00:00:03 IA dans les supply chains.
00:01:02 La vision de Joannes Vermorel sur l’IA pratique.
00:02:40 Le potentiel de l’IA pour des prévisions plus précises.
00:04:07 L’IA en pratique : résoudre la compatibilité des pièces automobiles.
00:06:33 Le rôle de l’IA dans la gestion des cas limites de supply chain.
00:08:01 Le potentiel de l’IA pour détecter les cas limites du système.
00:09:59 Appliquer l’IA à la prévision des supply chains.
00:11:42 Nécessité d’une supervision humaine dans les implémentations de l’IA.
00:14:27 Résistance à l’adoption de l’IA en raison de la crainte de pertes d’emploi.
00:16:00 Les doubles rôles des stocks dans le commerce de détail.
00:17:33 L’IA pour déterminer les besoins précis en stocks.
00:18:39 L’impact de l’IA sur les rôles de supply chain et de marketing.
00:19:32 Les défis de la mise en œuvre de l’IA.
Résumé
La discussion se concentre sur l’application de l’IA dans la gestion de la supply chain. Vermorel, fondateur de Lokad, souligne le potentiel de l’IA pour répondre à des défis complexes qui vont bien au-delà de simples problèmes statistiques, tels que la compatibilité des pièces automobiles, et pour gérer des cas limites qui sont traditionnellement traités manuellement. Même face à la crainte persistante de pertes d’emploi, il soutient que l’IA élimine souvent les tâches fastidieuses, améliorant ainsi la qualité de l’emploi. Toutefois, il reconnaît que le caractère perturbateur de l’IA peut déclencher des conflits internes, comme en témoigne l’exemple où l’optimisation de stocks pilotée par l’IA impacte les responsabilités en marketing et en supply chain. Vermorel suggère que ces changements organisationnels, plutôt que le simple déploiement de logiciels, pourraient ralentir l’adoption de l’IA dans les entreprises, indiquant un changement significatif des normes commerciales au fil du temps.
Résumé étendu
La discussion porte sur le sujet de l’Intelligence Artificielle (IA) dans la gestion de la supply chain, en mettant en lumière les avantages potentiels et leurs implications. Kieran Chandler, l’animateur, lance la conversation en affirmant que l’IA est un buzzword récent dans le secteur technologique. Cela amène l’invité, Joannes Vermorel, à s’interroger sur le moment opportun pour l’intégration de l’IA dans les opérations de supply chain.
Vermorel est d’accord avec l’observation de Chandler concernant le statut de buzzword de l’IA et propose que les véritables experts du domaine n’utilisent guère le terme “intelligence artificielle”. Il souligne que, malgré le caractère à la mode de l’IA, cela n’enlève rien aux progrès significatifs réalisés sous son égide. Il identifie trois éléments clés : de meilleures méthodes mathématiques, une quantité croissante de données accessibles et une puissance de traitement accrue.
Vermorel avance que ces progrès peuvent aboutir à des prévisions plus précises au sein de la gestion de la supply chain. Pourtant, il insiste sur le fait que le délai pour une intégration totale est incertain et s’étendra probablement sur des décennies en raison des défis uniques propres à l’industrie de la supply chain.
Lorsqu’il demande des précisions sur les avantages potentiels qu’apportent des méthodes statistiques sophistiquées ou des techniques de deep learning à la gestion de la supply chain, au-delà de l’amélioration des prévisions, Vermorel soutient que l’impact de l’IA est multifacette. Il précise que la révolution de l’IA revient à découvrir la couleur après avoir connu uniquement le noir et blanc ; il ne s’agit pas seulement d’une meilleure résolution, mais aussi de la révélation de nouvelles perspectives et dimensions.
Il souligne en outre que les avantages les plus significatifs de l’IA pour la gestion de la supply chain pourraient émerger de domaines qui ne semblent pas, a priori, être des problèmes statistiques. Ces opportunités cachées pour l’application de l’IA, suggère Vermorel, sont là où résidera la véritable valeur de l’IA.
Pour illustrer son propos, Vermorel donne l’exemple d’une application non évidente de l’IA dans la supply chain : la compatibilité des pièces automobiles. Il expose la difficulté de maintenir une base de données des compatibilités entre pièces et voitures, une tâche redoutable compte tenu des millions de pièces uniques et des centaines de milliers de véhicules distincts rien qu’en Europe.
