See ahead. Stay ahead. Découvrez une IA conçue pour le monde réel de l’industrie. → Découvrir Plateforme & IA
Lors du salon TechSolution, Basile Marzloff, Responsable Avant-Vente chez Abas, a partagé une conviction forte : l'IA ne créera de valeur ni par le nombre de conversations ni par le nombre d'agents déployés. Sa véritable mission sera de détecter plus tôt les signaux métier, d'en expliquer les conséquences et de préparer les bonnes décisions. Une vision qui pourrait profondément transformer le rôle de l'ERP dans l'industrie.
Depuis plusieurs années, les entreprises industrielles investissent massivement pour centraliser leurs données. ERP, MES, outils qualité, supply chain, BI… les informations n'ont jamais été aussi nombreuses et aussi accessibles. Pourtant, un problème demeure.
Les industriels ne manquent pas de données. Ils manquent souvent de temps pour les interpréter, les relier entre elles et agir avant qu'un problème n'impacte la performance de l'entreprise. C'est précisément le sujet abordé lors de la conférence "Décryptage des grandes tendances et des évolutions des ERP portées par l’apport de l’IA dans et autour des solutions logicielles" consacrée à l'intelligence artificielle et l'ERP dans l'industrie.
Le véritable enjeu de l'IA n'est pas de produire davantage d'informations. Il est d'identifier plus tôt les signaux déjà présents dans les données de l'entreprise, de les replacer dans leur contexte métier et de préparer la bonne action, tout en laissant la décision finale aux équipes.
Les ERP ont transformé les entreprises en créant une source unique d'information. Commandes, achats, production, qualité, stocks, planification ou finance : les données sont déjà présentes dans les systèmes. Pourtant, de nombreux signaux faibles passent encore inaperçus :
Dans la plupart des cas, les informations permettant de détecter ces situations existent déjà dans l'ERP. Le problème est qu'elles sont dispersées dans différents écrans, rapports ou tableaux de bord.
Le signal est parfois présent dès les premiers jours, mais il n'est détecté que plusieurs semaines plus tard, lorsque ses conséquences deviennent visibles. L'enjeu n'est donc pas toujours d'obtenir davantage de données. L'enjeu est de réduire le temps qui s'écoule entre l'apparition d'un signal et la prise de décision.
L'arrivée des modèles d'intelligence artificielle générative a suscité un immense enthousiasme. Mais dans l'industrie, la capacité à rédiger un texte ou à résumer un document ne constitue pas nécessairement la priorité.
La vraie question est différente :
" L'IA peut-elle aider à détecter suffisamment tôt qu'une marge commence à dériver, qu'un délai risque d'être dépassé ou qu'un approvisionnement devient critique ? "
L’une des convictions fortes partagées lors de la conférence est qu’une IA industrielle ne peut pas être simplement une technologie généraliste branchée sur une base de données.
L’industrie possède ses propres contraintes :
Comprendre une dérive de marge dans un environnement industriel implique souvent d’analyser simultanément plusieurs facteurs : achats, production, qualité, logistique et finance.
C’est pourquoi la valeur de l’IA repose avant tout sur sa capacité à comprendre le contexte métier.
Chez Abas, cette approche s’appuie sur plus de 45 ans d’expertise industrielle, plus de 4 000 clients industriels et un portefeuille de logiciels spécialisés couvrant des environnements allant de la fabrication à l’affaire à la production sur stock, en passant par les séries courtes ou les produits configurés.
L’objectif n’est pas d’ajouter une couche technologique supplémentaire. L’objectif est de renforcer la capacité des équipes à détecter, comprendre et traiter les situations importantes avant qu’elles ne deviennent des problèmes.
Au travers d'une démonstration live, nos experts vous expliquent comment Abas ERP associe puissance métier, données fiables et intelligence artificielle intégrée pour aider les PME et ETI industrielles à répondre aux défis d'aujourd'hui tout en préparant ceux de demain.
Chez Abas, comme pour le développement de nos fonctionnalités, l’approche de l’IA ne s’est pas construite à partir des modèles ou des effets de mode du marché. L'approche s'est développée à partir de problématiques exprimées par nos clients industriels eux-mêmes lors de hackathons : comment accéder plus vite à l’information, détecter plus tôt une dérive, sécuriser une décision ou encore automatiser certaines tâches à faible valeur ajoutée. Ces travaux ont conduit à structurer l’approche autour de trois grands niveaux de création de valeur.
La première étape consiste à faciliter l'accès aux données et aux connaissances de l'entreprise. Les assistants conversationnels permettent aux utilisateurs d'interroger l'ERP ou les bases documentaires en langage naturel, sans devoir connaître la structure des données ou naviguer entre de multiples écrans.
L’objectif n’est pas de remplacer l’expertise métier. Il est de rendre cette expertise plus facilement accessible à tous les collaborateurs, y compris lorsqu’ils ne maîtrisent pas parfaitement la structure des données ou les subtilités du système d’information.
En quelques secondes, un utilisateur peut retrouver une information qui aurait auparavant nécessité plusieurs recherches ou l’intervention d’un expert.
