SlideShare une entreprise Scribd logo
EXTRA-Présentation generale 180923.pptx
Programme
10h45 : Accueil des participants
11h00 : Tour d'horizon - Multitel
11h45 : Cas d'application - TIMI
12h30 : Les solutions disponibles pour vous aider à passer à l'action -
INFOPOLE & MIC
12h45 : Moment de networking et lunch
3
European AI week
L’Intelligence
Artificielle au service
des PMEs
19 Septembre 2023
Jean-Yves Parfait - Multitel
Responsable Département Intelligence
Artificielle
L’IA, Où en sommes-nous? c’est quoi? Comment ça
fonctionne?
Une histoire pas si récente…XAMPLE: E-
3D-PLTS
A l’origine du 3ème boom…: E-3D-PLTS
Ressources de calcul Données Algorithmes
Source image : Formation AI4Business,
Agoria
Strong AI (AGI)
Intelligence d’une machine qui peut
comprendre ou apprendre n’importe quelle
tâche intellectuelle dont un être humain est
capable (capacité de raisonner, planifier,
communiquer…)
.
Weak AI (ANI)
Capacité d’une machine à résoudre une
tâche spécifique.
AGI, pas encore…
Mais concernant les ANIs…XAMPLE: E-
3D-PLTS
Qu’est ce l’IA?: E-3D-PLTS
Théorie et développement de systèmes
informatiques capables d'exécuter des
tâches nécessitant normalement
l'intelligence humaine
Un sous-domaine de l'IA :
programmes ayant la capacité
d'apprendre sans être explicitement
programmé
Deep learning
Machine learning
Intelligence
artificielle
Un sous-domaine du machine learning
: Réseaux neuronaux artificiels qui
apprennent et s’adaptent à partir de
grandes quantités de données
Comment ça marche ?PLE: E-3D-PLTS
Machine
learning
Explicitly program
how to learn from data
how to solve a task
Explicitly program
how to solve a task
Data Output
s
Rule
s
Data Rules
Outputs
Programmation
traditionnelle
Machine learning
Comment ça marche ?PLE: E-3D-PLTS
Machine
learning
Input (A)
• Image
• Text
• Numerical
data
Output (B)
• “Malignant”
or “benign”
• “Spam” or
“not spam”
• 56 apple sold
Comment ça marche ?PLE: E-3D-PLTS
Machine
learning
Objectif: Reconnaître un chat
Comment ça marche ?PLE: E-3D-PLTS
Machine
learning
Programmation classique
If ==
Entrée/
Data
Rules/
Software code
Computer
“Cat” Output/Résultat
Comment ça marche ?PLE: E-3D-PLTS
Machine
learning
Programmation classique
If == Rules/
Software code
Computer
FAIL
Entrée/
Data
Comment ça marche ?PLE: E-3D-PLTS
Machine
learning
Approche par
apprentissage
Entrée/
Data Output/
Résulta
t
Computer
Cat recognition Rules/Software code
“Cat”
Comment ça marche ?PLE: E-3D-PLTS
Machine
learning
Les types de données en entrée ET en sortie
déterminent la tâche IA.
Taxonomie: IAE-3D-PLTS
Source: CREATION OF A TAXONOMY FOR THE EUROPEAN AI ECOSYSTEM, Cross-KIC
Activity, 2021
Foundation Models (ex: LLM)
Source: Epochai.org
ConclusionsD-PLTS
• L’IA couvre une grande variété de finalités, en évolution constante (ex:
Foundation Models, Transformers,…).
• Les progrès récents relèvent principalement du domaine du Machine Learning
(ML) et en particulier du Deep Learning (DL).
• De nombreuses alternatives algorithmiques existent pour implémenter une
tâche donnée, qui diffèrent par:
 Les besoins en pré-traitement.
 La quantité de données d’entraînement nécessaire.
 La complexité de calcul.
 Les fonctionnalités annexes (ex: Explicabilité).
• Entraînement des « Foundation Models », hors de portée de nombreuses
entreprises.
L’IA au service de l’entreprise, quelques exemples.
L’IA au long de la chaîne de valeur: E-3D-
PLTS
Tâches
IA
Applications
Gestion
documentaire
Test In-Silico
CAD (IA + Simu)
Allocation de
ressources
Allocation de
capacité
Conception de
ligne optimisée
Optimisation de
processus
Maintenance
prédictive
Analyse de
défaillances
Ordonnancemen
t
Contrôle qualité
Gestion énergie
Prédiction
demande
Stratification
clients
Recommandatio
n
Pricing
dynamique
Gestion
documentaire
(partenaires)
Optimisation
logistique
CRM
Maintenance
automatisée
Régression
Clustering
Association
IA Générative
Optimisation Optimisation
Régression
Optimisation
Classification
Régression
Clustering
IA Générative
Optimisation
Régression
Régression
Classification
Modèles
IA
NLP/LLM
Sequential
modeling
Physic-Informed
models…
ReInforcement
Learning
Programmation
Linéaire…
Régression
ReInforcement
Learning…
ReInforcement
Learning
Vision par
ordinateur (CNN)
…
NLP/LLM
LSTM, GRU…
NLP/LLM
Vision par
ordinateur
(CNN)…
NLP/LLM
CNN (ASR)
Physic-Informed
models…
Exemples de projets: E-3D-PLTS
FoodWal – Peptiboost: Prédiction In-Silico du potentiel
d’activation de peptides et identification de réactifs
enzymes-protéines pour la production de peptides
bioactifs.
Projet « Sucra »: Aide au dimensionnement d’une
machine de « picking » intégrée dans une ligne
d’emballage de biscuits.
SmartR4F: Développement de moyens
d’instrumentation pour l’analyse vibratoire et
ML pour la détection automatique des
problèmes de mesures et des défauts.
R&D
Productio
n Planning
Productio
n
Engineerin
g
Exemples de projets: E-3D-PLTS
WINGS : Simulation + ordonnancement d’une ligne de
production (intégrant un autoclave) de pièces en
matériaux composites pour l’aéronautique.
TRIDIM: Développement d’une librairie de calibration
automatique pour un système de contrôle qualité par
caméra laser.
Industry4.0: Détection de défauts dans des
surfaces 3D acquises par un système de
contrôle par caméra laser.
Productio
n
execution
Productio
n
execution
Productio
n
execution
Exemples de projets: E-3D-PLTS
WINGS : Prédiction du RUL (Remaining Useful Life) de
batteries de drônes intégrant les conditions de vol.
SmartSign : Suivi de l’état de panneaux de
signalisation par détection de chocs et de chutes
(développement HW et SW).
After-
Sales
Services
After-
Sales
Services
Déployer l’IA en entreprise, défis et points
d’attention.
Déploiement IA en entreprise: les défis
Source: https://dzone.com/ (Editeur logiciels)
54% des projets « Data science »
menés entre 2015 et 2017 pas mis en
production (Etude Gartner, 2019)
pour diverses raisons:
 Données insuffisantes (qualité et
quantité).
 Contraintes techniques et
organisationnelles.
 Business modèles invalidés.
 Attentes excessives.
Les besoins…
Bien définir son
application
Tâches IA?
Interaction
humain-IA (ex:
Aide à la
décision)?
Plateforme
Inférence?
Cycle de vie
(MLOPS)?
Flux de
données
(rapatriement,
accès)?
Les données…
Mettre en place les
processus de
collecte, de gestion
et d’annotation de
données
Qualité des
données
(représentativit
ébalance,…)
Quantité de
données à
disposition?
Méta-données
(annotations,
timestamp,
format,..)?
Contraintes
d’accès aux
données
(confidentialité,
localisation)
Quelles
données pour
représenter
mon process
L’équipe…
Mettre en place une
équipe multi-
disciplinaire
SW
Développeurs
Data scientists
Experts du
domaine
Utilisateurs Equipe IT
La régulation…LTS
• European AI Act et le European Data Act adoptés en juin 2023.