Vermorel révèle comment son équipe chez Lokad, spécialisée dans le machine learning, et non l’intelligence artificielle à proprement parler, a réussi à développer un algorithme. Nous avons testé cet algorithme dans un environnement réel et il a atteint une précision de 98 % pour identifier les compatibilités revendiquées dans la base de données, ainsi que pour détecter les compatibilités manquantes. Ce cas souligne le potentiel de l’IA pour résoudre des problèmes complexes au sein de la supply chain qui vont au-delà des questions statistiques classiques.
Vermorel entame une discussion sur le fait que les complexités de la supply chain vont bien au-delà des catalogues standard ou des solutions préétablies. Il souligne que la plupart des défis de la supply chain se situent dans les cas limites — des situations qui s’écartent de la norme. Selon lui, ces cas limites sont souvent traités par de grandes équipes de personnes qui modifient et corrigent manuellement les anomalies à l’aide d’outils tels qu’Excel. Ce processus fastidieux, bien que nécessaire, indique un domaine où l’IA pourrait apporter des bénéfices substantiels.
La discussion se tourne ensuite vers les possibilités qu’offre l’IA pour détecter et gérer ces cas limites. Vermorel illustre que l’IA pourrait potentiellement atténuer certains problèmes rencontrés dans la gestion de la supply chain, y compris les retards et les ruptures de stock. Cependant, cette solution d’IA ne ressemblerait peut-être pas aux systèmes vocaux familiers tels que Siri ou Cortana. Plutôt que d’avoir une IA unique et multifonctionnelle, Vermorel envisage une série de micro-cas d’usage hautement spécialisés de l’IA destinés à gérer des aspects spécifiques de la supply chain.
Vermorel commente également les capacités prédictives de l’IA dans la gestion de la supply chain. Il note qu’en dehors de la prévision de la demande, l’IA peut aussi offrir une prévision probabiliste concernant les problèmes fournisseurs, tels que les retards ou les problèmes de qualité. Il mentionne que l’IA peut prévoir les retours clients, un facteur particulièrement crucial dans le contexte du le e-commerce de mode.
Plus tard, Chandler et Vermorel débattent du niveau d’expertise en IA nécessaire pour mettre en œuvre un tel système. La question est de savoir si les entreprises ont besoin d’experts en IA pour exploiter les avantages de l’IA
dans la gestion de la supply chain. Vermorel considère que les éléments d’IA de l’opération peuvent être externalisés, supprimant ainsi la nécessité pour les entreprises de maintenir une équipe interne d’experts en IA. Il suggère que les organisations peuvent déléguer leurs besoins en IA à une entreprise comme Lokad, qui se spécialise dans l’optimization de la supply chain.
Vermorel identifie l’un des principaux obstacles à l’adoption de l’IA dans les entreprises : les conflits internes potentiels en raison de la rupture du statu quo. La peur des pertes d’emploi avec la mise en œuvre de l’IA est également évoquée dans la discussion. Cependant, Vermorel estime que cette crainte, bien que valide, est souvent mal orientée. Il affirme que l’IA a tendance à remplacer les tâches fastidieuses et subalternes, comme la gestion des tableurs, qu’il qualifie de “le pire type d’emploi qui soit”. Plutôt que de générer du ressentiment, ce type d’automatisation peut libérer les employés pour se concentrer sur des aspects plus significatifs de leurs fonctions.
Toutefois, Vermorel reconnaît que l’adoption de l’IA peut entraîner des discordes au sein d’une entreprise, mais que ce conflit se manifesterait au niveau de la direction plutôt qu’auprès des employés de base. Il illustre cela avec un exemple dans le commerce de détail. Les stocks dans un magasin servent deux fonctions : répondre aux demandes des clients et rendre le magasin attrayant pour ces derniers. Ici, l’IA pourrait déterminer le stock optimal nécessaire pour satisfaire ces deux finalités.
Le problème se pose lorsqu’il s’agit de déterminer quel département de l’entreprise devrait supporter les coûts liés à chaque fonction des stocks. La supply chain couvrirait naturellement le coût de stock pour répondre aux demandes des clients. Cependant, le coût des stocks destinés à rendre le magasin attrayant (que Vermorel assimile aux dépenses marketing, comme les publicités télévisées) relèverait logiquement du marketing. Cette répartition, rendue possible par la précision de l’IA, pourrait engendrer d’importants différends, notamment si, par exemple, les directeurs marketing se voient soudainement imposer de lourdes dépenses inattendues.
