L’INTELLIGENCE ARTIFICIELLE

DANS L’ÉNERGIE
POURQUOI ET COMMENT LES ACTEURS DE
L’ÉNERGIE DOIVENT-ILS - URGEMMENT -
S’APPROPRIER LEUR INTELLIGENCE
ARTIFICIELLE ?

« Servicisation », « plateformisation », « uberisation », « logicialisa-

tion », « blockchainisation »… autant de néologismes qui traduisent
AUTEURS
ce nouveau monde où les géants du digital sont rois et où les acteurs
historiques se trouvent pour le moins ébranlés !
Cette tendance, n’est pas un simple buzz mais bien un tsunami qui submerge une par une
les industries classiques. Les constructeurs automobiles risquent de devenir les carrossiers
de Google et Tesla et de leurs services de mobilité autonomes ; les secteurs des transports,
de l’immobilier et de l’hôtellerie découvrent de nouvelles concurrences avec l’économie
du partage (Blablacar, Leboncoin, Airbnb…) ; Amazon, avec sa plateforme, renverse les
GHISLAIN DE PIERREFEU codes de la livraison à domicile ; la Fintech fait progressivement chavirer les banques
ghislain.depierrefeu@wavestone.com classiques et leurs rentes historiques (paypal, applepay…).

CYRIL VERON
Et pendant ce temps-là, les énergéticiens historiques sont encore, pour la plupart, dans un
cyril.veron@wavestone.com
vrai déni de la réalité. Ils bataillent pour protéger leurs rentes, optimisent leurs processus pour
gagner en efficience, lancent des initiatives digitales intéressantes mais loin de l’industriali-
sation, sans imaginer réellement un monde différent... un monde où ils perdront le contrôle
de leur marché. Une perte de contrôle non pas au profit de robots brillants, mais bien de
nouvelles organisations qui – elles – ont saisi la puissance de la donnée et de l’Intelligence
Artificielle (IA). Comment appréhender cette nouvelle réalité et prendre en main les choses ?
C’est l’objet de cette publication.
L E S E NJ EUX prédictibles… qui vont devoir s’équiper intervenir, la planification des recharges
d’une intelligence « temps réel » adaptée de véhicules électriques pour éviter
DE LA « NEW ENERG Y » à cette complexité croissante et capable des appels de puissance simultanés
nocifs… ;
La New Energy peut se résumer en trois d’auto-apprendre des comportements des
assets (moyens de production, équipements // des territoires intelligents étendant ces
révolutions profondes : Cleaner, Closer,
solutions urbaines aux espaces ruraux
Smarter… que certains ont tendances à réseaux, boîtiers smart-home…) et des
environnants et à leurs moyens de pro-
découper en un mouvement environnemen- « consommacteurs » constituant ce système
ductions et de stockage (Power2Gaz…)
tal (COP21…), une tendance sociétale (éco- énergétique élargi. à plus grande échelle ;
nomie collaborative) et des progrès dans
Comme le décrit le schéma ci-dessous, en // des plateformes d’échange et de mar-
l’automatisation du pilotage de systèmes ché à tous les échelons augmentés
se projetant un peu dans le temps, on peut
énergétiques (smart grids). par des mécanismes de gestion de la
imaginer bien des choses :
confiance (blockchain…) ;
La réalité est plus complexe, et c’est en fait
// des maisons intelligentes avec des // des réseaux intelligents permettant
un tout qu’il faut prendre en compte avec, outils d’auto-apprentissage de vos ha- de limiter au maximum les interven-
d’une part, des systèmes de production bitudes pour adapter confort, sécurité tions grâce à la maintenance prédic-
énergétiques de plus en plus diffus (et sou- et services automatiquement (Amazon tive mais aussi grâce à des essaims
vent intermittents) qui nécessitent un pilo- Alexa/Echo, Google Nest…) ; d’objets connectés, et interconnectés,
tage beaucoup plus fin, et de l’autre, des // des quartiers (et villes) intelligent(e)s permettant de surveiller et d’agir sur les
gérant automatiquement l’équilibre en réseaux de façon coordonnée, ciblée et
citoyens qui souhaitent se réapproprier
temps réel des réseaux. Cela implique prédictive ;
l’énergie dans une démarche engagée et
des prédictions de consommation et // des « workforces augmentées »
collaborative.
de production, une activation auto- (équipes d’intervention terrains) ayant
matique des moyens de stockage col- la capacité à avoir des informations en
Ces deux tendances impliquent des sys-
lectifs et individuels, la connexion aux temps réel sur leurs assets et/ou clients,
tèmes énergétiques de plus en plus plateformes de marché (d’énergie, des tournées recalculées et optimisées,
locaux, imbriqués, interdépendants, peu d’effacement et de capacité) pour y un métier enrichi et diversifié…

