L’impact de l’Intelligence Artificielle
sur les métiers
19 octobre 2017

L’impact de l’Intelligence Artificielle
sur les métiers
Jean-Claude Heudin, Directeur du laboratoire de recherche de
l’Institut International du Multimédia-Léonard-de-Vinci nous a éclairé
sur les différents niveaux d’Intelligence Artificielle, afin de démêler le
vrai du faux au regard de l’évolution rapide, multiple et fascinante de
l’Intelligence Artificielle que nous connaissons aujourd’hui.
Stéphanie Hajjar, Directrice de l’Innovation et de l’Entreprenariat
chez Leroy-Merlin, a ensuite évoqué les utilisations concrètes de
l’Intelligence Artificielle au sein de son entreprise et les implications
que celles-ci ont sur ses métiers.
Reynald Chapuis, Directeur Expérience Utilisateur & Digital chez
Pôle Emploi, a présenté les dernières applications développées par
son agence qui intègrent l’Intelligence Artificielle et dont les usages
sont pensés à destination des collaborateurs tout autant que des
demandeurs d’emploi.
#YliosExplo
Le Club des Explorateurs du Futur d’Ylios s’est penché sur l’impact de
l’Intelligence Artificielle sur les métiers en croisant les regards de trois
intervenants respectivement issus du milieu académique, de l’entreprise privée
et d’une agence publique, au cours d’un débat s’étant tenu le 19 octobre 2017.
2

L’Intelligence Artificielle :
entre réalité et fantasme
Jean-Claude Heudin
Tous les jours, de nouvelles annonces fantasmatiques sont faites au sujet de l’Intelligence Artificielle.
Vladimir Poutine a fait grand bruit en déclarant que celui qui contrôlerait l’Intelligence Artificielle
contrôlerait le monde. L’Intelligence Artificielle est au cœur des débats : pourquoi ? Et pourquoi
maintenant ? La discipline date en effet des années 1950 et a connu de grandes avancées
périodiquement. Or chaque « envolée lyrique » a été suivie d’un « hiver ». Mais depuis les années
2010, on assiste à un développement sans précédent et multiple de l’Intelligence Artificielle.
Pourquoi une telle envolée au début des années 2010 ? De grandes théories existaient depuis 20 ou
30 ans, mais il manquait alors les données et la puissance de calcul. C’est au cours de cette décennie
que l’on commence à avoir un accès plus facile à la data, composante indispensable de l’Intelligence
Artificielle, et notamment du machine learning. Quant à la capacité de calcul, elle n’était pas
suffisante dans les décennies précédentes. Depuis 2012, les cartes graphiques sont suffisamment
puissantes pour réaliser les calculs matriciels nécessaires à l’Intelligence Artificielle. Cette facilité
d’accès aux données et à la vitesse de calcul a boosté l’essor de l’Intelligence Artificielle et les
publications scientifiques associées, ainsi que la mise en œuvre de nouvelles compétences.
Quels changements cela a-t-il provoqué en pratique ? Auparavant, lorsque l’on voulait s’attaquer à
une problématique, il fallait pouvoir disposer d’un modèle de systèmes. S’il était simple, il pouvait
être modélisé assez facilement ; mais s’il était complexe, les coûts élevés engendrés signifiaient
l’arrêt du projet. Avec les réseaux de neurones (en particulier profonds), si les datas sont disponibles
et que l’objectif de recherche est bien défini en amont, le réseau est capable d’apprendre, d’être
entraîné et d’approximer le phénomène. Cela permet de s’attaquer à des applications qui autrefois
étaient inatteignables, comme la voiture autonome.
Une hiérarchisation de l’Intelligence Artificielle selon six niveaux peut être proposée :
1. IA sous-humaine pour des tâches spécifiques : il s’agit de la majorité des exemples actuels d’IA
regroupant les chatbots, la reconnaissance vocale, Siri…
2. IA équivalente à un humain pour des tâches spécifiques : la voiture autonome est un exemple
parlant de ces réseaux de neurones peu profonds auxquels on apprend des caractéristiques
pour qu’il les catégorise…
3. IA supérieure à la plupart des intelligences humaines pour des tâches spécifiques : les réseaux
de neurones profonds (reconnaissance d’images…) interviennent dans les cas où le volume de
données dynamiques dépasse la capacité de traitement par l’humain seul.
4. IA supérieure à toute intelligence humaine pour des tâches spécifiques : AlphaGo est le seul
exemple de cette catégorie : l’humain est dépassé par cette IA.
5. IA supérieure à l’intelligence humaine pour une majorité de tâches (#AGI) : dont l’émergence
est annoncée par certains d’ici 10 à 100 ans, mais qui est encore du domaine de la science-
fiction pour le moment.
6. IA ultime (#singularité) : ce niveau ne semble pas du domaine du possible pour le moment.
D’après la courbe de Gartner, on peut s’attendre dans les années qui viennent à une descente
assez forte dans la vallée de la désillusion pour les entreprises et acteurs se lançant dans les IA, avant
qu’un nouveau mouvement ne se lance. Sur 83 entreprises étudiées par Gartner, 60% ont
commencé à étudier l’Intelligence Artificielle, 25% ont commencé à développer une application et
5% seulement en ont une application effective. L’Intelligence Artificielle n’en est qu’à son début.
3

