00:00:03 L’IA dans les supply chains.
00:01:02 Le point de vue de Joannes Vermorel sur l’IA pratique.
00:02:40 Le potentiel de l’IA dans les prévisions plus précises.
00:04:07 L’IA en pratique : résoudre la compatibilité des pièces de voiture.
00:06:33 Le rôle de l’IA dans la gestion des cas particuliers de la supply chain.
00:08:01 Le potentiel de l’IA pour détecter les cas particuliers du système.
00:09:59 Application de l’IA aux prévisions de la supply chain.
00:11:42 Besoin de supervision humaine dans les mises en œuvre de l’IA.
00:14:27 Résistance à l’adoption de l’IA en raison des craintes liées à l’emploi.
00:16:00 Les deux rôles de l’inventaire dans la vente au détail.
00:17:33 L’IA pour déterminer les besoins précis en inventaire.
00:18:39 L’impact de l’IA sur la supply chain et les rôles marketing.
00:19:32 Les défis de la mise en œuvre de l’IA.
Résumé
La discussion porte sur l’application de l’IA dans la gestion de la supply chain. Vermorel, fondateur de Lokad, met l’accent sur le potentiel de l’IA pour relever des défis complexes qui vont au-delà de simples problèmes statistiques, tels que la compatibilité des pièces de voiture, et gérer des cas particuliers qui sont traditionnellement traités manuellement. Malgré la crainte persistante de la perte d’emplois, il affirme que l’IA élimine souvent les tâches fastidieuses, améliorant ainsi la qualité du travail. Cependant, il reconnaît que la nature perturbatrice de l’IA peut susciter des conflits internes, citant en exemple l’optimisation des stocks pilotée par l’IA qui a un impact sur les responsabilités marketing et de la supply chain. Vermorel suggère que de tels changements organisationnels, plutôt que le déploiement de logiciels, pourraient être ce qui freine l’adoption de l’IA dans les entreprises, signalant ainsi une évolution significative 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, mettant en évidence les avantages potentiels et les implications. Kieran Chandler, l’animateur, lance la conversation en affirmant que l’IA est un mot à la mode récent dans l’industrie technologique. Cela incite Joannes Vermorel, l’invité, à réfléchir au moment de l’intégration de l’IA dans les opérations de la supply chain.
Vermorel est d’accord avec la remarque de Chandler sur le statut à la mode de l’IA et propose que les véritables experts dans le domaine n’emploient que rarement le terme “intelligence artificielle”. Il souligne que malgré le fait que l’IA soit un mot à la mode, cela ne remet pas en question les développements importants qui se produisent sous l’ombrelle de l’IA. Il cite trois composantes clés : des méthodes mathématiques améliorées, une quantité croissante de données accessibles et une puissance de traitement en augmentation.
Vermorel avance que ces avancées peuvent conduire à des prévisions plus précises dans la gestion de la supply chain. Cependant, il insiste sur le fait que le calendrier d’intégration totale est indistinct et s’étendra probablement sur plusieurs décennies en raison des défis uniques de l’industrie de la supply chain.
Alors que Chandler demande des éclaircissements sur les avantages potentiels que des méthodes statistiques sophistiquées ou des techniques d’apprentissage profond peuvent apporter à la gestion de la supply chain au-delà des prévisions améliorées, Vermorel soutient que l’impact de l’IA est multifacette. Il précise que la révolution de l’IA est comme l’expérience de la couleur après avoir connu seulement le noir et blanc ; il ne s’agit pas seulement d’une résolution plus élevée, mais aussi de révéler de nouvelles perspectives et dimensions.
Il souligne en outre que les avantages les plus importants de l’IA pour la gestion de la supply chain pourraient émerger de domaines qui n’apparaissent pas initialement comme des problèmes statistiques. Ces opportunités cachées d’application de l’IA, suggère Vermorel, sont là où la véritable valeur de l’IA se manifestera.
Pour illustrer son propos, Vermorel propose un 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 des pièces automobiles, une tâche redoutable compte tenu des millions de pièces uniques et des centaines de milliers de véhicules uniques en Europe seulement.
