Article rédigé par Véronique Mercier chez Pivotal
Les 16 et 17 septembre, j'ai participé à ALL IN, au Palais des congrès de Montréal. Organisé par SCALE AI, la grappe canadienne en intelligence artificielle, l'événement a réuni cette année 10 000 décideurs, chercheurs et entreprises venus d'une quarantaine de pays. Il s'agit du plus grand rassemblement consacré à l'IA au Canada.
Pendant deux jours, quatre grandes conférences se déroulent en parallèle, en plus des ateliers de travail et de réflexion, des présentations en kiosque, des annonces gouvernementales, des visites guidées et des démonstrations. Impossible de tout voir! J'avais donc choisi mes conférences à l'avance, en gardant en tête le profil des PME d'ici que j'accompagne dans l'intégration de l'IA.
Voici ce que j'en rapporte pour les transformateurs alimentaires et leur écosystème.
Un événement techno, des cas d'usage qui se multiplient
ALL IN reste un événement très techno, conçu d'abord pour les acteurs de l'IA. La semaine précédente, j'ai mentionné à plusieurs personnes que j'allais y participer et la plupart n'en avaient pas entendu parler. D'où l'intérêt d'en relayer le contenu, d'autant plus que d'une édition à l'autre, on s’éloigne des
concepts abstraits pour y voir de plus en plus de cas d'usage concrets en entreprise.
Cette année, le manufacturier, la construction et la santé dominaient les échanges. La transformation alimentaire était aussi présente. Un transformateur québécois y présentait notamment une initiative d'inspection de la qualité par vision.
Pour les membres du CTAQ, l'enjeu est de comprendre ce qui est applicable et accessible dans leur propre entreprises. Les trois leçons qui suivent partent de cette question.
Leçon 1 : un projet d'IA se bâtit avec les gens des opérations
Un chiffre est revenu à ALL IN : à l’heure actuelle, 80 % des projets d'IA en entreprise ne livrent pas la valeur initialement attendue. Dans 38 % des cas, on pointe un manque de compétences liées aux opérations. Autrement dit, les compétences technologiques sont présentes, mais elles ne sont pas
arrimées à la réalité organisationnelle.
Un exemple m'a marquée. Une application en santé a été bâtie par cinq docteurs en apprentissage automatique (une forme d'IA autre que générative), sans personne des opérations hospitalières. Le projet a été abandonné après 4 M$ d'investissement.
Le message n’est pas d’attendre avant d’entamer une initiative liée à l’IA. Les capacités ont augmenté aussi vite que les coûts de consommation des modèles ont diminué dans la dernière année. On doit plutôt considérer la façon d’appliquer cette leçon dans une usine de transformation alimentaire. Les gens de la production, de la qualité et de la maintenance connaissent les contraintes réelles des opérations. Ils doivent faire partie du projet dès le départ, avant même le choix d'une solution. Leur présence dans les discussions avec les équipes technologiques reste essentielle tout au long de la démarche.
Leçon 2 : la gouvernance accélère les projets
Une fois les bonnes personnes autour de la table, il faut encadrer le projet. Un message est revenu souvent à ce sujet : alors qu'on aurait tendance à imaginer le contraire, la gouvernance agit comme un accélérateur. Elle permet de savoir quelles données on confie à quel outil, qui prend les décisions et qui assure le suivi, bref un cadre simple et efficace.
Prenons une boulangerie industrielle de 80 employés. Un superviseur commence à utiliser un outil d'IA gratuit pour ajuster des recettes et y colle les formulations de l'entreprise. Personne n'a validé l'outil, et personne ne sait où vont ces données. Avec quelques règles simples (les recettes ne sortent pas de l'entreprise, un nouvel outil est approuvé par la direction des opérations, l'équipe qualité vérifie les résultats), l'usage devient encadré.
Ça rejoint ce que j'observe en accompagnement : les entreprises qui posent ces règles tôt avancent plus vite par la suite.
Leçon 3 : le financement est accessible, à condition de démontrer une valeur concrète
Un projet porté par les opérations et bien encadré devient aussi plus facile à financer. Depuis 2018, SCALE AI a soutenu de nombreux projets d'IA en entreprise, dont plusieurs sont aujourd'hui réalisés ou en cours. Ces projets ont tracé la voie. D'autres options existent aussi. Au kiosque d'Investissement Québec, on m'a rappelé qu'il n'est pas obligatoire de passer par un programme précis, comme ESSOR, pour obtenir du financement.
L'IA seule ne suffit plus comme argument d'innovation. Les financeurs regardent cinq conditions :
• une proposition de valeur claire;
• un plan d'affaires chiffré;
• une expertise interne;
• une gestion des risques connus, par exemple la dépendance à un seul marché ou à un seul fournisseur technologique;
• une capacité de mise à l'échelle.
Les deux premières leçons répondent directement à deux de ces conditions : impliquer les opérations renforce l'expertise interne, et la gouvernance démontre la gestion des risques. Autre conseil retenu : un plan conservateur et crédible passe mieux qu'une projection ambitieuse.
Partir de ses propres enjeux
À ALL IN, l'attention allait facilement aux chiens-guides robots, aux startups et aux nombreux projets d'agents d'IA. À travers ce bruit, un message revenait dans presque toutes les conférences, peu importe le sujet : la connaissance du terrain et la gouvernance font la différence. Les difficultés se situent surtout du côté de l'organisation, plus que de la technologie.
Une PME détient déjà la pièce la plus difficile à acquérir : la connaissance fine de ses opérations. Cette connaissance reste toutefois souvent dans la tête des gens, rarement documentée.
Le point de départ consiste donc à nommer et documenter ses enjeux : pertes de production, contrôle de la qualité, planification, rareté de main-d'œuvre. Dans le tourbillon des opérations, on manque souvent de temps ou d'expertise pour le faire. Beaucoup associent aussi l'IA aux seuls outils génératifs comme ChatGPT, vus comme une baguette magique, ce qu'ils ne sont pas. Les solutions de vision, de prédiction et d'optimisation restent moins connues. Devant cet éventail, il est normal de ne pas savoir par où commencer. On risque alors de passer à côté de la solution qui répondrait le mieux à ses besoins, mais un accompagnement judicieux aide à faire le lien entre les enjeux et les technologies.
La transformation alimentaire est un secteur clé de l'économie québécoise. Les cas d'usage liés à l'IA progressent d'année en année, voire de semaine en semaine, et les occasions d'en tirer parti se multiplient. Le moment est bien choisi pour explorer ces possibilités, un enjeu à la fois.