Vermorel suggère que ce sont précisément ce type de problèmes qui ralentira l’adoption de l’IA dans les entreprises, plutôt que la crainte de pertes d’emploi. Bien que le déploiement du logiciel lui-même puisse être réalisé relativement rapidement, les changements organisationnels qu’il entraîne pourraient prendre beaucoup plus de temps. Vermorel estime que cette réévaluation des normes opérationnelles et des responsabilités, induite par la mise en œuvre de l’IA, constituera le principal défi pour les entreprises dans les années à venir.
Transcription complète
Kieran Chandler: Aujourd’hui, nous allons parler d’intelligence artificielle, un sujet qui est devenu un buzzword dans le monde de la technologie ces dernières années. Aujourd’hui, nous allons tenter de dépasser tout ce battage médiatique pour nous concentrer sur son application et sur ce qu’elle peut apporter au monde des supply chains. Me rejoignant une fois de plus aujourd’hui, Joannes Vermorel, qui va m’aider dans notre discussion. Alors Joannes, merci de nous rejoindre.
Joannes Vermorel: Bonjour, Kieran.
Kieran Chandler: Alors, si nous écoutons certains experts du domaine, ils affirment que l’intelligence artificielle va remplacer la moitié des emplois dans le monde d’ici 2050. Cependant, si l’on regarde les supply chains en général, ce n’est pas encore le cas. Elles sont encore largement gérées par des tableurs Excel et de manière très humaine. Alors, quand pensez-vous que l’intelligence artificielle fera son entrée dans l’industrie de la supply chain ? Quel délai envisage-t-on ?
Joannes Vermorel: C’est une question très intéressante. Je suis d’accord avec vous pour dire que l’intelligence artificielle est un buzzword. Et je crois même qu’une manière de reconnaître si quelqu’un sait de quoi il parle en évoquant l’intelligence artificielle est de voir s’il utilise ou non ce terme. Les personnes les plus compétentes, souvent, ne l’emploient pas. Mais ce n’est pas parce que c’est un buzzword qu’il n’y a rien derrière. Alors, qu’avons-nous derrière ? Nous avons environ trois choses : de meilleures méthodes mathématiques, beaucoup plus de données, et une puissance de traitement accrue. Il vous faut une méthode capable de transformer toutes ces données, grâce à de meilleures méthodes mathématiques, en de meilleurs résultats, ce qui se traduit en supply chain par des prévisions plus précises. En termes de délai, je pense qu’il y a de nombreux aspects spécifiques à l’univers de la supply chain qui doivent être abordés, et que les délais sont assez flous. Cela prendra beaucoup de temps, littéralement des décennies.
Kieran Chandler: Donc, si nous mettons de côté les préoccupations liées à la terminologie et affirmons que l’intelligence artificielle désigne en gros des techniques de deep learning vraiment avancées, que peuvent attendre les praticiens de la supply chain de ces méthodes statistiques avancées ? Ils pourraient sans doute espérer de meilleures prévisions, mais y a-t-il autre chose qu’ils puissent attendre ?
Joannes Vermorel: Oui, il y a bien plus. L’un des problèmes avec la prévision avant cette vague d’intelligence artificielle était que nous n’avions pas beaucoup d’exemples concrets de ce à quoi une meilleure prévision pouvait ressembler. Par définition, une prévision plus précise est une meilleure prévision, mais est-ce la seule approche ? L’intelligence artificielle offre d’autres exemples qui suggèrent le contraire. C’est un peu comme si nous regardions quelque chose en noir et blanc, et que maintenant nous recevions la couleur. Il ne s’agit pas seulement d’une meilleure résolution, c’est une toute autre dimension. Pour les supply chains, je crois que les plus grands bénéfices viendront de problèmes qui ne ressemblent pas du tout à des problèmes statistiques, et c’est là que l’intelligence artificielle brillera réellement.
Kieran Chandler: Donc, ce que vous dites, c’est qu’il existe des problèmes qui, à première vue, ne ressemblent pas du tout à des problèmes statistiques, mais qui peuvent en réalité être utilisés comme une sorte de prévision pour permettre l’utilisation de la technologie IA. Pourriez-vous développer un peu cela ?
Joannes Vermorel: L’année dernière, j’ai eu l’occasion de travailler sur un problème très intrigant, à savoir la compatibilité des pièces automobiles dans l’industrie automobile.