Vermorel révèle comment son équipe chez Lokad a utilisé l’apprentissage automatique (une sous-catégorie de l’IA) pour résoudre ce problème. Leur algorithme a démontré une précision de 98% accuracy dans l’identification des revendications de compatibilité incorrectes dans la base de données, ainsi que des 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 problèmes statistiques typiques.
Vermorel entame une conversation sur la façon dont les complexités de la supply chain vont au-delà des catalogues standard ou des solutions toutes faites. Il souligne que la plupart des défis de la supply chain se trouvent dans les cas particuliers - des situations qui divergent de la norme. Ces cas particuliers, affirme-t-il, 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 laborieux, bien qu’il soit nécessaire, indique une zone où l’IA pourrait apporter des avantages substantiels.
La discussion se tourne ensuite vers les possibilités offertes par l’IA pour détecter et gérer ces cas particuliers. Vermorel illustre que l’IA pourrait potentiellement atténuer certains problèmes rencontrés dans la gestion de la supply chain, notamment les retards et les ruptures de stock accidentelles. Cependant, cette solution d’IA ne ressemblerait pas aux systèmes familiers à commande vocale tels que Siri ou Cortana. Plutôt qu’une IA unique et multifonctionnelle, Vermorel envisage une série de micro-cas d’utilisation hautement spécialisés de l’IA conçus pour 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 que, en plus de la prévision de la demande, l’IA peut également offrir une prévision probabiliste concernant les problèmes liés aux fournisseurs, tels que les retards ou les problèmes de qualité. Il mentionne que l’IA peut prévoir les retours des clients, un facteur particulièrement crucial dans le contexte du e-commerce de mode. Ces capacités prédictives de l’IA pourraient jouer un rôle vital dans l’optimisation des opérations de la supply chain, en atténuant de nombreuses incertitudes inhérentes au processus.
Plus tard, Chandler et Vermorel débattent du niveau d’expertise en IA nécessaire pour mettre en place un tel système. La question est de savoir si les entreprises ont besoin d’experts en IA pour tirer parti des avantages de l’IA dans la gestion de la supply chain.
Vermorel estime que les éléments d’IA de l’opération peuvent être externalisés, ce qui élimine ainsi le besoin pour les entreprises de maintenir une équipe interne de spécialistes en IA. Il suggère que les organisations peuvent déléguer leurs besoins en IA à une entreprise comme Lokad, spécialisée dans l’optimisation de la supply chain.
Vermorel souligne l’un des principaux obstacles à l’adoption de l’IA dans les entreprises, à savoir les conflits internes potentiels dus à la disruption du statu quo. La crainte de la perte d’emplois avec la mise en œuvre de l’IA est également abordée dans la discussion. Cependant, Vermorel considère que cette crainte, bien que valide, est souvent mal orientée. Il affirme que l’IA tend à remplacer les tâches fastidieuses et subalternes telles que la gestion des feuilles de calcul, qu’il qualifie de “pire type de travail qui soit”. Au lieu de susciter du ressentiment, ce type d’automatisation peut libérer les employés pour se concentrer sur des aspects plus significatifs de leurs fonctions.
Néanmoins, Vermorel reconnaît que l’adoption de l’IA peut entraîner des conflits au sein d’une entreprise, mais ce conflit se manifesterait au niveau de l’entreprise plutôt qu’entre les employés de base. Il illustre cela avec un exemple dans le secteur de la vente au détail. Les stocks dans un magasin de vente au détail remplissent deux fonctions : répondre aux demandes des clients et rendre le magasin attrayant pour les clients. Ici, l’IA pourrait déterminer les stocks optimaux nécessaires pour remplir ces deux objectifs.
Le problème se pose lorsqu’il s’agit de déterminer quel service au sein de l’entreprise devrait supporter les coûts de chaque fonction des stocks. La supply chain couvrirait naturellement le coût des stocks pour répondre aux demandes des clients. Cependant, le coût des stocks visant à rendre le magasin attrayant (que Vermorel assimile à des dépenses de marketing telles que les publicités télévisées) relèverait logiquement du marketing. Cette répartition, guidée par la précision de l’IA, pourrait entraîner d’importants litiges, notamment si, par exemple, les directeurs marketing se retrouvent soudainement chargés de dépenses imprévues importantes.
