Académique Documents
Professionnel Documents
Culture Documents
net/publication/339677215
CITATIONS READS
5 3,382
1 author:
SEE PROFILE
All content following this page was uploaded by Juliana Bozhidarova Vassileva-Hadjitchoneva on 16 January 2021.
soUs la direCtion de
Claudio RUFF ESCOBAR
Alain REDSLOB
Krzysztof MALAGA
3
Directeurs de la publication
Claudio Ruff Escobar, Alain Redslob
Directeur Scientifique Krzysztof Malaga
Rapporteurs Iskra Balkanska-Christova, Francis Bismans, Bernard
Landais, Krzysztof Malaga, Alain Redslob, Xavier Richet, Roger Tsafack
Nanfosso, François Vaillancourt.
Secrétaire de rédaction Céline Richoux, Université Bernardo O’Higgins
Projet de la couverture Ediciones UBO
ISBN 978-956-8664-26-8
e-ISBN 978-956-8664-27-5
S OM M AIR E
Comité scientifique...........................................................................7
Remerciements................................................................................9
Prologue.........................................................................................11
Rapport introductif
Chapitres
Juliana HADJITCHONEVA
Nouvelle Université Bulgare, Bulgarie
Département d’administration et gestion
jhadjitchoneva@nbu.bg
Introduction
Risqué vs Non-
risqué Prise de décisions
Certitude vs structurée vs non-
Incertitude strructurée
Environnement
des affaires
Technologies
Marché et efficacité
émergentes
Il est évident que le concept de l’IA n’a pas sensiblement évolué depuis sa
création. Pourtant, l’avancée actuelle de mise en pratique est possible avec
le développement de l’informatique et des technologies cognitives. Ainsi,
l’IA est ralliée aux volumes massifs de données, aux travaux analytiques des
bases de données, à la forte puissance de calcul des machines, et d’autres
(Figure 2). Les capacités d’apprentissage autonomes deviennent possibles par
l’élaboration des algorithmes afin de traiter un grand nombre d’informations.
Au fur et à mesure de l’accumulation de données, ils deviennent de plus en
plus sophistiqués.
Logiciels et services
Vitesse de en nuage
processeur et Volume de
puissance de données
calcul
Tech d’IA
Potentiel considèrable
Capture de connaissances
Avantages pour les fonctions de gestion
Substitution de processus, opèrationset
Communication spècifiques
Tenant compte des finalités de nos recherches actuelles, nous estimons que
l’IA peut être définit comme « tout ce qui nécessite un effort intellectuel pouvant
être remplacé par une machine » en considérant des analyses, des prévisions, des
décisions, des processus et d’autres.
Toutefois, pour les entreprises du secteur de confiserie et, en plus pour des
petites et moyennes entreprises, il peut être jugé plutôt exceptionnel de trouver
des entreprises orientées vers la digitalisation ou encore moins des entreprises
‘digital native’. Ce sont traditionnellement des entreprises établies, verrouillées
dans leurs modèles d’affaires éprouvés par l’expérience et la pratique de
long terme qui manquent généralement de leadership technologique et de
compétences spécifiques informatiques. Pourtant, le contexte des affaires
contemporain exige cette nouvelle adaptation des modèles conceptuels et
opérationnels qui va démarquer la prochaine génération de dirigeants
d›entreprises prospères. De plus, la mise en œuvre des technologies
émergentes est un premier pas, leur intégration et développement devant se
produire dans la logique de continuité dans les entreprises.
Un service spécialisé qui émerge dans l’environnement des affaires pour les
diverses industries traditionnelles, le commerce de détail, mais aussi pour
les petites et moyennes entreprises, c’est l’‘IA en tant que service’ (McKinsey,
2019 : 14 ; A4E, 2019). Offert par des start-up technologiques il s’appuie sur
et intègre les facteurs-moteurs de l’élargissement de l’application de l’IA
avec des avantages nombreux pour les détaillants : (i) des prévisions de vente
précises et une planification plus rapide et simple ; (ii) une gestion optimale
des ressources sans verrouiller d’argent en excès de stock et selon l’espace de
stockage limité ; (iii) une meilleure connaissance du comportement des clients
pour l’optimisation des processus, d’où une amélioration des performances
commerciales ; (iv) une meilleure connaissance des tendances générales
dans l’entreprise et des préférences des clients ; (v) une optimisation de la
main-d’œuvre au quotidien selon la charge dans les points de vente respectifs
(A4E, 2019).