Le deuxième niveau concerne les agents spécialisés.
Contrairement à un assistant conversationnel qui répond à une question, un agent surveille une situation métier et attire l’attention sur un événement significatif.
Il détecte un signal, rassemble automatiquement le contexte disponible et prépare une recommandation.
Prenons l’exemple d’un commercial devant réaliser un devis pour l'un de ses clients.
Avant d'établir son devis, le commercial peut interroger l'agent pour faire apparaître automatiquement :
Le commercial n’a donc plus besoin de rassembler lui-même toutes ces informations. Il dispose immédiatement du contexte nécessaire pour établir l'offre la plus adéquate. Cette logique est particulièrement intéressante car elle permet de passer d’une recherche d’information à une véritable assistance à la décision.
La troisième dimension de notre approche est probablement la plus représentative de la manière dont nous concevons l'innovation chez Abas. Nous ne partons pas d'une technologie en cherchant ensuite où l'appliquer. Nous partons d'un problème métier concret rencontré par un industriel.
Lorsqu'un client est confronté à un enjeu pour lequel aucun cas d'usage IA existant ne répond de manière satisfaisante, nous pouvons travailler conjointement avec lui pour concevoir une solution adaptée à son contexte, à ses données et à ses processus.
Cette démarche présente un double avantage.
D'une part, elle permet de résoudre un problème réel avec des résultats rapidement mesurables. D'autre part, elle nous aide à identifier les problématiques qui dépassent le cadre d'une seule entreprise et qui peuvent concerner d'autres industriels.
Lorsqu'un besoin se retrouve chez plusieurs clients, nous pouvons alors transformer cette innovation en une capacité plus largement disponible au sein de nos solutions.
Autrement dit, notre feuille de route IA ne repose pas uniquement sur une vision technologique portée par les équipes R&D. Elle se construit également à partir des défis opérationnels rencontrés sur le terrain par les industriels que nous accompagnons.
Cette approche se traduit déjà par plusieurs cas d’usage concrets.
L'exemple de Julian Soler, entreprise qui produit et exporte du jus de raisin et du moût concentré dans plus de 60 pays, illustre bien cette approche. L'entreprise gère plus de 1 000 références et réalise entre 30 et 40 productions quotidiennes. Les calculs de formulation mobilisaient auparavant entre quatre et huit heures de travail par jour dans Excel. En exploitant conjointement les données de production, de laboratoire et de qualité, la solution développée permet désormais d'identifier et de classer automatiquement les combinaisons les plus pertinentes.
L’intérêt n’est pas de démontrer une prouesse technologique. L’intérêt est d’améliorer un processus métier concret avec des résultats observables. La même logique s’applique à d’autres domaines comme la qualité, la planification, les achats ou encore la gestion documentaire.
La question n’est jamais : « Combien d’agents avons-nous déployés ? » La question est : « Quel problème métier avons-nous résolu ? »
Cette vision s’accompagne d’un principe fondamental : l’humain reste décisionnaire. L’IA peut détecter une situation, analyser un contexte, rapprocher des données ou préparer une recommandation. En revanche, elle ne porte pas seule la responsabilité de la décision.
Dans un environnement industriel, le contexte commercial, les contraintes opérationnelles, la connaissance du client ou les enjeux qualité restent essentiels.
L’IA agit donc comme un copilote :
Mais elle laisse la validation finale aux équipes.
Cette approche est d’autant plus importante que les entreprises souhaitent aujourd’hui des systèmes fiables, gouvernés et capables de respecter les règles métiers existantes.
Pendant des décennies, l’ERP a été le système d’enregistrement de l’entreprise. Il permettait de savoir ce qui s’était passé. Demain, les industriels en attendront davantage.
Ils voudront que leur ERP soit capable de signaler :
La fonctionnalité indispensable de demain ne sera probablement pas un chatbot supplémentaire. Ce sera la capacité à détecter un signal métier, à en expliquer l’impact et à préparer la prochaine action.
Découvrez comment Abas ERP facilite vos tâches quotidiennes grâce à de courtes vidéos produit.
Faites connaissance avec Abas ERP et explorez ce qui rend notre solution si unique.
Le marché regorge aujourd'hui de nouveaux agents IA spécialisés. Pourtant, l'avenir ne semble pas résider dans l'accumulation de briques indépendantes. Le principal défi n'est pas la technologie. Il concerne la qualité des données, le contexte métier et la gouvernance.
Un agent n'est réellement utile que s'il comprend :
Sans ce contexte, même l'agent le plus sophistiqué risque de produire des recommandations approximatives.
S'il fallait retenir une idée de cette conférence, ce serait sans doute celle-ci :
L'ERP a largement résolu le problème de la centralisation des données. L'IA doit maintenant résoudre le problème du temps.
La valeur de l’IA industrielle se jouera ainsi dans sa capacité à raccourcir le délai entre l’apparition d’un signal, sa compréhension et la décision. C’est probablement là que se dessine la prochaine évolution de l’ERP : passer d’un système qui enregistre le passé à un système qui aide activement à préparer l’avenir.