Usages et applications de
l’Intelligence Artificielle et
premières réalisations
Stéphanie Hajjar
Leroy Merlin appartient au Groupe ADEO et emploie plus de 100 000 collaborateurs à travers le
monde pour un chiffre d’affaires de 19 milliards d’euros. En France, la marque détient 138 magasins
pour un chiffre d’affaires de 6 milliards d’euros.
Leroy Merlin travaille autour de l’omnicanalité pour se démarquer de ses concurrents, dont les
géants Amazon et Alibaba qui a par exemple récemment déclaré vouloir investir 15 milliards d’euros
dans les 5 prochaines années dans la supply chain. Si le modèle d’Amazon Go repose sur
l’automatisation et supprime presque l’humain dans le processus d’achat (utilisation d’applications,
absence de passage en caisse), Leroy Merlin mise tout quant à lui sur la relation client.
Aujourd'hui, comment faire pour que toutes les tâches récurrentes puissent être automatisées,
grâce entre autre au machine learning et aux robots ?
La première étape est la data. Il y a de vraies possibilités d’être bien plus data driven, mais toutes les
entreprises ne sont pas conscientes de la puissance de la data ni de la manière adéquate de l’utiliser
au profit des clients et de leurs collaborateurs.
Les champs d’application de l’Intelligence Artificielle sont nombreux chez Leroy Merlin. En voici
quelques exemples concrets :
• Leroy Merlin a développé l’initiative Vision pour associer les collaborateurs à la co-construction
de l’entreprise à horizon 10 ans, en invitant des partenaires, des clients, des fournisseurs ou
encore des start-ups à y prendre part. Des milliers d’idées ont émané de ce projet, ce qui
représentait un challenge majeur pour les restituer. Le recours au robot IBM Watson a permis de
capturer facilement des verbatims et de classer les idées en grandes catégories. Il s’agit d’un cas
original d’utilisation de l’Intelligence Artificielle pour démultiplier l’intelligence collective.
• L’IA permet aussi à Leroy Merlin d’adresser à ses clients des propositions d’articles plus
pertinentes pour leurs besoins après avoir combiné les historiques de recherche sur son siteweb.
• Dans une optique similaire d’amélioration de l’expérience client, Leroy Merlin a développé un
« coach déco ». Celui-ci aide l’utilisateur à se projeter en lui proposant lors de ses achats une
simulation 3D réalisée à partir d’une photo de son intérieur. L’application développée par Rhinov
intègre le catalogue de produits de l’enseigne, les simulations sont accessibles en ligne et in situ.
• L’intelligence Artificielle est également utilisée à des fins d’optimisation de processus internes.
Une application permet par exemple, en prenant une simple photo de la tête de gondole, d’y
identifier les produits présentés et d’en afficher les résultats de performance.
• Dans la même ligne, Leroy Merlin a recours à de l’Intelligence Artificielle pour fixer les prix de ses
produits, le temps réel pouvant être mieux pris en compte.
• Et si la gestion des stocks demeure un irritant, des caméras fixées sur les robots ménagers
permettent de faire un inventaire précis des rayons et de faciliter la prise de décisions.
4