156 Juliana HADJITCHONEVA
En résumé, nous estimons pour notre recherche les avantages suivants : le gain
de temps, la minimisation des ventes manquées ou perdues, l’optimisation des
flux financiers, des dépenses et de l’espace d’inventaire, la réduction des coûts
opérationnels, la minimisation des déchets, les clients satisfaits obtenant selon
leurs goûts et demandes.
Il nous semble inutile d’argumenter à quel point l’ensemble des facteurs est
difficile à obtenir sur une base quotidienne pour la prise de décisions par tout
un chacun des managers des points de ventes multiples d’une chaine, dispersés
sur la scène nationale et les marchés internationaux gérant une asymétrie
d’informations différente selon le contexte des affaires respectif sans pourtant
prendre en compte le niveau différent de compétences, d’études, d’expériences
et même de préférences et de confidence en soi lors d’un processus de
responsabilisation pour la vente et la satisfaction des clients de demain.
Intrants
Extrants Resources matériels
Profit EBIT ROI V entes Stabilité financière
Croissance Productivité Solvabilité
Couts opérationnels Innovations
Part de marché Qualité Ressources d’informations
Clients RH selection
Satisfaction des clients Personnel spécialisé
Image de l’entreprise Férantss
Entrainements
Processus
Standardisation Optimisation
Service Temps
Satisfaction du personnel
Expansion
DéchetsStock Insights
Ce modèle de valeur d’affaires général peut être appliqué dans des entreprises
de l’industrie de confiserie, mais aussi plus largement dans le commerce de
détail. Il pourrait être pertinent pour d’autres secteurs aussi après certaines
modifications respectives.
160 Juliana HADJITCHONEVA
Poursuivant ses stratégies d’expansion sur le marché local, dès 2015, la chaine
fait son entrée réussite et stable sur le marché voisin. De nouveaux points
de vente sont ouverts en Bulgarie, y-compris des franchises. Dix nouvelles
pâtisseries voient le jour dans la capitale Roumaine, les chiffres d’affaires
desquelles augmentent chaque mois. Prenant en compte l’étroitesse du marché
local et les différences nationales permettant la diminution des coûts, les
ambitions de la chaîne de pâtisseries pour l’accession à de nouveaux marchés
et de nouveaux clients vont plus loin. Elles comprennent l’ouverture jusqu’à 40
pâtisseries sur le marché voisin. D’autres possibilités d’internationalisation des
affaires sont recherchées en permanence. De tels marchés perspectifs peuvent
bien être ceux de Paris, Barcelone, Londres et d’autres capitales européennes,
étant des objectifs de planification dès 2019. Une stratégie pareille permettra
à l’entreprise de diversifier le risque géographique (Leroy, 2017). Pourtant,
c’est un long processus d’analyses des environnements d’affaires divers, de
collecte des ressources nécessaires, mais aussi d’adaptation aux modes et goûts
de consommation locale. Des aspects critiques concernent le recrutement, la
sélection, le training et le roulement du personnel. L’expérience de l’entreprise
L’INTELLIGENCE ARTIFICIELLE AU SERVICE DE LA PRISE DE DECISIONS PLUS EFFICACE 161
La question qui se pose pour les approches, les outils, les instruments, les
mécanismes, les investissements de la société est la suivante : dans quels
domaines sont-ils faits pour soutenir un tel développement des affaires ?
Le gain de temps est d’au moins 5000 h/an pour la prise de décisions au
quotidien du management au niveau moyen alors que pour l’outil d’IA ce
sont quelques minutes de calcul par jour pour tous les points de vente suivis.