Vermorel suggère que ce sont précisément ce genre de problèmes qui ralentiront l’adoption de l’IA dans les entreprises, plutôt que la crainte de la perte d’emplois. Bien que le déploiement du logiciel lui-même puisse être relativement rapide, les changements organisationnels qu’il entraîne pourraient prendre beaucoup plus de temps. Vermorel estime que cette réévaluation des normes opérationnelles et des responsabilités, provoquée 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 a été un mot à la mode dans le monde de la technologie ces dernières années. Aujourd’hui, nous allons essayer de dépasser un peu tout ça et nous concentrer plutôt sur son application et sur ce qu’elle peut apporter au monde des chaînes d’approvisionnement. Je suis une fois de plus accompagné de Joannes Vermorel, qui va m’aider dans notre discussion d’aujourd’hui. Alors Joannes, merci de nous rejoindre à nouveau.
Joannes Vermorel: Bonjour, Kieran.
Kieran Chandler: Donc, si l’on écoute 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 chaînes d’approvisionnement en général, elles n’en sont pas encore là. Elles sont encore très largement gérées par des feuilles de calcul Excel et de manière très humaine. Alors, quand pensez-vous que l’intelligence artificielle arrivera dans l’industrie de la chaîne d’approvisionnement ? De quel genre de délai parlons-nous ici ?
Joannes Vermorel: C’est une question très intéressante. Je suis d’accord avec votre affirmation selon laquelle l’intelligence artificielle est un mot à la mode. Et je pense même que l’un des moyens de reconnaître si quelqu’un sait de quoi il parle lorsqu’il parle d’intelligence artificielle est de voir s’il utilise le terme “intelligence artificielle” ou non. Les personnes les plus compétentes ne le font souvent pas. Mais ce n’est pas parce que c’est un mot à la mode qu’il n’y a rien en dessous. Alors qu’avons-nous en dessous ? Nous avons environ trois choses : de meilleures méthodes mathématiques, beaucoup plus de données et de puissance de traitement. Vous avez besoin d’une méthode qui peut convertir toutes ces données avec de meilleures méthodes mathématiques en de meilleurs résultats, ce qui se traduit dans la chaîne d’approvisionnement par quelque chose comme des prévisions plus précises. En termes de timing, je pense qu’il y a beaucoup d’aspects spécifiques au monde de la chaîne d’approvisionnement qui doivent être abordés, et le timing est assez flou. Cela prendra beaucoup de temps, littéralement des décennies.
Kieran Chandler: Donc, si nous mettons de côté les préoccupations liées à la terminologie et disons que l’intelligence artificielle fait essentiellement référence à des techniques d’apprentissage approfondi très avancées, que peuvent attendre les praticiens de la chaîne d’approvisionnement de ces méthodes statistiques avancées ? Ils peuvent probablement s’attendre à de meilleures prévisions, mais y a-t-il autre chose qu’ils peuvent attendre ?
Joannes Vermorel: Oui, il y a beaucoup plus. L’un des problèmes avec les prévisions avant cette vague d’intelligence artificielle est que nous n’avions pas beaucoup d’exemples concrets de ce à quoi une meilleure prévision pourrait ressembler. Par définition, une prévision plus précise est une meilleure prévision, mais est-ce la seule façon ? L’intelligence artificielle fournit d’autres exemples qui suggèrent que ce n’est pas le cas. C’est un peu comme si nous regardions quelque chose en noir et blanc, et maintenant nous avons la couleur. Ce n’est pas seulement une meilleure résolution, c’est une autre dimension. Pour les chaînes d’approvisionnement, je pense que les plus grands avantages viendront de problèmes qui ne ressemblent pas du tout à des problèmes statistiques, et c’est là que l’intelligence artificielle brillera vraiment.
Kieran Chandler: Donc, ce que vous dites, c’est qu’il y a des problèmes qui, en surface, ne ressemblent pas du tout à des problèmes statistiques, mais qui peuvent en réalité être utilisés comme une sorte de prévision afin de rendre possible l’utilisation de la technologie de l’IA. Pourriez-vous développer un peu plus là-dessus ?