Mailler les intelligences
artificielles, humaines
et collectives
Reynald Chapuis
Pôle emploi a trois missions : inscrire et indemniser ; accompagner les recruteurs dans leur capacité à
trouver des compétences pour se développer ; compiler les données du marché du travail et informer de
manière proactive ou réactive autour de la montée en compétences.
L’an passé, la société française a fait un pas assez considérable vers la data. Aujourd’hui, on peut
considérer que Pôle Emploi est le 1er fournisseur de données publiques sur l’emploi en format API.
Or la loi Lemaire sur le numérique a soulevé plusieurs interrogations : Comment partager des données
qui peuvent aussi être dans le secteur privé et aider les acteurs privés à mieux faire leur travail en
ayant recours aux données publiques ? Quid de l’éthique, des biais et du secret dans les algorithmes ?
Quelle est la responsabilité sociétale des algorythmes et des Intelligences Artificielles ?
Pôle Emploi est mature sur le sujet de l’Intelligence Artificielle. Depuis 2012, Pôle Emploi a ainsi
lancé LabRH, une initiative de co-innovation avec 450 start-ups sur l’accélération du retour à l’emploi et
l’exploitation de la data.
Reynald Chapuis a partagé trois convictions sur l’importance de l’humain face à l’intelligence collective :
• L’importance de l’interaction : 95% de la communication est non verbale. La langue et la
communication se structurent, tout comme la data. Or ce sujet, l’Intelligence Artificielle est
aujourd’hui décevante, ce qui explique en partie que le recrutement prédictif n’est pas encore mature.
• La part de l’intelligence humaine et de l’intelligence collective est majeure. Au salon Vivatech,
certains utilisateurs étaient frustrés car l’IA (vocale) ne répondait pas correctement. Il faut développer
des services d’IA qui tiennent compte de la sensibilité humaine et de l’intelligence collective.
• Le collaboratif est essentiel. Pôle Emploi a lancé les communautés d’accompagnement territoriales
récemment : il s’agit de la mise en place d’écosystèmes résilients où le collaborateur organise les
échanges. Pôle Emploi joue ainsi un rôle de facilitateur pour répondre aux besoins des demandeurs
d’emploi et des entreprises du territoire. Cette facilitation a besoin d’être intelligente, sur ce point
l’Intelligence Artificielle permet d’optimiser les mises en relation et le traitement des données.
Une des initiatives développées par Pôle Emploi est Emploi Store (livré le 20 novembre). L’objectif est de
répondre aux besoins des utilisateurs, sachant que Pôle Emploi n’est pas le producteur des 300 services
proposés. Emploi Store répond à 99% des besoins grâce a un parcours utilisateur reposant sur 6
domaines. Plus qu’un simple moteur d’indexation pour guider l’utilisateur, Pôle Emploi a greffé un
moteur d’IA sur les données de navigation de l’Emploi Store afin de proposer à ses utilisateurs des
parcours optimisés tenant compte de leurs sujets de recherche.
Comment capter tous les besoins des utilisateurs ? Chez Pôle Emploi, le recours à l’IA est pensé comme
un complément au travail indispensable de ses conseillers, l’avantage de l’IA étant de pouvoir intervenir
24/24h et de pouvoir recueillir un maximum d’informations mises à disposition des conseillers.
5

Mailler les intelligences
artificielles, humaines
et collectives
Reynald Chapuis
Pôle Emploi a décidé de mener pendant quatre mois une expérimentation sur la collaboration et la
complémentarité entre IA et intelligence collective. Pour cela, une plateforme d’entraide solidaire
et volontaire (où les utilisateurs échangeait entre eux) a servi de base de données et d’apprentissage
pour créer un chatbot d’assistance aux usagers du site Internet. L’IA permet ensuite de localiser
géographiquement les questions, mais aussi d’identifier et de réunir les réponses pertinentes.
L’Intelligence Artificielle est au service des collaborateurs à travers plusieurs projets concrets :
• Le développement d’une plateforme d’innovation collaborative qui permet de capter les
différentes demandes des demandeurs d’emplois, de les synthétiser et d’en faire émerger des
tendances. Une expérimentation a été menée en Bourgogne-Franche-Comté sur les nouveaux
inscrits : elle reposait sur un dashboard synthétisant les profil type, les compétences et un certain
nombre de statistiques prédictives et probabilistes (nombre de personnes trouvant un emploi,
durée de la recherche, compétences les plus recherchées) par clustering.
• Pôle Emploi a également lancé La bonne boite, un service permettant de cibler les entreprises qui
recrutent le plus. Une initiative d’autant plus ingénieuse que la candidature spontanée est la
deuxième méthode la plus efficace pour trouver un emploi.
• Les conseillers Pôle Emploi pourront bientôt s’appuyer sur la génération de fiches d’informations
synthétiques sur leurs demandeurs d’emploi en portefeuille pour les aider à préparer leurs
entretiens de suivi. Elles mettent sur un format texte l’ensemble des informations présentes dans
le dossier du demandeur d’emploi et les synthétisent dans un langage compréhensible
permettant un gain de temps conséquent pour les conseillers.
6

