Ça fait un petit bout de temps que ça m’agace toute cette frénésie pour l’intelligence artificielle. Détrompez-vous, c’est vraiment toute une avancée l’IA !!! On s’entend qu’un jour on sera sûrement dépassé par l’IA, mais aujourd’hui, faudrait peut-être prendre notre gaz égal… Surtout avec ce qui se passe de nos jours avec nos voisins du sud, je ne sais plus quoi penser sur ce qu’est l’intelligence tout court…
Bon, revenons à notre sujet. Je peux peut-être paraître pessimiste, mais encore de nos jours, que vous soyez une petite ou une grosse organisation, j’ai encore l’impression qu’on patauge dans une mer de données quand on parle d’analyse opérationnelles et financières. Bien sûr nos états financiers balancent, on a des experts qui s’assurent de tout bien additionner et auditer, mais on semble encore avoir de la difficulté à analyser, interpréter et comprendre nos données opérationnelles et financières, surtout la rentabilité de nos produits et services.
Mais quel est le lien avec l’IA ? Ce qui m’agace, c’est qu’on oublie qu’il y a encore beaucoup à faire pour tout simplement trouver les bonnes données et à bien les assembler. Assembler vous dites !!! Oui oui assembler…. Il ne suffit pas seulement d’additionner des chiffres, mais il faut aussi savoir comment les mettre en relation, les assembler, si on veut avoir une bonne idée d’où proviennent nos profits ou pertes. Vous me voyez probablement venir, je veux parler du coût de revient. Ça a toujours l’air simple quand on veut calculer le coût de revient d’un produit ou d’un service. Dans le fond, il ne suffit que de diviser une somme d’argent par un volume, c’est tout simple…
Mais s’assurer que le numérateur est en lien avec le dénominateur ($/Qté). C’est là que l’Intelligence Naturelle (IN) devrait avoir le dessus sur l’IA. Car si nos données de base ne sont pas justes, et on ne sait pas trop comment les assembler (interpréter) correctement, comment voulez-vous qu’une intelligence, peu importe laquelle, se démarque ?
Bon, je ne vous apprends rien en vous disant qu’il y a encore du chemin à faire avec l’IA dans certains domaines, dont la gestion des coûts. Toutefois, pour mettre le tout en perspective entre l’IA et l’analyse de votre rentabilité, vous trouverez ci-après trois concepts interreliés. Ils sont complémentaires et s’intègrent souvent dans une même stratégie d’entreprise pour améliorer la prise de décision et l’automatisation des processus.
- L’IA est une couche intelligente qui utilise les données pour automatiser des décisions et apprendre.
- Le Big Data est l’infrastructure qui stocke et traite ces données massives.
- La BI est l’analyse et le reporting permettant de prendre des décisions stratégiques basées sur ces données.
En résumé, le coût de revient, n’est pas si compliqué, c’est plutôt, complexe…
Voici un petit tableau qui résume bien l’interaction entre l’IA, le Big Data et le BI
| Critères | Intelligence Artificielle (IA) | Big Data | Business Intelligence (BI) |
| Définition | Capacité des machines à imiter l’intelligence humaine pour apprendre, analyser et prendre des décisions. | Ensemble de technologies et processus permettant de stocker, traiter et analyser d’énormes volumes de données. | Processus d’analyse des données pour prendre des décisions stratégiques. |
| Objectif | Automatiser des tâches, apprendre des modèles et prendre des décisions intelligentes. | Gérer des volumes massifs de données et en extraire des insights. | Transformer des données en informations exploitables pour l’entreprise. |
| Approche | Algorithmes avancés (ML, Deep Learning, NLP, etc.). | Architecture et outils pour le stockage et le traitement (Hadoop, Spark, NoSQL, etc.). | Outils de reporting et d’analyse des tendances (Tableau, Power BI, etc.). |
| Type de données | Données structurées et non structurées utilisées pour entraîner des modèles. | Données massives, variées, souvent non structurées. | Données principalement structurées et historisées. |
| Utilisation | Chatbots, reconnaissance d’image, prédictions, automatisation intelligente. | Stockage et traitement de données en temps réel, data lakes, analytics avancées. | Rapports, tableaux de bord, KPI, analyse descriptive. |
| Lien avec les autres | Utilise le Big Data pour entraîner ses modèles. Peut être intégré dans la BI pour améliorer les insights. | Fournit les données brutes et les infrastructures nécessaires à la BI et à l’IA. | Peut intégrer l’IA pour des prédictions et exploite le Big Data pour enrichir ses analyses. |
- IBM : Big Data vs BI vs AI
- Gartner : How AI Enhances Business Intelligence
- Harvard Business Review : The Role of Big Data in AI