• Objectif: Favoriser le développement responsable d’applications IA (EU AI Act)
et le développement d’un cloud souverain en ligne avec les valeurs de l’EU (EU
Data Act).
• Critères imposés: explainability, transparency, fairness, accountability,…
• Approche par niveau de criticité, défini par application.
• Impact différent selon les secteurs,
plus important pour les secteurs
déjà fortement régulés
(ex: medical device, aéronautique,…).
EXTRA-Présentation generale 180923.pptx
19 septembre 2023
L’IA
AU SERVICE DES PME
OPTIMISATION DES VENTES
Premier développement
de notre ETL Anatella
2010
Leader mondial en
termes de satisfaction
sur le site de référence
G2
2022
Ouverture bureaux
LATAM Colombie &
Pérou
2015
Création de TIMi et du premier
moteur de machine learning
automatisé
2007
Asie et Amérique du
nord
2027
Reporting
Opérationnel
Analyse
Stratégique
Modélisation
Prédictive
PLUS
VALUE
TEMPS
Que s’est il passé ?
Identifier les sources de données
Vérifier la conformité
Mesurer la performance
Diffuser les indicateurs aux utilisateurs
Pourquoi cela s’est -il passé ?
Segmenter les données
Interroger les indicateurs
Associer des données issues de plusieurs sources
Établir des tableaux de bords dynamiques personnalisés
Comment améliorer mes résultats ?
Utiliser des modèles pour la résolution de problèmes
Procéder à des analyses de risques
Planifier sa croissance par scénarios
Intégrer l’analytique au processus décisionnel
Data
Infrastructure
Compétences
PRÉREQUIS
03
INTRODUCTION
Up Selling & Cross Selling ?
Définition
Chiffres clés
01
CAS D’USAGE
Challenge
Développement
Résultats
02
QUESTIONS RÉPONSES
04
L’Up Selling ou montée en gamme est la
pratique qui consiste à proposer un produit
ou service légèrement supérieur et plus cher
que celui auquel s'intéresse le prospect.
Le Cross Selling est le processus qui consiste
à offrir à un client des produits compatibles
avec ceux qu'il achète.
INTRODUCTION
01
CHIFFRES
CLÉS
La technique du Cross Selling
représente 30% du CA de Amazon.
Selon McKinsey, l’utilisation du
Cross Selling peut augmenter les
ventes de 20% sur un site
marchand.
Les équipes de vente qui utilisent
l’intelligence artificielle augmentent
leur efficacité / productivité de 62%.
20%
62%
30%
7%
Seulement 7% des entreprises
wallonnes auraient démarré un
projet en intelligence artificielle .
AMÉLIORER LA PRISE DE DÉCISION
ENJEUX
01
AUTOMATISATION TÂCHES
CHRONOPHAGES
AMÉLIORER L’EFFICACITÉ DES ÉQUIPES
ANTICIPER LA DEMANDE
ADAPTER VOTRE OFFRE, VOS STOCKS,
VOTRE LOGISTIQUE…
TESTS & VALIDATION
2.3
OBJECTIFS
2.1
ÉTAT DES LIEUX
2.2
DEPLOIEMENT & RÉSULTATS
2.4
USE CASE COVIVINS
02
OBJECTIFS
Réalisation d’une liste de recommandations personnalisée pour
l’équipe de vente. 2 impératifs :
La propension de chaque client à acheter certaines catégories
de produits.
Les marges de Covivins en proposant à ses clients des produits
« équivalents » mais dégageant des marges supérieures.
2.1
ÉTAT
DES LIEUX
Table Ventes : 1.280.000
transactions
Table Produits : 25 850
produits
Table clients : 1788 clients
2.2
TESTS &
VALIDATION
5 Workshops avec les
parties prenantes dans le
projet (CEO, Manager,
équipe de vente)
Période de test pour les
modèles
2.3
DEPLOIEMENT
& RÉSULTATS
Mise en production du
modèle
Adoption des rapports
automatisés par les Sales
Application des
recommandations lors des
RDV physique et via le
2.4
PRÉREQUIS
Qualité des données
Enrichissement continu
Partage entre les départements
Dédiez des outils et une
infrastructure spécifique dédiés
au traitements des données
Bases dans l’analyse
Connaissance du secteur d’activité
Capacité à travailler en équipe
.
INFRASTRUCTURE COMPÉTENCES
DATA
BONNE
CONDUITE
Stricte respect des lois & du RGPD
Détecter les biais
Communication transparente
OBJECTIFS
Clairement définis
Quick Win
ENGAGEMENT
Implication des parties prenantes
Acceptation du changement
Démontrer les bénéfices
03
thomas@timi.eu
+32 478 481 925
timi.eu
MERCI
P i s t e s d e f i n a n c e m e n t
M o n s - 1 9 s e p t e m b r e 2 0 2 3
F i n a n c e m e n t
Aides/subsides AAP/POC Financement/prêt
• Easy-up
• Easy-green
• Vos partenaires
financiers (banque,
invests, etc.)
• IA : Tremplin IA
• IdF PoC
• Eco. Circu. AAP/PoC
• …
• Start & Tremplin IA
• Chèques entreprises
• Numérique
• Relance
I A : S t a r t e t Tr e m p l i n
https://www.digitalwallonia.be/ia/
START IA = Tour d’horizon
Accompagnement de 40H pour mesurer le
potentiel de vos données et identifier les
opportunités de l’IA et préparer un plan
d’actions
Financement de 70% : 3500€/5000€
Conditions : Localisation en wallonie
Tremplin IA = PoC - tester
Accompagnement pour tester la faisabilité
d’un projet et évaluer « concrètement » la
performance de l’IA sur vos données.
Financement de 70% : 40.000/28.000€
Conditions : Localisation en wallonie
Accessible pour
les grandes
entreprises
E a s y - U p / E a s y G r e e n
https://www.wallonie-entreprendre.be/fr/financements/pret/
Easy-up = transformation numérique
Soutenir les entreprises dans leur
transformation numérique (ex. Idf 4.0) :
digitalisation des process, infrastructure,
stratégie commerciale. Ex: Acquisition ERP
Prêt subordonné (max 500K) – 40%
Pas de garantie + poss. franchise
Easy-green = transition énergétique
Réduction des factures énergétiques, du
CO2, projet éco-innovants, eau, groupe
froid, gaz fluoré, panneaux solaires,
transition bas carbone, gestion intelligente
de l’énergie, plus circulaire, etc.
Prêt subordonné CT,LT (max 1.000K) + poss.
franchise
Pas de garantie + poss. franchise
Financement (prêt et garantie) + accompagnement
Bientôt
accessible pour
les grandes
entreprises
C h è q u e s E n t r e p r i s e
Type de chèques Chèques entreprises
Taux
d'interventio
n
Plafond
Montant
max sur 3
ans
Durée
Relance par
le
numérique
- Diagnostic 90% 1.900 € 1.900 € 3 ans
- Plan d'actions stratégiques 90% 5.700 € 5.700 € 3 ans
- Implémentations stratégiques 90% 7.400 € 7.400 € 3 ans
Numérique - Cybersécurité 75% 50.000 € 50.000 € 3 ans
- Maturité numérique 50% 50.000 € 50.000 € 3 ans
https://www.cheques-entreprises.be/
52
53
Est-ce que vous passez à côté
d’une opportunité offerte par les
technologies modernes ?
54
Pour 50 entreprises wallonnes
4 conférences et 6 ateliers pour prendre en main les outils
intelligents et tester les technologies qui peuvent rendre vos
outils intelligents.
55
Pour 10 entreprises de la région de Mons
Pour enrichir votre compréhension de l’intelligence
artificielle dans le contexte de votre entreprise afin de
démarrer un projet d’intégration.
56
fred@mic-
belgique.be
E t m a i n t e n a n t ?
- 1 6 / 1 0 – J e r é i n v e n t e m o n J o b
g r â c e à l ’ I A @ T e c h n o c i t é
- 0 7 / 1 0 - G a g n e z d u t e m p s e t
o p t i m i s e z v o s p e r f o r m a n c e s
a v e c l ’ I A
- 1 8 / 1 0 – A I D e m o D a y @ M I C