Kieran Chandler: Vous avez essentiellement des voitures qui doivent être réparées et, pour ces voitures, il vous faut des pièces. Pour vous donner une idée du problème sur le marché européen, il existe plusieurs millions de pièces différentes. C’est un peu fou quand on pense qu’il n’y a que 300 millions d’Européens. De plus, il y a plus de cent mille véhicules distincts. Il existe toute une industrie, bien que modeste, qui concurrence sur un seul aspect : établir une base de données de compatibilité entre voitures et pièces. Toutes ces entreprises se contentent de créer une liste indiquant quelle voiture est compatible avec quelle pièce.
Joannes Vermorel: En effet, ces bases de données se composent de millions de lignes et sont entièrement maintenues manuellement, avec littéralement des centaines de personnes consacrant leur vie à la gestion de cette base de données. Mon équipe chez Lokad, qui se spécialise dans le machine learning, et non l’intelligence artificielle à proprement parler, a réussi à développer un algorithme. Nous avons testé cet algorithme dans un environnement réel et il a atteint une précision de 98 % pour identifier les compatibilités revendiquées dans la base de données. L’algorithme a également démontré une précision de 98 % pour détecter les compatibilités manquantes, il se peut donc qu’une pièce compatible avec votre véhicule puisse exister, mais que vous ou quiconque ne le sache pas encore, car il est assez difficile de suivre autant de voitures et de pièces.
Kieran Chandler: Utiliser l’intelligence artificielle pour déterminer si une pièce automobile est compatible avec mon véhicule semble un peu excessif. J’aurais pensé qu’un catalogue simple pourrait suffire, ou qu’une solution basique prête à l’emploi serait envisageable. Mais qu’en est-il des supply chains en général ? Que peut apporter l’intelligence artificielle pour elles ?
Joannes Vermorel: Le point que je veux illustrer est que la plupart des défis dans les supply chains se situent en réalité dans les cas limites. Ce sont des situations qui fonctionnent habituellement mais où il y a ensuite des exceptions. Ces exceptions ne se résolvent pas d’elles-mêmes. Il faut des gens, et beaucoup d’entre eux, pour résoudre ces cas limites. Vous vous retrouvez avec de véritables armées de personnes ajustant essentiellement des feuilles Excel, car on remarque le grand nombre de personnes qui traitent ces cas limites dans les supply chains à force d’éditer des feuilles Excel. Ils ne perdent pas leur temps. Ils s’occupent de ces cas limites qui ne s’intègrent pas vraiment dans le système principal ERP. Ils doivent se rabattre sur Excel pour les gérer. Ainsi, techniquement, dès que vous voyez des personnes devoir gérer manuellement une multitude de cas limites impliquant typiquement Microsoft Excel, il s’agit d’une situation que l’intelligence artificielle peut probablement résoudre.
Kieran Chandler: Donc, faire en sorte que l’IA détecte ces cas limites semble être une excellente idée. Cela contribuerait certainement grandement à résoudre certains des problèmes que nous rencontrons ici chez Lokad, comme par exemple des retards et des ruptures de stocks accidentelles. Mais à quoi cela ressemblerait-il concrètement ? Serait-ce quelque chose comme Siri ou Cortana, une voix dans l’oreille de l’opérateur qui lui dirait ce qu’il doit faire et quand le faire ?
Joannes Vermorel: L’idée que votre téléphone vous dise soudainement, “regardez à gauche, vous avez un problème” relève de la pure science-fiction. Ces systèmes d’IA actuels, comme Cortana et Siri, sont plutôt une série de micro cas d’usage fortement spécialisés. Par exemple, les personnes ayant implémenté Cortana et Siri ont un cas d’usage spécifique pour commander une pizza. Ils développent énormément de code juste pour le rendre suffisamment flexible afin de fonctionner presque partout dans le monde, pour que vous puissiez commander une pizza.
Kieran Chandler: Réussir à livrer une pizza avec succès n’importe où dans le monde est en réalité tout un défi. Il s’agit de cas d’usage très spécifiques. Ces assistants IA ne sont rien d’autre qu’une collection de cas d’usage bien intégrés. Maintenant, pour la supply chain, ce sera à peu près la même chose. Vous obtiendrez des prévisions pour tous les domaines où il existe de l’incertitude. La demande future n’est pas la seule chose incertaine dans votre supply chain, il y a beaucoup d’autres éléments tels que, par exemple, les délais d’approvisionnement. Vos fournisseurs ne sont pas parfaitement fiables. On ne sait pas vraiment à quel point ils le sont ou non.