Joannes Vermorel: L’année dernière, j’ai eu l’occasion de travailler sur un problème très intrigant, qui est la compatibilité des pièces de voiture dans l’industrie automobile.
Kieran Chandler: Fondamentalement, vous avez des voitures qui ont besoin d’être réparées et pour ces voitures, vous avez besoin de pièces. Juste pour vous donner une idée du problème sur le marché européen, il existe plusieurs millions de pièces différentes. C’est un peu insensé quand on pense qu’il n’y a que 300 millions d’Européens. De plus, il existe plus de cent mille véhicules distincts. Il y a toute une industrie, bien que petite, qui se concentre sur une chose : établir une base de données de compatibilité entre les voitures et les pièces. Tout ce que ces entreprises font, c’est construire une liste indiquant quelle voiture est compatible avec quelle pièce.
Joannes Vermorel: En effet, ces bases de données sont constituées de millions de lignes et elles sont entièrement maintenues à la main, avec littéralement des centaines de personnes consacrant leur vie à maintenir cette seule base de données. Mon équipe chez Lokad, spécialisée dans l’apprentissage automatique, pas l’intelligence artificielle en soi, a réussi à développer un algorithme. Nous avons testé cet algorithme sur une configuration réelle et il a atteint une précision de 98% pour détecter la compatibilité revendiquée par la base de données. L’algorithme a également démontré une précision de 98% pour détecter les compatibilités manquantes, donc il pourrait y avoir une pièce qui peut réellement être montée sur votre voiture, mais vous ou quelqu’un d’autre ne le sait 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 de voiture est compatible avec mon véhicule semble un peu exagéré. J’aurais pensé qu’un simple catalogue pourrait fonctionner pour cela ou une solution de base prête à l’emploi. Mais qu’en est-il des chaînes d’approvisionnement en général ? Que peut faire l’intelligence artificielle pour elles ?
Joannes Vermorel: Le point que je veux illustrer, c’est que la plupart des défis dans les chaînes d’approvisionnement se trouvent en réalité dans les cas particuliers. Ce sont des situations qui fonctionnent généralement, mais qui ont des exceptions. Ces exceptions ne se résolvent pas d’elles-mêmes. Il faut des personnes, et beaucoup d’entre elles, pour résoudre ces cas particuliers. Vous vous retrouvez avec des armées entières de personnes qui ajustent essentiellement des feuilles Excel, car la façon dont vous remarquez qu’il y a autant de personnes qui traitent ces cas particuliers dans les chaînes d’approvisionnement est le grand nombre de personnes qui modifient des feuilles Excel. Elles ne perdent pas leur temps. Elles traitent ces cas particuliers qui ne s’intègrent pas vraiment dans le système principal de PGI. Elles doivent recourir à Excel pour les gérer. Donc techniquement, chaque fois que vous voyez des personnes devant traiter manuellement une multitude de cas particuliers qui impliquent généralement Microsoft Excel, il est très probable que l’intelligence artificielle puisse résoudre cette situation.
Kieran Chandler: Donc, avoir une IA qui détecte ces cas particuliers semble être une excellente idée. Cela contribuerait certainement à résoudre certains des problèmes que nous rencontrons ici chez Lokad, tels que les retards et les ruptures de stock accidentelles. Mais à quoi cela ressemblerait-il concrètement ? Serait-ce quelque chose comme Siri ou Cortana, comme une voix dans l’oreille de l’opérateur qui lui dit quoi faire et quand le faire ?
Joannes Vermorel: L’idée d’entendre soudainement votre téléphone dire “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 cas d’utilisation micro hautement spécialisés. Par exemple, les personnes qui ont mis en œuvre Cortana et Siri ont un cas d’utilisation spécifique pour commander une pizza. Elles ont écrit beaucoup de code juste pour le rendre suffisamment flexible pour fonctionner pratiquement partout dans le monde, afin que vous puissiez commander une pizza.