Contenu connexe

Tendances

Marketing mobile
Marketing mobileMarketing mobile
Marketing mobile
Salma Filali
 
De l'idée à l'opportunité entrepreneuriale
De l'idée à l'opportunité entrepreneurialeDe l'idée à l'opportunité entrepreneuriale
De l'idée à l'opportunité entrepreneuriale
Bruno M. Wattenbergh
 
Les fondements de la Programmation neurolinguistique (PNL)
Les fondements de la Programmation neurolinguistique (PNL)Les fondements de la Programmation neurolinguistique (PNL)
Les fondements de la Programmation neurolinguistique (PNL)
khalil michrafy
 
Hec De l'innovation au marché(Cours)
Hec De l'innovation au marché(Cours)Hec De l'innovation au marché(Cours)
Hec De l'innovation au marché(Cours)
HEC
 
#5c21 Compétences, attitudes et valeurs
#5c21 Compétences, attitudes et valeurs#5c21 Compétences, attitudes et valeurs
#5c21 Compétences, attitudes et valeurs
Margarida Romero
 
La diversité et l'inclusion : un enjeu RH en 2020
La diversité et l'inclusion : un enjeu RH en 2020La diversité et l'inclusion : un enjeu RH en 2020
La diversité et l'inclusion : un enjeu RH en 2020
PeopleDoc-FR
 
Outils de la confiance en soi des professionnels
Outils de la confiance en soi des professionnelsOutils de la confiance en soi des professionnels
Outils de la confiance en soi des professionnels
HR SCOPE
 
TrendOBS 2023 : À la reconquête du temps perdu
TrendOBS 2023 : À la reconquête du temps perdu TrendOBS 2023 : À la reconquête du temps perdu
TrendOBS 2023 : À la reconquête du temps perdu
Ipsos France
 
Diagnostic externe et interne
Diagnostic externe et interne Diagnostic externe et interne
Diagnostic externe et interne
Yassir Zaaiter
 
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.pptEXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
wassimbousmaa
 
Construire une problématique de recherche
Construire une problématique de recherche Construire une problématique de recherche
Construire une problématique de recherche
Hubert Maisonneuve
 
Créer une startup
Créer une startupCréer une startup
Créer une startup
Fabien Vauchelles
 
Switch : Osez le changement - résumé
Switch : Osez le changement - résuméSwitch : Osez le changement - résumé
Switch : Osez le changement - résumé
Antoine Le Fèvre
 
L’intelligence émotionnelle au service de la communication. Par Jean-Yves Girin.
L’intelligence émotionnelle au service de la communication. Par Jean-Yves Girin.L’intelligence émotionnelle au service de la communication. Par Jean-Yves Girin.
L’intelligence émotionnelle au service de la communication. Par Jean-Yves Girin.
Sarah Thielens
 
These omnicanal master_marketing_essec_20140718
These omnicanal master_marketing_essec_20140718These omnicanal master_marketing_essec_20140718
These omnicanal master_marketing_essec_20140718
Hélène Pécharman
 
Introduction à la gestion des connaissances
Introduction à la gestion des connaissancesIntroduction à la gestion des connaissances
Introduction à la gestion des connaissances
Patrice Chalon
 
INTELLIGENCE ECONOMIQUE
INTELLIGENCE ECONOMIQUEINTELLIGENCE ECONOMIQUE
INTELLIGENCE ECONOMIQUE
Babacar LO
 
Techniques de communication et prise de parole
Techniques de communication et  prise de paroleTechniques de communication et  prise de parole
Techniques de communication et prise de parole
Mihamou Abderrazaq
 
Matinée PMI : Le gestionnaire de projet et l’intelligence émotionnelle
Matinée PMI : Le gestionnaire de projet et l’intelligence émotionnelleMatinée PMI : Le gestionnaire de projet et l’intelligence émotionnelle
Matinée PMI : Le gestionnaire de projet et l’intelligence émotionnelle
PMI-Montréal
 

Tendances (20)

Marketing mobile
Marketing mobileMarketing mobile
Marketing mobile
 
De l'idée à l'opportunité entrepreneuriale
De l'idée à l'opportunité entrepreneurialeDe l'idée à l'opportunité entrepreneuriale
De l'idée à l'opportunité entrepreneuriale
 
Les fondements de la Programmation neurolinguistique (PNL)
Les fondements de la Programmation neurolinguistique (PNL)Les fondements de la Programmation neurolinguistique (PNL)
Les fondements de la Programmation neurolinguistique (PNL)
 
Hec De l'innovation au marché(Cours)
Hec De l'innovation au marché(Cours)Hec De l'innovation au marché(Cours)
Hec De l'innovation au marché(Cours)
 