Joannes Vermorel: Absolument, et c’est là que l’IA peut aider. L’intelligence artificielle peut fournir une prévision probabiliste très précise des problèmes que vos fournisseurs pourraient engendrer. Et il ne s’agit pas uniquement des retards. Peut-être que votre fournisseur livrera les marchandises que vous avez commandées à temps, mais lorsqu’elles arriveront à votre warehouse et que vous les inspecterez, vous pourriez constater un problème de qualité.
Donc, il ne s’agit pas seulement des retards, mais aussi de la qualité de ce que vous recevez. Si vous êtes une plateforme de le e-commerce fashion, par exemple, vous vendez des produits à vos clients et parfois, parce que c’est fashion, ils n’apprécient tout simplement pas cela. Alors, ils vous renvoient ces produits. Savoir à l’avance qui et combien de personnes renverront des articles est extrêmement utile pour optimiser votre supply chain.
Il existe une multitude de domaines où vous faites face à de l’incertitude, peut-être pas aussi significative que la prévision de la demande future, mais néanmoins cruciale à aborder. Je crois que ces technologies futures basées sur l’IA contribueront de manière significative à la gestion de la supply chain.
Kieran Chandler: Passons maintenant au volet de la supervision humaine. Ces technologies d’IA ne pourront pas fonctionner de manière autonome. De quelle expertise en IA aura-t-on réellement besoin pour faire fonctionner un projet comme celui-ci ? Les grandes entreprises, comme Google, pourraient disposer des ressources nécessaires pour employer un grand nombre d’experts en IA, mais qu’en est-il d’autres ? Par exemple, les entreprises de le e-commerce fashion tendent à être à la pointe des tendances en technologie, mais elles ne disposent peut-être pas d’experts en IA dans leurs équipes. Comment voyez-vous cela fonctionner concrètement dans le monde réel ?
Joannes Vermorel: Tout d’abord, les meilleures entreprises de le e-commerce fashion que je connaisse disposent d’experts en IA dans leurs rangs, bien que ce soit une exception. Pour répondre à votre question, je pense que les entreprises de supply chain, ou celles qui doivent gérer une supply chain, n’ont pas nécessairement besoin d’experts en IA. Elles ont besoin d’autre chose, et j’y reviendrai plus tard.
Le composant IA peut être entièrement externalisé à une entreprise comme Lokad. Si vous avez des préoccupations concernant l’IA, vous pouvez simplement devenir client de Lokad et nous externaliser votre composant IA. C’est une stratégie qui peut évoluer assez efficacement.
Cependant, abordons les éléments qui ne se scalent pas, et c’est là qu’intervient l’aspect temporel. Je pense que le problème avec l’IA est qu’elle force les entreprises à devenir plus rationnelles. Elle les oblige également à éliminer les ambiguïtés et à remettre en question le statu quo. C’est exactement ce dont je parle dans mon livre sur la Supply Chain Quantitative. Si vous espérez optimiser quoi que ce soit, vous devez d’abord établir une mesure. C’est un défi, car cela remet directement en cause le statu quo. Cela, je pense, est le véritable défi de la technologie IA dans la supply chain.
Kieran Chandler: Les entreprises sont confrontées au défi de changer le statu quo pour améliorer et exploiter l’IA. Cela peut potentiellement conduire à des conflits internes. Il est intéressant d’examiner comment cela se déroule. Il semble qu’il existe des entreprises qui pourraient voir l’IA comme une perspective réaliste. Pourtant, il y a aussi de la sympathie pour ces employés dont les emplois pourraient être remplacés par ces systèmes intelligents. Combien de temps faudra-t-il avant que nous ayons un présentateur IA à la télévision ? Sans plaisanter, y a-t-il une crainte que cela ne bloque ou ne ralentisse l’adoption de la technologie ? Ici chez Lokad, nous avons de nombreux clients. Si nous introduisons un nouveau modèle d’intelligence artificielle, comment voyez-vous son fonctionnement auprès de vos clients ?