Les points clé du débat
La data : le socle de l’Intelligence Artificielle
« Toutes les entreprises ne sont pas conscientes de la puissance de la data et de la manière de s’en
servir » nous a rappelé Stéphanie Hajjar. La récente disponibilité de la data en masse est en effet le
catalyseur de l’émergence de l’Intelligence Artificielle à partir des années 2010, et notamment le
développement du machine learning. Il faut évidemment ajouter à cela les progrès en termes de
puissance de calcul constatés depuis quelques années.
L’impact de l’Intelligence Artificielle sur les métiers et les compétences actuels
Au niveau interne de l’entreprise, des questions se posent quant à la conduite du changement dans
un environnement de plus en plus digitalisé. En réponse à la question sur les éléments nécessaires
pour qu’un acteur puisse basculer pleinement vers l’Intelligence Artificielle, Stéphanie Hajjar indique
que le travail en open innovation qu’elle a mené avec des start-ups est une approche intéressante
pour intégrer ce changement culturel au sein du groupe Leroy Merlin. Reynald Chapuis maintient à
son tour qu’il est de la responsabilité du dirigeant d’expliquer par exemple « quel va être le rôle d’un
conseiller Pôle Emploi dans un monde complètement digitalisé ». Les soft skills demeurent essentiels
dans cette transformation et l’humain doit rester au centre. Dans cette même ligne, Jean-Claude
Heudin affirme que l’étape 0 de toute intégration de l’Intelligence Artificielle dans une entreprise est
l’information et la formation à destination de l’interne.
Compétences nécessaires au développement de l’Intelligence Artificielle
Les entreprises doivent désormais capter des compétences techniques dont elles n’avaient pas besoin
auparavant pour développer l’Intelligence Artificielle. Pour Reynald Chapuis, l’une des meilleures
approches est la redistribution des responsabilités entre ceux qui conçoivent et ceux qui
maintiennent les outils de l’Intelligence Artificielle. Stéphanie Hajjar reconnait qu’il existe encore un
problème d’attractivité pour les métiers techniques dans les entreprises qui ne sont pas de prime
abord spécialisés dans ce domaine, comme Leroy Merlin. Enfin Jean-Claude Heudin conclut sur le fait
que la formation aux data sciences pourrait être intégrée au parcours scolaire de tous les écoliers
pour pallier la difficulté de capter ces compétences.
Ethique et Intelligence Artificielle
Constatant la montée en puissance effective de l’Intelligence Artificielle, les sociétés prennent
conscience de la disponibilité de multiples formes d’IA et du fait que leurs données leur
appartiennent. Se posent alors évidemment les questions liées à la régulation à différents niveaux,
notamment juridique, éthique et commercial. A cette interrogation, Reynald Chapuis répond qu’il
existe deux types de culture sur ce sujet. D’un côté la culture américaine pour laquelle l’accès à la
donnée est relativement facile et où la régulation n’est pas exigée de la part des utilisateurs.
De l’autre côté, la culture européenne où de nombreuses lois existent d’ores-et-déjà et où l’objectif
est de systématiser à partir de 2018 la conscience individuelle des données détenues par un tiers, i.e.
la question du consentement éclairé.
7
#YliosExplo

Rendez-vous au prochain événement
du Club des explorateurs du futur
jeudi 8 février 2018
IA & data-analytics pour l’industrie :
Nouveaux modèles,
nouvelles performances
YLIOS
29 rue Vernet – Paris VIII
01 80 40 03 00
www.ylios.com
Jérémy Harroch
PDG et Fondateur
Didier Kayat
Directeur Général Délégué