Projection dans le temps

Intelligence Artificielle
1- Collecte de données
2- Analyse des données
3- Visualisation de données
4- Interprétation des résultats
5- Tests d’hypothèse
6- Classifications
7- Prédictions
8- Apprentissage machine
9- Apprentissage profond

Court terme (intelligence artificielle: collecte de données)

1- Compréhension des besoins de l’entreprise
Ce n’est pas toutes les entreprises qui ont les mêmes besoins. Pour ne pas investir pour rien dans
l’intelligence artificielle, il faut se poser la question, quels sont les besoins de l’entreprise ?

2- Élaboration d’une stratégie de rentabilisation de l’investissement

L’élaboration des problèmes ou améliorations qui pourraient être faites pour l’entreprise est très
importante. Quel sont les coûts qui pourraient être diminuer, quels sont les revenues qui
pourraient être augmentés ou bien quels sont les lacunes de l’entreprise. Ces questions sont
primordiales avant de commencer un projet d’intelligence artificielle.

3- Installation des bons outils de domotiques

Installer des objets connectés sans se poser la question est-ce qu’on a besoin de ses outils et quels
sont les avantages à les installer. De temps à autre, il n’y a pas de gain monétaire, cependant au
niveau du service à la clientèle ou de la publicité du client. Le gain peut être considérable sans
toutefois donner de l’argent directement en récompense.

4- Création d’un tableau de bord avec les métriques des outils de domotiques
Bien entendu, l’installation de ces outils de domotiques à d’autre avantages au niveau de la
maintenance. En effet, un tableau de bord avec toutes les données en temps réel des outils de
domotiques permet la centralisation et la proactivité au niveau de la maintenance et du service à
la clientèle. Par exemple, si l’on sait qu’une ampoule est brisé dans un couloir, alors on peut aller
la réparer rapidement sans avec à recevoir des demandes de la part des clients. De temps à
autre, une seule ampoule brisée peut occasionner 2-3 et même plus encore de demandes clients.

5- Création de données pour le long terme (statistiques)

Le but ici est de de prendre le plus de données descriptives possibles qui pourraient être
susceptibles de nous être utile futurement. L’objectif est de récolter le plus de données possibles
sur le roulement de l’entreprise, les demandes clients, la maintenance, des statistiques sur les
employés ou même sur les paiements des loyers.
 6- Utilisation des données pour optimiser l’entreprise (fonctionnement)
Lorsque nous avons récoltés suffisamment de données sur l’entreprise et toutes les sphères de
celle-ci, nous pouvons nous concentrer sur l’utilisation de ses données pour comprendre le
fonctionnement interne de l’entreprise, les coûts inutiles, les optimisations possibles ou autres.

7- Proactivité dans différents domaines de l’entreprise

Lorsque plusieurs relations se dégage du fonctionnement de l’entreprise, nous pouvons
commencer à en profiter. En effet, nous pouvons commencer à vraiment être proactif sur les
décisions de l’entreprise. C’est à ce moment que nous débutons de vraiment comprendre ce qui se
passe à l’interne.

8- Élaboration des nouveaux besoins de l’entreprise

La préparation pour la prochaine étape est cruciale, c’est là que nous déterminons la suite. Pour
se faire, nous allons refaire l’étape d’élaboration des besoins de l’entreprise pour se rendre
compte souvent que les besoins réels et ceux apriori ne sont pas nécessairement les mêmes.

Moyen terme (intelligence artificielle: analyse des données)

1- Analyse des données
L’utilisation de l’intelligence artificielle à l’aide de différentes librairies Python permettre de faire
l’analyse des données et de comprendre les liens entre chacune d’elles. Plusieurs outils nous
donnent la chance de voir les données sous un autre angle complètement nouveau. Différentes
statistiques émergent de l’eau pour laisser place à la pointe de l’iceberg. Diverses connaissances
de l’entreprise permettent d’élever la compréhension de l’entreprise à un niveau supérieur.

2- Visualisation des données

La visualisation des données sous formes de graphiques, plans, diagrammes ou autres
permettent de mettre une image sur des valeurs. Nous pouvons voir visuellement la relation entre
2 variables ou bien de voir diverses quantités sur un même graphiques. L’important, à cette
étape, c’est de voir ce que nous n’avons pas pu voir à l’étape précédente. Comme dit le vieux
dicton «  une image vaux mille mots  ».

3- Élaboration d’outils d’interprétations des données

Par la suite, nous savons ce que nous avons besoin comme valeur, ce que nous voulons optimiser
et quelles sont les données qui sont utiles pour la suite. C’est à cette étape que nous pensons à
quels outils d’interprétations des données est nécessaire. En gros, c’est la création du tableau de
bord version 2, avec des graphiques et des visualisations en temps réels sur ce qui se passe
globalement dans l’entreprise. De l’entretien en passant par les demandes client, tout ce qui
pourrais avoir une vue d’ensemble de l’entreprise.

4- Analyse des demandes clients pour y ajouter une priorité manuellement

Rendu ici, à titre d’exemple, si nous avons toutes les demandes clients dans un tableau de bord
donc dans une base de données, il est possible d’ajouter manuellement la priorité de chacune de
ces demandes manuellement. Ce qui pourrais permettre la création d’un système de classification
qui pourrais trier les nouvelles demandes avec une priorité, donc permettre l’optimisation du
service à la clientèle et de ses priorités. Ceci est un exemple, selon l’analyse précédente nous
allons pouvoir savoir ce qui est important d’optimiser et focusser sur cela.
Long terme (intelligence artificielle: apprentissage machine)
1- Élaboration des optimisations possibles.
Il est beaucoup trop tôt pour prédire ce qui pourrais être nécessaire ici, c’est l’analyse et la
visualisation des données qui va nous démontrer ce qui est important et ce qui ne l’est pas.
Les outils de domotiques couplé avec les connaissances dégagées des outils d’intelligence
artificielle nous donne la pleine capacité d’optimiser différents

2- Exemples d’optimisations possible avec l’intelligence artificielle

a. Trouver la priorité des nouvelles demandes automatiquement (Classification)
b. Optimisation d’inventaire
c. Optimisation du coût de chauffage
d. Optimisation des demandes clients
e. Optimisation de l’entretien
f. Détermination de la solvabilité d’un individu
g. Détermination du prix optimal des propriétés selon des caractéristiques
h. Prédiction des revenus potentiels d’un immeuble à long terme
i. Prédiction du coût de maintenance d’un immeuble à long terme

Pour conclure, l’intégration de l’intelligence artificielle peux ne pas plaire à tout le monde. Il faut
avoir le goût d’évolution, le vouloir de s’améliorer et le pouvoir de changer. Il est possible que le
retour sur investissement tarde à se faire sentir, c’est pour cela qu’une bonne analyse des
besoins de l’entreprise se font à chaque stade de l’évolution. Il ne faut pas quitter l’objectif des
yeux, l’évolution de l’entreprise et la satisfaction des clients. Tout ce qui sera possible de faire
afin d’atteindre ces 2 objectifs, sera un pas dans la bonne direction. Le processus est long et
demande beaucoup de temps mais c’est le futur. Le futur est maintenant !