#5c21 Compétences, attitudes et valeurs
#5c21 Compétences, attitudes et valeurs#5c21 Compétences, attitudes et valeurs
#5c21 Compétences, attitudes et valeurs
 
Ppt Nespresso - Mktg 2012
Ppt Nespresso - Mktg 2012 Ppt Nespresso - Mktg 2012
Ppt Nespresso - Mktg 2012
 
La diversité et l'inclusion : un enjeu RH en 2020
La diversité et l'inclusion : un enjeu RH en 2020La diversité et l'inclusion : un enjeu RH en 2020
La diversité et l'inclusion : un enjeu RH en 2020
 
Outils de la confiance en soi des professionnels
Outils de la confiance en soi des professionnelsOutils de la confiance en soi des professionnels
Outils de la confiance en soi des professionnels
 
TrendOBS 2023 : À la reconquête du temps perdu
TrendOBS 2023 : À la reconquête du temps perdu TrendOBS 2023 : À la reconquête du temps perdu
TrendOBS 2023 : À la reconquête du temps perdu
 
Diagnostic externe et interne
Diagnostic externe et interne Diagnostic externe et interne
Diagnostic externe et interne
 
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.pptEXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
EXPOSE SUR INTELLIGENCE ARTIFICIELLE.ppt
 
Construire une problématique de recherche
Construire une problématique de recherche Construire une problématique de recherche
Construire une problématique de recherche
 
Créer une startup
Créer une startupCréer une startup
Créer une startup
 
Switch : Osez le changement - résumé
Switch : Osez le changement - résuméSwitch : Osez le changement - résumé
Switch : Osez le changement - résumé
 
L’intelligence émotionnelle au service de la communication. Par Jean-Yves Girin.
L’intelligence émotionnelle au service de la communication. Par Jean-Yves Girin.L’intelligence émotionnelle au service de la communication. Par Jean-Yves Girin.
L’intelligence émotionnelle au service de la communication. Par Jean-Yves Girin.
 
These omnicanal master_marketing_essec_20140718
These omnicanal master_marketing_essec_20140718These omnicanal master_marketing_essec_20140718
These omnicanal master_marketing_essec_20140718
 
Introduction à la gestion des connaissances
Introduction à la gestion des connaissancesIntroduction à la gestion des connaissances
Introduction à la gestion des connaissances
 
INTELLIGENCE ECONOMIQUE
INTELLIGENCE ECONOMIQUEINTELLIGENCE ECONOMIQUE
INTELLIGENCE ECONOMIQUE
 
Techniques de communication et prise de parole
Techniques de communication et  prise de paroleTechniques de communication et  prise de parole
Techniques de communication et prise de parole
 
Matinée PMI : Le gestionnaire de projet et l’intelligence émotionnelle
Matinée PMI : Le gestionnaire de projet et l’intelligence émotionnelleMatinée PMI : Le gestionnaire de projet et l’intelligence émotionnelle
Matinée PMI : Le gestionnaire de projet et l’intelligence émotionnelle
 

Similaire à EXTRA-Présentation generale 180923.pptx

Club des Explorateurs du Futur d'@Ylios - L'impact de l'IA sur les métiers 19...
Club des Explorateurs du Futur d'@Ylios - L'impact de l'IA sur les métiers 19...Club des Explorateurs du Futur d'@Ylios - L'impact de l'IA sur les métiers 19...
Club des Explorateurs du Futur d'@Ylios - L'impact de l'IA sur les métiers 19...
alexia2015
 
Comment envisager positivement l’impact de l'intelligence artificielle au sei...
Comment envisager positivement l’impact de l'intelligence artificielle au sei...Comment envisager positivement l’impact de l'intelligence artificielle au sei...
Comment envisager positivement l’impact de l'intelligence artificielle au sei...
LIEGE CREATIVE
 
How AI metyourcomex
How AI metyourcomexHow AI metyourcomex
How AI metyourcomex
Loic Poujol
 
Vo2 fab rh et ia
Vo2 fab rh et iaVo2 fab rh et ia
Vo2 fab rh et ia
Teoman Atamyan
 
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
I MT
 
La data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeurLa data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeur
Microsoft Ideas
 
First step about IA and business
First step about IA and businessFirst step about IA and business
First step about IA and business
David Argellies
 
Big Data - Chambre de Commerce de Québec
Big Data - Chambre de Commerce de QuébecBig Data - Chambre de Commerce de Québec
Big Data - Chambre de Commerce de Québec
Stéphane Hamel
 
[Infographie] Le métier de Data scientist
[Infographie] Le métier de Data scientist [Infographie] Le métier de Data scientist
[Infographie] Le métier de Data scientist
Michael Page
 
Machine learning as a service MLaaS
Machine learning as a service  MLaaSMachine learning as a service  MLaaS
Machine learning as a service MLaaS
Takwa Chaabane
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
Zakariyaa AIT ELMOUDEN
 
Offre onepoint - Data science et big data
Offre onepoint  - Data science et big data Offre onepoint  - Data science et big data
Offre onepoint - Data science et big data
GroupeONEPOINT
 
Etude Apec - L'intelligence artificielle : tendances métiers dans l'industrie
Etude Apec - L'intelligence artificielle : tendances métiers dans l'industrieEtude Apec - L'intelligence artificielle : tendances métiers dans l'industrie
Etude Apec - L'intelligence artificielle : tendances métiers dans l'industrie
Apec
 
Gestion de connaissances dans l'industrie du logiciel ...
Gestion de connaissances dans l'industrie du logiciel ...Gestion de connaissances dans l'industrie du logiciel ...
Gestion de connaissances dans l'industrie du logiciel ...
guypacome
 
L digital book
L digital bookL digital book
Big data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessBig data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-business
Vincent de Stoecklin
 
Introduction seminaire groupe flowline
Introduction seminaire groupe flowlineIntroduction seminaire groupe flowline
Introduction seminaire groupe flowline
pimp uncle
 
Intro IA CJD
Intro IA CJDIntro IA CJD
Intro IA CJD
Emmanuel Bonnet
 
biZNov - pour dynamiser votre business avec l'intelligence artificielle
biZNov - pour dynamiser votre business avec l'intelligence artificiellebiZNov - pour dynamiser votre business avec l'intelligence artificielle
biZNov - pour dynamiser votre business avec l'intelligence artificielle
Herve Blanc
 
Euratech'trends : Machine Learning
Euratech'trends : Machine LearningEuratech'trends : Machine Learning
Euratech'trends : Machine Learning
EuraTechnologies
 

Similaire à EXTRA-Présentation generale 180923.pptx (20)

Club des Explorateurs du Futur d'@Ylios - L'impact de l'IA sur les métiers 19...
Club des Explorateurs du Futur d'@Ylios - L'impact de l'IA sur les métiers 19...Club des Explorateurs du Futur d'@Ylios - L'impact de l'IA sur les métiers 19...
Club des Explorateurs du Futur d'@Ylios - L'impact de l'IA sur les métiers 19...
 