Par conséquent, ces heures libérées sont utilisées pour des activités plus
favorables aux affaires, où les ressources humaines sont plus productives et
meilleures que la machine. Le travail est plus agréable pour les managers sans
commandes (les prévisions quotidiennes) qui sont des sources de stress et de
164 Juliana HADJITCHONEVA
Intrants
Extrants Pas de ressources matériels
Profit 10+% Stabilité financière et
EBIT +2% Solvabilité confirmées
ROI 5-6 fois Innovations introduites
Ventes Croissance Productivité Ressources d’informations intensives
meilleures utilisées
Coûts opérationnels réduits RH sélection allégée
Part de marché élevée Pas de gérants supplémentaires
Plus de qualité et clients Pas d’entraînement
Plus de Satisfaction des clients
Melleure image de l’entreprise
Processus
Standardisation et Optimisation am éliorées
Prise de décision jusqu’à 100% non humaine
Service meilleure
Temps - 5000 h de travail au minimum/an
Satisfaction du personnel confirmé et meilleure
culture organisationnelle
Expansion RO 10+ planifiées, BG 7+
Déchets de 7% a 2/3%
Pourtant, ces résultats sont réalisés dans les conditions d’une implémentation
partielle dans la chaine. L’IA est utilisée dans tous les points de vente en
Roumanie dès le début de leur fonctionnement, tandis qu’en Bulgarie ce n’est
pas le cas. Un tel mécanisme innovant est accepté plus difficilement dans des
contextes de systèmes, de structures et de cultures organisationnels établis
depuis des années, même si, en comparant directement les résultats des
166 Juliana HADJITCHONEVA
points de vente utilisant l’IA avec ceux qui comptent sur la prise de décisions
humaine, on constate une différence des résultats évidente : (i) 50 % de plus
de déchets dans les points de vente sans l’IA, (ii) 35 % plus souvent sans
assortiment disponible dans les points de vente sans l’IA, (iii) sans « événement
catastrophique » dans les points de vente appliquant l’IA. Un événement
catastrophique se produit quand on approvisionne plus (‘overstock ’) qu’il est
nécessaire, ce qui inflige un niveau de gaspillages plus élevé ou bien quand
on approvisionne moins (‘understock/stock outage’) ce qui mène aux avantages
perdus ou manqués. De 5 à 15 événements catastrophiques surviennent lors
de 300 commandes et plus par an et par gérant. Si les managers sont plus
optimistes et surestiment les commandes pour un jour férié, ça résulte en
450 événements catastrophiques pour 45 points de vente. Ce n’est pas le cas
avec l’utilisation de l’intelligence artificielle. Bien que le pourcentage des
déchets puisse augmenter ou les points de vente rester sans gâteaux, il n’y a
pas d’erreur de 5 à 10 %, tandis que les erreurs de l’homme peuvent être des
fois plus importantes. Depuis l’introduction d’IA, il n’est jamais arrivé une
situation de gaspillages monstrueux ou bien de manque de marchandises
dans les points de vente en Roumanie où les décisions sont prises 100% sans
interventions humaines.
Conclusion et recommandations
L’instrument d’IA est une solution facile à mettre en œuvre et à utiliser. Les
avantages sont combinés dans un seul module, servant à la fois d’outil de
prévision et d’outil de commande dans la société. L’outil de prévision revêt une
importance considérable pour l’agrandissement du réseau de points de vente
nouvellement ouverts et l’internalisation de la chaine.
Les détaillants connaissent les clients de plus en plus et satisfont leur besoin
avant même que le besoin lui-même ne soit signalé. De nouvelles étapes et
voies s’ouvrent à l’exemple des détaillants ‘digital native’ en utilisant l’IA pour
prévoir les tendances sur les marchés, optimiser l’entreposage et la logistique,
fixer les prix et personnaliser les promotions, optimiser la gamme et les prix
des produits (McKinsey, 2017). Aussi, la vente basée sur ‘insights’, comprenant
des promotions personnalisées, un assortiment optimisé et des affichages
personnalisés, pourrait augmenter les ventes de 1 à 5 %. En ligne, ce type de
personnalisation, associé à une tarification dynamique, peut entraîner une
croissance des ventes de 30 %. Le déploiement de balises électroniques dans les
magasins pour collecter des données sur les comportements des clients et les
habitudes d’achat, et l’utilisation d’algorithmes d’apprentissage automatique
pour déterminer les promotions personnalisées à envoyer aux clients lorsqu’ils
effectuent des achats peuvent être mis en œuvre. En magasin, les assistants
virtuels peuvent identifier les clients réguliers à l’aide de la reconnaissance
faciale, analyser l’historique de leurs achats pour faire des suggestions et
communiquer de manière conversationnelle en utilisant le langage naturel.
(McKinsey 2017 : 43-44).
Est-ce que vingt ans après, ces études de cas de mise en œuvre des technologies
d’intelligence artificielle dans la pratique des affaires pour les prévisions et
la prise de décisions démontrent d’une manière convaincante que le monde
s’approche au ‘future brillant’ (Pomerol, 1997) ? Notre réponse est positive.
L’INTELLIGENCE ARTIFICIELLE AU SERVICE DE LA PRISE DE DECISIONS PLUS EFFICACE 169
Bibliographie