Kieran Chandler: Réussir une livraison de pizza n’importe où dans le monde est en réalité un défi de taille. Il s’agit de cas d’utilisation très spécifiques. Ces assistants IA ne sont rien d’autre qu’une collection de cas d’utilisation bien intégrés. Maintenant, pour la supply chain, ce sera à peu près la même chose. Vous allez obtenir des prévisions pour toutes les zones où il y a de l’incertitude. La demande future n’est pas la seule chose incertaine dans votre supply chain, il y a beaucoup d’autres choses comme, par exemple, les délais d’approvisionnement. Vos fournisseurs ne sont pas parfaitement fiables. Il n’est pas clair à quel point ils sont fiables ou non fiables.
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 générer. Et ce n’est pas seulement une question de retards. Peut-être que votre fournisseur livrera les marchandises que vous avez commandées à temps, mais quand elles arriveront dans votre entrepôt et que vous les inspecterez, vous pourriez constater un problème de qualité.
Donc, il ne s’agit pas seulement de retard, il s’agit aussi de la qualité de ce que vous avez reçu. Si vous êtes une plateforme de commerce électronique de mode, par exemple, vous vendez des produits à vos clients et parfois, parce que c’est de la mode, ils ne les aiment tout simplement pas. Alors ce qu’ils font, c’est qu’ils vous retournent ces produits. Savoir à l’avance qui et combien de personnes vous retourneront des articles est très utile pour optimiser votre supply chain.
Il y a des tonnes de domaines où vous êtes confronté à l’incertitude, peut-être pas aussi importants que la prévision de la demande future, mais toujours cruciaux à traiter. Je pense que ces futures technologies basées sur l’IA contribueront de manière significative à la gestion de la supply chain.
Kieran Chandler: Passons maintenant à la supervision humaine. Ces technologies d’IA ne pourront pas fonctionner seules. Combien d’expertise en IA sera-t-il réellement nécessaire pour faire fonctionner un projet comme celui-ci ? Les grandes entreprises, comme Google, peuvent avoir les ressources nécessaires pour employer un grand nombre d’experts en IA, mais qu’en est-il du reste d’entre nous ? Par exemple, les entreprises de commerce électronique de mode ont tendance à être assez en avance sur les tendances en matière de technologie, mais elles pourraient ne pas avoir d’experts en IA dans leurs rangs. Comment voyez-vous cela fonctionner dans le monde réel ?
Joannes Vermorel: Tout d’abord, les meilleures entreprises de commerce électronique de mode que je connais ont effectivement des experts en IA dans leurs rangs, bien que cela soit une exception. Pour répondre à votre question, je pense que les entreprises de supply chain, ou les entreprises qui ont une supply chain à gérer, n’ont pas nécessairement besoin d’experts en IA. Elles ont besoin d’autre chose, et j’y reviendrai plus tard.
La composante IA peut être entièrement externalisée à une entreprise comme Lokad. Si vous avez des préoccupations concernant l’IA, vous pouvez simplement devenir client de Lokad et externaliser votre composante IA chez nous. C’est une stratégie qui peut être très évolutive.
Cependant, abordons les éléments qui ne sont pas évolutifs, et c’est là que l’aspect temporel entre en jeu. Je pense que le problème avec l’IA est qu’elle oblige les entreprises à devenir plus rationnelles. Elle les pousse 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. Cela est difficile car cela remet directement en question le statu quo. C’est, je crois, le véritable défi de la technologie de l’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 entraîner des conflits internes. Il est intéressant d’explorer comment cela se passe. Il semble qu’il y ait des entreprises qui pourraient voir l’IA comme une perspective réaliste. Pourtant, il y a aussi une sympathie pour les employés dont les emplois pourraient être remplacés par ces systèmes intelligents. Combien de temps faudra-t-il avant que nous ayons un présentateur IA ici à la télévision ? Blague à part, y a-t-il une crainte que cela puisse bloquer ou ralentir l’adoption de la technologie ? Ici, chez Lokad, nous avons de nombreux clients. Si nous introduisons un nouveau modèle d’intelligence artificielle, comment pensez-vous que cela fonctionnera avec vos clients ?