Comment envisager positivement l’impact de l'intelligence artificielle au sei...
Comment envisager positivement l’impact de l'intelligence artificielle au sei...Comment envisager positivement l’impact de l'intelligence artificielle au sei...
Comment envisager positivement l’impact de l'intelligence artificielle au sei...
 
How AI metyourcomex
How AI metyourcomexHow AI metyourcomex
How AI metyourcomex
 
Vo2 fab rh et ia
Vo2 fab rh et iaVo2 fab rh et ia
Vo2 fab rh et ia
 
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
Colloque IMT -04/04/2019- L'IA au cœur des mutations industrielles - Introduc...
 
La data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeurLa data n’a pas besoin d’être « big » pour générer de la valeur
La data n’a pas besoin d’être « big » pour générer de la valeur
 
First step about IA and business
First step about IA and businessFirst step about IA and business
First step about IA and business
 
Big Data - Chambre de Commerce de Québec
Big Data - Chambre de Commerce de QuébecBig Data - Chambre de Commerce de Québec
Big Data - Chambre de Commerce de Québec
 
[Infographie] Le métier de Data scientist
[Infographie] Le métier de Data scientist [Infographie] Le métier de Data scientist
[Infographie] Le métier de Data scientist
 
Machine learning as a service MLaaS
Machine learning as a service  MLaaSMachine learning as a service  MLaaS
Machine learning as a service MLaaS
 
Introduction au BIG DATA
Introduction au BIG DATAIntroduction au BIG DATA
Introduction au BIG DATA
 
Offre onepoint - Data science et big data
Offre onepoint  - Data science et big data Offre onepoint  - Data science et big data
Offre onepoint - Data science et big data
 
Etude Apec - L'intelligence artificielle : tendances métiers dans l'industrie
Etude Apec - L'intelligence artificielle : tendances métiers dans l'industrieEtude Apec - L'intelligence artificielle : tendances métiers dans l'industrie
Etude Apec - L'intelligence artificielle : tendances métiers dans l'industrie
 
Gestion de connaissances dans l'industrie du logiciel ...
Gestion de connaissances dans l'industrie du logiciel ...Gestion de connaissances dans l'industrie du logiciel ...
Gestion de connaissances dans l'industrie du logiciel ...
 
L digital book
L digital bookL digital book
L digital book
 
Big data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-businessBig data - Cours d'introduction l Data-business
Big data - Cours d'introduction l Data-business
 
Introduction seminaire groupe flowline
Introduction seminaire groupe flowlineIntroduction seminaire groupe flowline
Introduction seminaire groupe flowline
 
Intro IA CJD
Intro IA CJDIntro IA CJD
Intro IA CJD
 
biZNov - pour dynamiser votre business avec l'intelligence artificielle
biZNov - pour dynamiser votre business avec l'intelligence artificiellebiZNov - pour dynamiser votre business avec l'intelligence artificielle
biZNov - pour dynamiser votre business avec l'intelligence artificielle
 
Euratech'trends : Machine Learning
Euratech'trends : Machine LearningEuratech'trends : Machine Learning
Euratech'trends : Machine Learning
 

Plus de Infopole1

Club RH: L'intelligence artificielle: une révolution pour les pratiques RH
Club RH: L'intelligence artificielle: une révolution pour les pratiques RHClub RH: L'intelligence artificielle: une révolution pour les pratiques RH
Club RH: L'intelligence artificielle: une révolution pour les pratiques RH
Infopole1
 
Slides du webinaire de l'Infopole sur l'IA
Slides du webinaire de l'Infopole sur l'IASlides du webinaire de l'Infopole sur l'IA
Slides du webinaire de l'Infopole sur l'IA
Infopole1
 
Présentation extr4.0rdinaire Liège avenir numérique des RH - 160525
Présentation extr4.0rdinaire Liège avenir numérique des RH - 160525Présentation extr4.0rdinaire Liège avenir numérique des RH - 160525
Présentation extr4.0rdinaire Liège avenir numérique des RH - 160525
Infopole1
 
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Infopole1
 
Extra-120324-Visite-Entreprise-icare.pdf
Extra-120324-Visite-Entreprise-icare.pdfExtra-120324-Visite-Entreprise-icare.pdf
Extra-120324-Visite-Entreprise-icare.pdf
Infopole1
 
Extr4.0rdinaire - L'IA, on y va ! - 15/02/2024
Extr4.0rdinaire - L'IA, on y va ! - 15/02/2024Extr4.0rdinaire - L'IA, on y va ! - 15/02/2024
Extr4.0rdinaire - L'IA, on y va ! - 15/02/2024
Infopole1
 
Présentation - Infopole fait sa rentrée !
Présentation - Infopole fait sa rentrée !Présentation - Infopole fait sa rentrée !
Présentation - Infopole fait sa rentrée !
Infopole1
 
ChiMérique Use Case Library
ChiMérique Use Case LibraryChiMérique Use Case Library
ChiMérique Use Case Library
Infopole1
 
Extr4.0rdinaire cybersécurité : présentation des intervenants
Extr4.0rdinaire cybersécurité : présentation des intervenantsExtr4.0rdinaire cybersécurité : présentation des intervenants
Extr4.0rdinaire cybersécurité : présentation des intervenants
Infopole1
 
Business Club : Data Driven Marketing
Business Club : Data Driven MarketingBusiness Club : Data Driven Marketing
Business Club : Data Driven Marketing
Infopole1
 
20230912 - présentation générale Infopole H2O.pptx
20230912 - présentation générale Infopole H2O.pptx20230912 - présentation générale Infopole H2O.pptx
20230912 - présentation générale Infopole H2O.pptx
Infopole1
 
20230912 - présentation générale Infopole H2O.pptx
20230912 - présentation générale Infopole H2O.pptx20230912 - présentation générale Infopole H2O.pptx
20230912 - présentation générale Infopole H2O.pptx
Infopole1
 
Présentation des candidats CA 2023.pptx
Présentation des candidats CA 2023.pptxPrésentation des candidats CA 2023.pptx
Présentation des candidats CA 2023.pptx
Infopole1
 
2023.05.31 - QEC - INFOPOLE - TechnoloGreen Club #1.pdf
2023.05.31 - QEC - INFOPOLE - TechnoloGreen Club #1.pdf2023.05.31 - QEC - INFOPOLE - TechnoloGreen Club #1.pdf
2023.05.31 - QEC - INFOPOLE - TechnoloGreen Club #1.pdf
Infopole1
 
Business Club Legal : Comment gérer les licences et la propriété intellectuel...
Business Club Legal : Comment gérer les licences et la propriété intellectuel...Business Club Legal : Comment gérer les licences et la propriété intellectuel...
Business Club Legal : Comment gérer les licences et la propriété intellectuel...
Infopole1
 
