SAS

Serge BOULET

+33 1 60 62 11 11

www.sas.com/france

Analytique

API

Applications

Dataviz

Infrastructure

Institutionnels

Consultants/SSII

Intégrateurs

Konica Minolta Japan : Les modèles de machine learning pilotés par la plate-forme SAS® aident Konica Minolta Japan à réduire ses coûts et à gagner en compétitivité

 

Vers l’intégration de l’intelligence artificielle (IA) et de l’Internet des Objets (IdO)

Konica Minolta Japan est le distributeur et prestataire de services de Konica Minolta Inc., qui fabrique principalement des équipements multifonctions, comme des copieurs et des systèmes d’impression numériques. L’entreprise souhaitait créer un guichet unique pour résoudre les problèmes bureautiques et d’impression de ses clients afin de gagner leur confiance et de les fidéliser.

 

Konica Minolta Japan — l’un des leaders du secteur — estimait qu’il était important d’intégrer l’IA et les données de capteurs aux activités de l’entreprise. La société a donc implémenté SAS pour améliorer son efficacité et la satisfaction de ses clients. Shouichi Yabe, directeur du groupe d’implémentation de la data science chez Konica Minolta Japan, a supervisé les projets d’IdO et d’intelligence artificielle.

 

Après avoir analysé les problèmes rencontrés par plusieurs divisions de l’entreprise, ainsi que les systèmes et sources de données concernés, Shouichi Yabe a organisé des sessions d’échange avec le personnel qui ont remonté des problèmes de gestion et des difficultés liées à l’environnement de travail. Il a en parallèle mis en place le suivi analytique de cinq domaines clés : prévision des ventes, des stocks, des dysfonctionnements, de l’attrition clients et optimisation de la gestion.

 

« Lorsque nous avons envisagé de changer de système, nous avons testé les performances de traitement de différentes solutions sur la base du volume de données utilisées au quotidien », explique Shouichi Yabe. « Les résultats obtenus ont révélé que seul SAS pouvait atteindre une vitesse de traitement et une précision prévisionnelle compatibles avec notre environnement professionnel. En réutilisant les données de capteurs, nous avons découvert que SAS prenait en charge l’intégralité du cycle de vie analytique, pouvait traiter rapidement d’énormes volumes de données et générait des prévisions extrêmement précises. De la préparation des données à la création, l’exécution et la vérification des résultats des modèles analytiques, SAS accélère notre cycle PDCA, tout en garantissant une expansion mondiale des données, ce qui est crucial en termes d’évolutivité. »

 

Shouichi Yabe a ainsi décidé d’adopter la plate-forme SAS dans une configuration alliant intelligence artificielle, machine learning et visualisation des données. Le système, opérationnel en peu de temps, a rapidement permis de créer différents modèles analytiques, puis de les déployer afin de résoudre des problématiques métier concrètes. La répétition du cycle PDCA a en outre permis d’améliorer les modèles.

 

Mesures pour améliorer la satisfaction client

Dans un premier temps, Konica Minolta Japan a utilisé SAS pour optimiser le remplacement des consommables, comme le toner. Auparavant, la pratique était de livrer 3 cartouches de rechange à chaque client, ce qui nécessitait de l’espace de stockage. Avec SAS, Konica Minolta Japan pouvait envoyer ces consommables aux clients en fonction du taux d’utilisation. Le machine learning permettait en effet d’établir des prévisions à partir des données recueillies par les systèmes multifonctions et d’autres données externes. Ces initiatives ont permis d’améliorer la satisfaction des clients et de réduire les coûts en limitant l’espace auparavant réservé au stockage du toner, mais aussi le temps et les difficultés liés à sa livraison.

 

Konica Minolta Japan a également développé un modèle de maintenance proactive pour anticiper les problèmes avant qu’ils ne surviennent. La société peut désormais prévoir la durée de vie des pièces en fonction de leur état d’usure et intervenir chez le client avant la survenue d’un incident.

 

​

SAS

Oliver

SchabenbergeR

Executive Vice President,
Chief Operating Officerand Chief Technology Officer

interview

INTERVIEW

Mythe et réalité de l’intelligence artificielle

 

Depuis les temps les plus reculés, l’être humain a cherché à créer des outils pour répondre à ses besoins. Désormais, nos souris et nos claviers font exactement ce que nous leur demandons, des appareils comme Amazon Echo nous aident à réaliser des tâches simples, comme allumer des lumières, ou des tâches plus complexes comme répondre à des questions grâce à l’analytique.

