Pratiques et processus

L’Intelligence Artificielle au service d’un développement industriel optimal

L’Intelligence Artificielle au service d’un développement industriel optimal, pour éviter la perte de ressources financières et de temps

L’Intelligence Artificielle au service d’un développement industriel optimal, pour éviter la perte de ressources financières et de temps

Le processus du développement d’un projet est souvent impeccable en théorie, mais beaucoup plus incertain dans la pratique. Ne pas dépasser le cadre délimité, notamment en termes de délais et de budget, se révèle parfois une épreuve ponctuée d’obstacles. Parmi ces obstacles, deux prévalent : la perte de temps causée par une recherche de ressources inefficace, et des résultats de recherches imprécis, menant à une obligation chronophage de tri des informations.

Perte de temps causée par une recherche de ressources inefficace

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.

Adoptez un livre

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.

Résultats de recherches imprécis, menant à une obligation chronophage de tri des informations

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.

Laurent Fanichet, Vice-président, Marketing, chez Sinequa

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.

En finir avec les dépassements des délais et des budgets grâce à l’Intelligence Artificielle
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.

Auteur : Laurent Fanichet, Vice-président, Marketing, chez Sinequa

(c) Ill. DepositPhotos

Cliquez pour commenter

Commenter

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Marketing PME aide les PME PMI et TPE à développer leur business en 2021 Sélectionnez votre agence avec Sortlist
Vers le haut
// Infinite Scroll $('.infinite-content').infinitescroll({ navSelector: ".nav-links", nextSelector: ".nav-links a:first", itemSelector: ".infinite-post", loading: { msgText: "D'autres articles sont en chargement...", finishedMsg: "Désolé, il n'y a pas d'autre article" }, errorCallback: function(){ $(".inf-more-but").css("display", "none") } }); $(window).unbind('.infscr'); $(".inf-more-but").click(function(){ $('.infinite-content').infinitescroll('retrieve'); return false; }); $(window).load(function(){ if ($('.nav-links a').length) { $('.inf-more-but').css('display','inline-block'); } else { $('.inf-more-but').css('display','none'); } }); $(window).load(function() { // The slider being synced must be initialized first $('.post-gallery-bot').flexslider({ animation: "slide", controlNav: false, animationLoop: true, slideshow: false, itemWidth: 80, itemMargin: 10, asNavFor: '.post-gallery-top' }); $('.post-gallery-top').flexslider({ animation: "fade", controlNav: false, animationLoop: true, slideshow: false, prevText: "<", nextText: ">", sync: ".post-gallery-bot" }); }); });