Business Club Legal : Réforme de la rémunération en droits d'auteur
Business Club Legal : Réforme de la rémunération en droits d'auteurBusiness Club Legal : Réforme de la rémunération en droits d'auteur
Business Club Legal : Réforme de la rémunération en droits d'auteur
Infopole1
 
20231404 - Extraordinaire - zerodefaut - Nivelles.pdf
20231404 - Extraordinaire - zerodefaut - Nivelles.pdf20231404 - Extraordinaire - zerodefaut - Nivelles.pdf
20231404 - Extraordinaire - zerodefaut - Nivelles.pdf
Infopole1
 
Extraordinaire - Energie - Liege
Extraordinaire - Energie - LiegeExtraordinaire - Energie - Liege
Extraordinaire - Energie - Liege
Infopole1
 

Plus de Infopole1 (18)

Club RH: L'intelligence artificielle: une révolution pour les pratiques RH
Club RH: L'intelligence artificielle: une révolution pour les pratiques RHClub RH: L'intelligence artificielle: une révolution pour les pratiques RH
Club RH: L'intelligence artificielle: une révolution pour les pratiques RH
 
Slides du webinaire de l'Infopole sur l'IA
Slides du webinaire de l'Infopole sur l'IASlides du webinaire de l'Infopole sur l'IA
Slides du webinaire de l'Infopole sur l'IA
 
Présentation extr4.0rdinaire Liège avenir numérique des RH - 160525
Présentation extr4.0rdinaire Liège avenir numérique des RH - 160525Présentation extr4.0rdinaire Liège avenir numérique des RH - 160525
Présentation extr4.0rdinaire Liège avenir numérique des RH - 160525
 
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
Workshop l'IA au service de l'industrie - Présentation générale - Extra 14...
 
Extra-120324-Visite-Entreprise-icare.pdf
Extra-120324-Visite-Entreprise-icare.pdfExtra-120324-Visite-Entreprise-icare.pdf
Extra-120324-Visite-Entreprise-icare.pdf
 
Extr4.0rdinaire - L'IA, on y va ! - 15/02/2024
Extr4.0rdinaire - L'IA, on y va ! - 15/02/2024Extr4.0rdinaire - L'IA, on y va ! - 15/02/2024
Extr4.0rdinaire - L'IA, on y va ! - 15/02/2024
 
Présentation - Infopole fait sa rentrée !
Présentation - Infopole fait sa rentrée !Présentation - Infopole fait sa rentrée !
Présentation - Infopole fait sa rentrée !
 
ChiMérique Use Case Library
ChiMérique Use Case LibraryChiMérique Use Case Library
ChiMérique Use Case Library
 
Extr4.0rdinaire cybersécurité : présentation des intervenants
Extr4.0rdinaire cybersécurité : présentation des intervenantsExtr4.0rdinaire cybersécurité : présentation des intervenants
Extr4.0rdinaire cybersécurité : présentation des intervenants
 
Business Club : Data Driven Marketing
Business Club : Data Driven MarketingBusiness Club : Data Driven Marketing
Business Club : Data Driven Marketing
 
20230912 - présentation générale Infopole H2O.pptx
20230912 - présentation générale Infopole H2O.pptx20230912 - présentation générale Infopole H2O.pptx
20230912 - présentation générale Infopole H2O.pptx
 
20230912 - présentation générale Infopole H2O.pptx
20230912 - présentation générale Infopole H2O.pptx20230912 - présentation générale Infopole H2O.pptx
20230912 - présentation générale Infopole H2O.pptx
 
Présentation des candidats CA 2023.pptx
Présentation des candidats CA 2023.pptxPrésentation des candidats CA 2023.pptx
Présentation des candidats CA 2023.pptx
 
2023.05.31 - QEC - INFOPOLE - TechnoloGreen Club #1.pdf
2023.05.31 - QEC - INFOPOLE - TechnoloGreen Club #1.pdf2023.05.31 - QEC - INFOPOLE - TechnoloGreen Club #1.pdf
2023.05.31 - QEC - INFOPOLE - TechnoloGreen Club #1.pdf
 
Business Club Legal : Comment gérer les licences et la propriété intellectuel...
Business Club Legal : Comment gérer les licences et la propriété intellectuel...Business Club Legal : Comment gérer les licences et la propriété intellectuel...
Business Club Legal : Comment gérer les licences et la propriété intellectuel...
 
Business Club Legal : Réforme de la rémunération en droits d'auteur
Business Club Legal : Réforme de la rémunération en droits d'auteurBusiness Club Legal : Réforme de la rémunération en droits d'auteur
Business Club Legal : Réforme de la rémunération en droits d'auteur
 
20231404 - Extraordinaire - zerodefaut - Nivelles.pdf
20231404 - Extraordinaire - zerodefaut - Nivelles.pdf20231404 - Extraordinaire - zerodefaut - Nivelles.pdf
20231404 - Extraordinaire - zerodefaut - Nivelles.pdf
 
Extraordinaire - Energie - Liege
Extraordinaire - Energie - LiegeExtraordinaire - Energie - Liege
Extraordinaire - Energie - Liege
 