Joannes Vermorel: C’est un bon point. La peur est justifiée, mais les attentes des gens quant à ce qui va se passer sont généralement erronées. Si vous lisez la presse, vous penseriez que tous ces emplois vont être remplacés et que les gens s’y opposeront. Cependant, dans la supply chain, ce n’est pas le cas. Pourquoi ? Parce que les emplois qui sont remplacés ne sont, franchement, pas très intéressants. Imaginez consacrer huit heures par jour à éditer des feuilles Excel. Ce n’est pas un travail engageant. Les gens sont généralement ravis lorsque cette tâche peut être automatisée. Ils peuvent alors effectuer une version plus valorisante de leur travail, qui a davantage de sens et ne comporte pas autant de tâches fastidieuses avec Excel. Mais cela ne signifie pas qu’il n’y aura pas de conflits. Ceux-ci se produiront à un niveau complètement différent – au niveau de l’entreprise.
Par exemple, considérez un réseau de distribution comportant divers magasins. La question se pose : qu’en est-il des stocks dans chaque magasin ? À première vue, vous penseriez que tous les produits présents dans les magasins existent uniquement pour être vendus aux clients. Mais ce n’est pas tout à fait vrai. Les stocks dans un magasin remplissent deux fonctions. La première est qu’un client entre dans le magasin, trouve ce qu’il désire et effectue un achat. La seconde est de rendre le magasin suffisamment attrayant pour inciter le client à acheter quelque chose. Ainsi, les stocks jouent un double rôle.
Kieran Chandler: Le problème que nous abordons aujourd’hui est la raison pour laquelle les magasins regorgent de marchandises. On dirait qu’ils ont peur de paraître à moitié vides, rappelant un magasin de l’URSS. Ce n’est pas une image désirable pour les clients.
Joannes Vermorel: Absolument, les acteurs du retail en sont conscients. C’est essentiellement de cela qu’il s’agit dans le merchandising. Maintenant, examinons ce que l’intelligence artificielle peut apporter. L’IA est si précise qu’elle peut fournir des réponses dont vous ignoriez même l’existence. Premièrement, elle peut vous indiquer exactement combien d’unités de stocks sont nécessaires pour servir vos clients. Deuxièmement, elle peut calculer la quantité de stocks requise pour rendre votre magasin visuellement attrayant pour les clients.
Kieran Chandler: Alors, si nous envisageons cela au niveau de l’entreprise, qui va payer pour ces deux types de stocks ?
Joannes Vermorel: Eh bien, la supply chain paie naturellement pour les stocks nécessaires aux clients. Quant aux stocks supplémentaires, présents simplement pour rendre le magasin attrayant, il s’agit essentiellement d’une dépense marketing. C’est comparable à payer pour une publicité télévisée – cela ne vend pas directement des produits mais génère de l’intérêt. Ainsi, lorsque vous intégrez l’IA dans votre retail chain, la frontière entre supply chain et marketing commence à s’estomper. Certains pourront trouver cela difficile, notamment le directeur marketing, qui pourrait soudainement voir une grande partie du budget allouée aux stocks.
Kieran Chandler: Il semble que ce changement pourrait provoquer des conflits internes au sein de l’entreprise.
Joannes Vermorel: Oui, il pourrait y avoir des résistances, en particulier de la part de ceux qui étaient à l’aise avec leurs précédents arrangements budgétaires. Ils pourraient dire, “Non, les gars de la supply chain, gardez cela. J’étais très bien avec uniquement des publicités TV dans mon budget.” Mais désormais, la perception change. Les stocks sont vus comme une partie intégrante du marketing. C’est un changement profond, et bien que la mise en œuvre d’un logiciel d’IA puisse s’effectuer rapidement, comprendre et s’adapter à ces changements pourrait prendre des décennies.
Kieran Chandler: Je vois, c’est une perspective éclairante. Eh bien, je crains que ce soit tout le temps dont nous disposions aujourd’hui. Merci pour cette discussion si intéressante, Joannes. Cela a été très varié – nous avons commencé avec l’intelligence artificielle et avons terminé en parlant de magasins en URSS. C’est ainsi que vont les choses. Merci pour votre temps, Joannes.
Joannes Vermorel: Merci, Kieran.
Kieran Chandler: J’espère que notre discussion a permis d’éclaircir certaines idées reçues sur l’intelligence artificielle. Merci de nous avoir suivis et pour les excellents retours que nous avons reçus sur nos vidéos jusqu’à présent. Nous serons de retour très bientôt, mais d’ici là, au revoir.