Joannes Vermorel: C’est un bon point. La peur est légitime, mais les attentes des gens quant à ce qui va se passer sont généralement incorrectes. Si vous lisez la presse, vous penseriez que tous ces emplois seront remplacés et que les gens vont s’y opposer. Cependant, dans la supply chain, ce n’est pas le cas. Pourquoi ? Parce que les emplois qui sont remplacés ne sont pas vraiment formidables. Imaginez consacrer huit heures par jour à la modification de feuilles Excel. Ce n’est pas un travail stimulant. Les gens sont généralement très heureux lorsque cette tâche peut être automatisée. Ils peuvent alors faire une version plus gratifiante de leur travail qui a plus de sens et qui n’implique pas autant de travail fastidieux avec Excel. Mais cela ne signifie pas qu’il n’y aura pas de conflits. Ces conflits, cependant, se produiront à un niveau complètement différent - au niveau de l’entreprise.
Par exemple, prenons en compte un réseau de vente au détail avec différents magasins. La question est - que dire de l’inventaire dans chaque magasin ? À première vue, vous pourriez penser que tous les produits dans les magasins existent uniquement pour être vendus aux clients. Mais ce n’est pas tout à fait vrai. L’inventaire dans un magasin sert à deux fins. La première est qu’un client entre dans le magasin, trouve ce qu’il veut et effectue un achat. La deuxième est de rendre le magasin suffisamment attrayant pour que le client soit incité à acheter quelque chose. Ainsi, l’inventaire joue un double rôle.
Kieran Chandler: La question que nous discutons aujourd’hui est la raison pour laquelle les magasins sont si remplis 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 souhaitable pour les clients.
Joannes Vermorel: Absolument, les personnes travaillant dans le commerce de détail en sont conscientes. C’est essentiellement de cela dont il s’agit dans le merchandising. Maintenant, considérons ce que l’intelligence artificielle peut apporter. L’IA est si précise qu’elle peut fournir des réponses dont vous ne saviez même pas que vous aviez besoin. Premièrement, elle peut vous dire précisément combien d’unités de stock vous avez besoin pour servir vos clients. Deuxièmement, elle peut calculer combien de stock vous avez besoin pour rendre votre magasin attrayant visuellement pour les clients.
Kieran Chandler: Donc, si nous réfléchissons à 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 le stock nécessaire aux clients. Mais en ce qui concerne le stock supplémentaire qui est là simplement pour rendre le magasin attrayant, c’est essentiellement une dépense marketing. C’est comme payer pour une publicité télévisée - cela ne vend pas directement des produits mais suscite de l’intérêt. Donc, lorsque vous intégrez l’IA dans votre chaîne de vente au détail, elle commence à brouiller la frontière entre la supply chain et le marketing. Certaines personnes peuvent trouver cela difficile, en particulier le directeur marketing, qui pourrait soudainement voir une énorme partie du budget allouée au stock.
Kieran Chandler: Il semble que ce changement puisse causer des conflits internes au sein de l’entreprise.
Joannes Vermorel: Oui, il pourrait y avoir de la résistance, en particulier de la part de ceux qui étaient à l’aise avec leurs arrangements budgétaires précédents. Ils pourraient dire : “Non, les gens de la supply chain, s’il vous plaît, gardez ça. J’étais très bien en n’ayant que des publicités télévisées dans mon budget.” Mais maintenant, la perception change. Le stock est considéré comme faisant partie du marketing. C’est un changement profond, et bien que la mise en œuvre d’un logiciel d’IA puisse être rapide, comprendre et s’adapter à ces changements pourrait prendre des décennies.
Kieran Chandler: Je vois, c’est une perspective intéressante. Eh bien, je crains que ce soit tout ce que nous ayons le temps de faire aujourd’hui. Merci pour cette discussion intéressante, Joannes. Elle a été très variée - nous avons commencé par l’intelligence artificielle et nous avons fini par parler des magasins en URSS. C’est comme ça que ça se passe. Eh bien, merci pour votre temps, Joannes.
Joannes Vermorel: Merci, Kieran.
Kieran Chandler: J’espère que notre discussion a contribué à dissiper certaines des idées fausses courantes sur l’intelligence artificielle. Merci de nous avoir suivi et pour les excellents commentaires que nous avons reçus sur nos vidéos jusqu’à présent. Nous serons de retour très bientôt, mais d’ici là, au revoir.