EXTRA-Présentation generale 180923.pptx

  • 2. Programme 10h45 : Accueil des participants 11h00 : Tour d'horizon - Multitel 11h45 : Cas d'application - TIMI 12h30 : Les solutions disponibles pour vous aider à passer à l'action - INFOPOLE & MIC 12h45 : Moment de networking et lunch
  • 3. 3 European AI week L’Intelligence Artificielle au service des PMEs 19 Septembre 2023 Jean-Yves Parfait - Multitel Responsable Département Intelligence Artificielle
  • 4. L’IA, Où en sommes-nous? c’est quoi? Comment ça fonctionne?
  • 5. Une histoire pas si récente…XAMPLE: E- 3D-PLTS
  • 6. A l’origine du 3ème boom…: E-3D-PLTS Ressources de calcul Données Algorithmes Source image : Formation AI4Business, Agoria
  • 7. Strong AI (AGI) Intelligence d’une machine qui peut comprendre ou apprendre n’importe quelle tâche intellectuelle dont un être humain est capable (capacité de raisonner, planifier, communiquer…) . Weak AI (ANI) Capacité d’une machine à résoudre une tâche spécifique.
  • 9. Mais concernant les ANIs…XAMPLE: E- 3D-PLTS
  • 10. Qu’est ce l’IA?: E-3D-PLTS Théorie et développement de systèmes informatiques capables d'exécuter des tâches nécessitant normalement l'intelligence humaine Un sous-domaine de l'IA : programmes ayant la capacité d'apprendre sans être explicitement programmé Deep learning Machine learning Intelligence artificielle Un sous-domaine du machine learning : Réseaux neuronaux artificiels qui apprennent et s’adaptent à partir de grandes quantités de données
  • 11. Comment ça marche ?PLE: E-3D-PLTS Machine learning Explicitly program how to learn from data how to solve a task Explicitly program how to solve a task Data Output s Rule s Data Rules Outputs Programmation traditionnelle Machine learning
  • 12. Comment ça marche ?PLE: E-3D-PLTS Machine learning Input (A) • Image • Text • Numerical data Output (B) • “Malignant” or “benign” • “Spam” or “not spam” • 56 apple sold
  • 13. Comment ça marche ?PLE: E-3D-PLTS Machine learning Objectif: Reconnaître un chat
  • 14. Comment ça marche ?PLE: E-3D-PLTS Machine learning Programmation classique If == Entrée/ Data Rules/ Software code Computer “Cat” Output/Résultat
  • 15. Comment ça marche ?PLE: E-3D-PLTS Machine learning Programmation classique If == Rules/ Software code Computer FAIL Entrée/ Data
  • 16. Comment ça marche ?PLE: E-3D-PLTS Machine learning Approche par apprentissage Entrée/ Data Output/ Résulta t Computer Cat recognition Rules/Software code “Cat”
  • 17. Comment ça marche ?PLE: E-3D-PLTS Machine learning Les types de données en entrée ET en sortie déterminent la tâche IA.
  • 18. Taxonomie: IAE-3D-PLTS Source: CREATION OF A TAXONOMY FOR THE EUROPEAN AI ECOSYSTEM, Cross-KIC Activity, 2021
  • 19. Foundation Models (ex: LLM) Source: Epochai.org
  • 20. ConclusionsD-PLTS • L’IA couvre une grande variété de finalités, en évolution constante (ex: Foundation Models, Transformers,…). • Les progrès récents relèvent principalement du domaine du Machine Learning (ML) et en particulier du Deep Learning (DL). • De nombreuses alternatives algorithmiques existent pour implémenter une tâche donnée, qui diffèrent par:  Les besoins en pré-traitement.  La quantité de données d’entraînement nécessaire.  La complexité de calcul.  Les fonctionnalités annexes (ex: Explicabilité). • Entraînement des « Foundation Models », hors de portée de nombreuses entreprises.
  • 21. L’IA au service de l’entreprise, quelques exemples.
  • 22. L’IA au long de la chaîne de valeur: E-3D- PLTS Tâches IA Applications Gestion documentaire Test In-Silico CAD (IA + Simu) Allocation de ressources Allocation de capacité Conception de ligne optimisée Optimisation de processus Maintenance prédictive Analyse de défaillances Ordonnancemen t Contrôle qualité Gestion énergie Prédiction demande Stratification clients Recommandatio n Pricing dynamique Gestion documentaire (partenaires) Optimisation logistique CRM Maintenance automatisée Régression Clustering Association IA Générative Optimisation Optimisation Régression Optimisation Classification Régression Clustering IA Générative Optimisation Régression Régression Classification Modèles IA NLP/LLM Sequential modeling Physic-Informed models… ReInforcement Learning Programmation Linéaire… Régression ReInforcement Learning… ReInforcement Learning Vision par ordinateur (CNN) … NLP/LLM LSTM, GRU… NLP/LLM Vision par ordinateur (CNN)… NLP/LLM CNN (ASR) Physic-Informed models…
  • 23. Exemples de projets: E-3D-PLTS FoodWal – Peptiboost: Prédiction In-Silico du potentiel d’activation de peptides et identification de réactifs enzymes-protéines pour la production de peptides bioactifs. Projet « Sucra »: Aide au dimensionnement d’une machine de « picking » intégrée dans une ligne d’emballage de biscuits. SmartR4F: Développement de moyens d’instrumentation pour l’analyse vibratoire et ML pour la détection automatique des problèmes de mesures et des défauts. R&D Productio n Planning Productio n Engineerin g
  • 24. Exemples de projets: E-3D-PLTS WINGS : Simulation + ordonnancement d’une ligne de production (intégrant un autoclave) de pièces en matériaux composites pour l’aéronautique. TRIDIM: Développement d’une librairie de calibration automatique pour un système de contrôle qualité par caméra laser. Industry4.0: Détection de défauts dans des surfaces 3D acquises par un système de contrôle par caméra laser. Productio n execution Productio n execution Productio n execution
  • 25. Exemples de projets: E-3D-PLTS WINGS : Prédiction du RUL (Remaining Useful Life) de batteries de drônes intégrant les conditions de vol. SmartSign : Suivi de l’état de panneaux de signalisation par détection de chocs et de chutes (développement HW et SW). After- Sales Services After- Sales Services
  • 26. Déployer l’IA en entreprise, défis et points d’attention.
  • 27. Déploiement IA en entreprise: les défis Source: https://dzone.com/ (Editeur logiciels) 54% des projets « Data science » menés entre 2015 et 2017 pas mis en production (Etude Gartner, 2019) pour diverses raisons:  Données insuffisantes (qualité et quantité).  Contraintes techniques et organisationnelles.  Business modèles invalidés.  Attentes excessives.
  • 28. Les besoins… Bien définir son application Tâches IA? Interaction humain-IA (ex: Aide à la décision)? Plateforme Inférence? Cycle de vie (MLOPS)? Flux de données (rapatriement, accès)?
  • 29. Les données… Mettre en place les processus de collecte, de gestion et d’annotation de données Qualité des données (représentativit ébalance,…) Quantité de données à disposition? Méta-données (annotations, timestamp, format,..)? Contraintes d’accès aux données (confidentialité, localisation) Quelles données pour représenter mon process
  • 30. L’équipe… Mettre en place une équipe multi- disciplinaire SW Développeurs Data scientists Experts du domaine Utilisateurs Equipe IT
  • 31. La régulation…LTS • European AI Act et le European Data Act adoptés en juin 2023. • Objectif: Favoriser le développement responsable d’applications IA (EU AI Act) et le développement d’un cloud souverain en ligne avec les valeurs de l’EU (EU Data Act). • Critères imposés: explainability, transparency, fairness, accountability,… • Approche par niveau de criticité, défini par application. • Impact différent selon les secteurs, plus important pour les secteurs déjà fortement régulés (ex: medical device, aéronautique,…).
