stade.
Le stade ultime est atteint lorsque le système bénéficie à la fois de l’automatisation et du machine learning pour se comporter comme un humain, de manière à effectuer des actions autonomes de bout en bout. Un chatbot commercial effectuant une transaction simple comme un renouvellement de contrat ou une extension de service, ou capable de prendre rendez-vous avec un technicien en est un bon exemple. Tout comme une base de données pouvant par exemple renforcer sa sécurité d’elle-même, se mettre à jour et effectuer des sauvegardes lors de périodes critiques ; ou encore une marketplace qui anticipe par elle-même les soldes et met à jour son interface d’affichage tout en réclamant aux vendeurs de télécharger leurs offres du moment.
Ce dernier niveau est bien évidemment excessivement sophistiqué, mais chaque étape franchie apporte des bénéfices en termes d’efficacité et de qualité des processus. Plus les données exploitables sont nombreuses, plus les processus apprenants vont pouvoir en tirer des décisions utiles avec un impact important. C’est pourquoi chaque degré d’automatisation est un potentiel de connexion à un projet de plus grande ampleur.
Devant la croissance exponentielle de données disponibles, il est évident que l’esprit humain ne peut pas tout traiter et a besoin d’aide à la décision automatisée. L’information produite en temps réel ne peut être traitée dans le même laps de temps. Par exemple, comment choisir les meilleurs prix dans un marché fluctuant, ou proposer l’offre la plus alléchante lors d’une opération commerciale clé, ou décider de lancer la production de tel produit en raison d’une demande en hausse mais éphémère et en prenant en compte les délais de livraison ?
Le cerveau humain a besoin de temps pour comprendre et analyser. La machine est bien plus rapide pour traiter toutes ces informations : cela ne lui prend que quelques millisecondes.
Franchir chaque étape nécessite du temps, pourtant les investissements s’accélèrent dans de nombreuses entreprises car les bénéfices sont eux aussi incrémentaux. Mais attention, toutefois, même avec les moyens humains, techniques, la culture d’entreprise adaptée et un budget adéquat, il faudra encore et toujours s’interroger : certes, il est possible d’automatiser, mais quels processus doivent vraiment l’être ?
Admettons que la décision soit prise en haut lieu, pour des raisons multiples : un concurrent a pris de l’avance, un nouvel entrant sur le marché bouscule le modèle économique établi, les gains de productivité ont été évalués et testés, un pionnier a convaincu un membre du comité de direction, etc. Il est alors possible d’imaginer la définition d’un plan de transformation en trois ans (en restant optimistes et volontaires), avec un financement conséquent à l’appui.
Un modèle utilisé par Gartner pour évaluer les six degrés d’automatisation dans la supply chain peut aussi servir de cadre de pensée solide que l’on peut étendre à l’automatisation. Il s’agit d’une échelle de niveaux qui permet de situer l’entreprise au sens large, et éventuellement de prendre des décisions pour faire évoluer la position actuelle.
L’échelle est incrémentale, depuis les premiers bénéfices d’une automatisation grâce à l’exploitation de données et des tâches répétitives que la machine peut effectuer plus rapidement et plus sûrement que l’homme. Elle va jusqu’à des systèmes complexes qui deviennent de plus en plus autonomes et s’améliorent d’eux-mêmes jusqu’à l’autonomie complète. Ainsi, il est possible d’imaginer des poches d’automatisations complètes dans des approches globales hybrides, et réfléchir aux moyens nécessaires à une extension plus généralisée de l’automatisation.
Voici comment peuvent être répertoriés les six degrés dans l’échelle de l’automatisation :
La première marche est informative et très simple : elle commence par la remontée automatisée de la donnée. Le système met par exemple en avant les ventes puis fournit des analyses, qu’il peut éventuellement présenter et mettre en perspective.
La deuxième implique que le système fasse des suggestions sous forme de projections et de scenarii réalisés à partir de certaines informations remontées.
La troisième est une assistance au fil de l’eau : le système produit des alertes spécifiques et fournit des recommandations associées aux décisions prises et aux tâches planifiées.
La quatrième est une délégation : une tâche globale est confiée au système, qui va dès lors prendre en compte les informations utiles et les moyens nécessaires pour y parvenir, et effectuer alors toutes les tâches lorsqu’on lui donne le feu vert.
La cinquième inclut une forme de responsabilité : le système effectue de lui-même un certain nombre de tâches de manière autonome sauf si un ordre contraire lui est donné (par exemple une commande automatique en fonction des stocks en cours et des besoins liés aux ventes). L’intervention humaine est minime à ce stade.
Le stade ultime est atteint lorsque le système bénéficie à la fois de l’automatisation et du machine learning pour se comporter comme un humain, de manière à effectuer des actions autonomes de bout en bout. Un chatbot commercial effectuant une transaction simple comme un renouvellement de contrat ou une extension de service, ou capable de prendre rendez-vous avec un technicien en est un bon exemple. Tout comme une base de données pouvant par exemple renforcer sa sécurité d’elle-même, se mettre à jour et effectuer des sauvegardes lors de périodes critiques ; ou encore une marketplace qui anticipe par elle-même les soldes et met à jour son interface d’affichage tout en réclamant aux vendeurs de télécharger leurs offres du moment.
Ce dernier niveau est bien évidemment excessivement sophistiqué, mais chaque étape franchie apporte des bénéfices en termes d’efficacité et de qualité des processus. Plus les données exploitables sont nombreuses, plus les processus apprenants vont pouvoir en tirer des décisions utiles avec un impact important. C’est pourquoi chaque degré d’automatisation est un potentiel de connexion à un projet de plus grande ampleur.
Devant la croissance exponentielle de données disponibles, il est évident que l’esprit humain ne peut pas tout traiter et a besoin d’aide à la décision automatisée. L’information produite en temps réel ne peut être traitée dans le même laps de temps. Par exemple, comment choisir les meilleurs prix dans un marché fluctuant, ou proposer l’offre la plus alléchante lors d’une opération commerciale clé, ou décider de lancer la production de tel produit en raison d’une demande en hausse mais éphémère et en prenant en compte les délais de livraison ?
Le cerveau humain a besoin de temps pour comprendre et analyser. La machine est bien plus rapide pour traiter toutes ces informations : cela ne lui prend que quelques millisecondes.
Franchir chaque étape nécessite du temps, pourtant les investissements s’accélèrent dans de nombreuses entreprises car les bénéfices sont eux aussi incrémentaux. Mais attention, toutefois, même avec les moyens humains, techniques, la culture d’entreprise adaptée et un budget adéquat, il faudra encore et toujours s’interroger : certes, il est possible d’automatiser, mais quels processus doivent vraiment l’être ?