Avec l’essor de l’intelligence artificielle (IA), la donne est en train de changer. Les machines peuvent-elles passer d’objets passifs à participants actifs de nos vies ? Nous conduiront-elles ou conduirons-nous les machines ? Les objets nous informeront-ils de ce qu’ils ont fait pour nous, ou continuerons-nous à dire aux objets quoi faire ? Pourrions-nous devenir de simples pions dans une vie orchestrée par l’intelligence autonome, à l’heure où tout devient plus intelligent ?

 

À quel point sommes-nous proches d’une telle réalité ?

Si vous êtes angoissé(e) par l’idée que les machines dirigeront le monde dans le futur, dormez tranquille. Ceci ne peut être concrétisé en l’état de la technologie actuelle.

La tendance est de qualifier d’ « intelligence artificielle » tout ce qui fait quelque chose d’intelligent ou d’inattendu, mais en réalité ce n’est pas de l’IA. Ma calculatrice est meilleure en arithmétique que je ne le serai jamais – ce n’est pas une IA. Un arbre de décision n’est pas de l’IA. Une ligne de plus dans une requête SQL n’est pas de l’IA.

Mais la tendance s’oriente vers l’IA, vers l’intégration d’une plus grande intelligence dans les machines, les appareils, les outils, les automobiles et les logiciels.

Nous avons assisté à des progrès incroyables dans le développement d’algorithmes capables de réaliser des tâches avec une précision étonnante, digne d’un humain. Encore récemment, nous pensions que le jeu de Go ne pouvait pas être modélisé, et voilà qu’une machine nous a battus et nous a surpassés. Dans le domaine de la santé, les algorithmes peuvent désormais détecter des formes de cancer sur des images aussi bien que les radiologues…

Ces algorithmes ont des capacités surhumaines parce qu’ils font leur travail de manière fiable, précise, répétitive et 24 heures sur 24. Pourtant, nous sommes loin de créer des machines capables de penser ou de se comporter comme des humains.

 

Les systèmes « intelligents » sont mono-tâche

Les systèmes d’IA actuels sont formés pour exécuter une tâche humaine d’une manière intelligente et informatisée, mais ils sont formés pour accomplir une tâche – et une seule tâche. Le système qui peut jouer au Go ne peut pas jouer au solitaire ou au poker, et il n’acquiert pas de compétences pour le faire. Le logiciel qui pilote un véhicule autonome ne peut pas faire fonctionner les lumières de votre maison.

Cela ne signifie pas que cette forme d’IA n’est pas puissante. Elle a le potentiel de transformer de nombreuses activités – peut-être même toutes les activités dans tous les domaines. Mais, ne nous méprenons pas ; les systèmes qui apprennent de manière supervisée, par étapes ordonnées sur la base des données d’apprentissage, ne peuvent pas dépasser le sens des données ; ils ne peuvent pas créer, ni innover, ni raisonner.

 

Le saut de confiance

Même si les algorithmes deviennent intelligents, nous ne devons pas les laisser diriger nos vies. Ils restent un système d’aide à la décision. Le saut de confiance ultime consiste à laisser les algorithmes prendre des décisions en notre nom.

Mais imaginez si les algorithmes étaient autonomes. Je crois que si nous en acceptons l’autonomie, alors nous serons prêts à accepter la vraie IA. Si un algorithme peut prendre des décisions fiables et non biaisées, dont il peut être démontré qu’elles sont dans votre intérêt à terme, êtes-vous prêt à lui passer le relais pour prendre des décisions sans votre intervention ?

À quel point nous attendons-nous à ce que les machines fonctionnent lorsque nous les laissons perdre ? À quelle vitesse nous attendons-nous à ce qu’elles apprennent leur travail ? Et comment vont-elles acquérir une morale en cours de route ?

Si ces questions vous mettent mal à l’aise, vous n’êtes pas seul. Je préfère subir les conséquences de ma propre ignorance, plutôt que celles de la morale codifiée d’un ingénieur logiciel ou par la morale savante d’un algorithme en évolution.

L’illusion de l’intelligence est tout ce que nous pouvons gérer, et c’est tout ce que nous devons gérer pour l’instant.

 

Préparons le futur

L’IA d’aujourd’hui est-elle vraiment intelligente ? Je ne pense pas.

L’intelligence exige de la créativité, de l’innovation, de l’intuition, la résolution de problèmes en toute indépendance et de la sensibilité. Les systèmes que nous construisons, basés sur l’apprentissage en profondeur, ne peuvent pas avoir ces caractéristiques. Je ne veux pas prédire quand l’IA sera intelligente. Nous pensions en être proches il y a des décennies et que les machines agiraient et penseraient comme le font les humains, mais elles ne le font pas encore. La technologie actuelle ne le permet pas.

Un bouleversement technologique complet doit survenir pour nous amener à la vraie IA. Je ne pense pas que nous ayons trouvé la solution, mais nous la cherchons.