  • 33. 19 septembre 2023 L’IA AU SERVICE DES PME OPTIMISATION DES VENTES
  • 34. Premier développement de notre ETL Anatella 2010 Leader mondial en termes de satisfaction sur le site de référence G2 2022 Ouverture bureaux LATAM Colombie & Pérou 2015 Création de TIMi et du premier moteur de machine learning automatisé 2007 Asie et Amérique du nord 2027
  • 35. Reporting Opérationnel Analyse Stratégique Modélisation Prédictive PLUS VALUE TEMPS Que s’est il passé ? Identifier les sources de données Vérifier la conformité Mesurer la performance Diffuser les indicateurs aux utilisateurs Pourquoi cela s’est -il passé ? Segmenter les données Interroger les indicateurs Associer des données issues de plusieurs sources Établir des tableaux de bords dynamiques personnalisés Comment améliorer mes résultats ? Utiliser des modèles pour la résolution de problèmes Procéder à des analyses de risques Planifier sa croissance par scénarios Intégrer l’analytique au processus décisionnel
  • 36. Data Infrastructure Compétences PRÉREQUIS 03 INTRODUCTION Up Selling & Cross Selling ? Définition Chiffres clés 01 CAS D’USAGE Challenge Développement Résultats 02 QUESTIONS RÉPONSES 04
  • 37. L’Up Selling ou montée en gamme est la pratique qui consiste à proposer un produit ou service légèrement supérieur et plus cher que celui auquel s'intéresse le prospect. Le Cross Selling est le processus qui consiste à offrir à un client des produits compatibles avec ceux qu'il achète. INTRODUCTION 01
  • 38. CHIFFRES CLÉS La technique du Cross Selling représente 30% du CA de Amazon. Selon McKinsey, l’utilisation du Cross Selling peut augmenter les ventes de 20% sur un site marchand. Les équipes de vente qui utilisent l’intelligence artificielle augmentent leur efficacité / productivité de 62%. 20% 62% 30% 7% Seulement 7% des entreprises wallonnes auraient démarré un projet en intelligence artificielle .
  • 39. AMÉLIORER LA PRISE DE DÉCISION ENJEUX 01 AUTOMATISATION TÂCHES CHRONOPHAGES AMÉLIORER L’EFFICACITÉ DES ÉQUIPES ANTICIPER LA DEMANDE ADAPTER VOTRE OFFRE, VOS STOCKS, VOTRE LOGISTIQUE…
  • 40. TESTS & VALIDATION 2.3 OBJECTIFS 2.1 ÉTAT DES LIEUX 2.2 DEPLOIEMENT & RÉSULTATS 2.4 USE CASE COVIVINS 02
  • 41. OBJECTIFS Réalisation d’une liste de recommandations personnalisée pour l’équipe de vente. 2 impératifs : La propension de chaque client à acheter certaines catégories de produits. Les marges de Covivins en proposant à ses clients des produits « équivalents » mais dégageant des marges supérieures. 2.1
  • 42. ÉTAT DES LIEUX Table Ventes : 1.280.000 transactions Table Produits : 25 850 produits Table clients : 1788 clients 2.2
  • 43. TESTS & VALIDATION 5 Workshops avec les parties prenantes dans le projet (CEO, Manager, équipe de vente) Période de test pour les modèles 2.3
  • 44. DEPLOIEMENT & RÉSULTATS Mise en production du modèle Adoption des rapports automatisés par les Sales Application des recommandations lors des RDV physique et via le 2.4
  • 45. PRÉREQUIS Qualité des données Enrichissement continu Partage entre les départements Dédiez des outils et une infrastructure spécifique dédiés au traitements des données Bases dans l’analyse Connaissance du secteur d’activité Capacité à travailler en équipe . INFRASTRUCTURE COMPÉTENCES DATA BONNE CONDUITE Stricte respect des lois & du RGPD Détecter les biais Communication transparente OBJECTIFS Clairement définis Quick Win ENGAGEMENT Implication des parties prenantes Acceptation du changement Démontrer les bénéfices 03
  • 46. thomas@timi.eu +32 478 481 925 timi.eu MERCI
  • 47. P i s t e s d e f i n a n c e m e n t M o n s - 1 9 s e p t e m b r e 2 0 2 3
  • 48. F i n a n c e m e n t Aides/subsides AAP/POC Financement/prêt • Easy-up • Easy-green • Vos partenaires financiers (banque, invests, etc.) • IA : Tremplin IA • IdF PoC • Eco. Circu. AAP/PoC • … • Start & Tremplin IA • Chèques entreprises • Numérique • Relance
  • 49. I A : S t a r t e t Tr e m p l i n https://www.digitalwallonia.be/ia/ START IA = Tour d’horizon Accompagnement de 40H pour mesurer le potentiel de vos données et identifier les opportunités de l’IA et préparer un plan d’actions Financement de 70% : 3500€/5000€ Conditions : Localisation en wallonie Tremplin IA = PoC - tester Accompagnement pour tester la faisabilité d’un projet et évaluer « concrètement » la performance de l’IA sur vos données. Financement de 70% : 40.000/28.000€ Conditions : Localisation en wallonie Accessible pour les grandes entreprises
  • 50. E a s y - U p / E a s y G r e e n https://www.wallonie-entreprendre.be/fr/financements/pret/ Easy-up = transformation numérique Soutenir les entreprises dans leur transformation numérique (ex. Idf 4.0) : digitalisation des process, infrastructure, stratégie commerciale. Ex: Acquisition ERP Prêt subordonné (max 500K) – 40% Pas de garantie + poss. franchise Easy-green = transition énergétique Réduction des factures énergétiques, du CO2, projet éco-innovants, eau, groupe froid, gaz fluoré, panneaux solaires, transition bas carbone, gestion intelligente de l’énergie, plus circulaire, etc. Prêt subordonné CT,LT (max 1.000K) + poss. franchise Pas de garantie + poss. franchise Financement (prêt et garantie) + accompagnement Bientôt accessible pour les grandes entreprises
  • 51. C h è q u e s E n t r e p r i s e Type de chèques Chèques entreprises Taux d'interventio n Plafond Montant max sur 3 ans Durée Relance par le numérique - Diagnostic 90% 1.900 € 1.900 € 3 ans - Plan d'actions stratégiques 90% 5.700 € 5.700 € 3 ans - Implémentations stratégiques 90% 7.400 € 7.400 € 3 ans Numérique - Cybersécurité 75% 50.000 € 50.000 € 3 ans - Maturité numérique 50% 50.000 € 50.000 € 3 ans https://www.cheques-entreprises.be/
  • 52. 52
  • 53. 53 Est-ce que vous passez à côté d’une opportunité offerte par les technologies modernes ?
  • 54. 54 Pour 50 entreprises wallonnes 4 conférences et 6 ateliers pour prendre en main les outils intelligents et tester les technologies qui peuvent rendre vos outils intelligents.
  • 55. 55 Pour 10 entreprises de la région de Mons Pour enrichir votre compréhension de l’intelligence artificielle dans le contexte de votre entreprise afin de démarrer un projet d’intégration.
  • 57. E t m a i n t e n a n t ? - 1 6 / 1 0 – J e r é i n v e n t e m o n J o b g r â c e à l ’ I A @ T e c h n o c i t é - 0 7 / 1 0 - G a g n e z d u t e m p s e t o p t i m i s e z v o s p e r f o r m a n c e s a v e c l ’ I A - 1 8 / 1 0 – A I D e m o D a y @ M I C

Notes de l'éditeur

  1. Cette question elle est embêtante parce qu’il n’y a pas de réponse correcte, Ça bouge trop vite, et ce qui est perçu comme révolutionnaire peut s’avérer inefficace en situation réelle si ce n’est pas pensé correctement. Mais resté informé, identifier la bonne technologie et l’intégrer correctement, ça prend du temps, Hors du temps, on à pas ou peu.