Projection : l’IA dans les futurs systèmes énergétiques

pour pour pour pour

AI Ciblage marketing
expérience client (y compris chatbots)
AI Smart Home
Réseaux domestiques
AI Smart City
Équilibre micro-grids
AI Smart Grids
Équilibre global offre / demande

Maison

Quartier / Ville

Pays / continent

pour pour pour

AI les marketplaces & plateformes
collaboratives
AI maintenance
prédictive & opérations
AI « workforces digitales »

2
 L’INTELLIGENCE ARTIFICIELLE DANS L’ÉNERGIE

DE NOMBREUSES INITIATIVES À L’ÉCHELLE LOCALE…

Le quartier de Brooklyn (New-York) expérimente un projet d’énergie collaborative (Brooklyn
Microgrid) avec Transactive Grid et LO3 Energy basé, notamment, sur une logique de tran-
sactions d’énergie avec gestion intelligente de la demande / réponse et sécurisation par
la Blockchain. Le projet est présenté aujourd’hui partout dans le monde et intéresse de
nombreuses collectivités. Dans le cadre d’une l’initiative smart grid américano-japonaise, la
ville de Los-Alamos (Nouveau Mexique) expérimente l’implémentation d’un micro-grid avec
l’aide du NEDO (New Energy and Industrial Technology Development Organization) japonais.
Le périmètre comprend des moyens de productions photovoltaïques et des batteries NAS
mais aussi la gestion en temps réel de l’équilibre demande / réponse ainsi que des calculs
prédictifs de production (photovoltaïque) basée sur l’IA.

UN E CHAÎNE DE VAL E U R D E // Les acteurs se positionnant sur le chatbots, moteurs de recommandations

champ de l’« ESCO 2.0 », c’est-à-dire conseiller, outils d’engagement client…)
L’E N E RGIE QUI CO MME N C E À S E renouvelant totalement la promesse
// Les acteurs se positionnant sur le nou-
DÉ FORMER des services énergétiques avec des
veau maillon de la chaîne de valeur que
propositions de valeur simples et
constitu(erait) le pilotage en temps réel
Le secteur de l’énergie reste relativement fortes : plateforme de données éner-
en retard et donc encore épargné, en de l’équilibre offre-demande-stockage
gétiques centralisées et multi-clients,
ce qui concerne les initiatives massives sur les smart et micro-grids… un pilo-
Intelligence Artificielle (pour des pro-
autour de l’Intelligence Artificielle. Pour tage pour lequel l’Intelligence Artificielle
positions ciblées d’optimisation de la
autant, le mouvement est en marche et est source de nombreuses promesses.
l’on commence à identifier l’impact de facture énergétique et/ou de la gestion
cette discipline sur la chaîne de valeur de des actifs par exemple). // Les acteurs mettant à disposition des
l’énergie. Ainsi quatre grandes familles énergéticiens leurs compétences et ou-
// Les acteurs se positionnant sur la
d’initiatives et de nouveaux acteurs com- tils issus de l’Industrie 4.0 permettant
mencent à agiter le monde encore pai- connaissance, la relation et l’engage-
la digitalisation des opérations et des
sible de l’énergie : ment client, grâce à des outils marke-
équipes terrains et bien sûr la gestion
ting dopés à l’Intelligence Artificielle
des actifs (maintenance prédictive…).
(assistants personnels Smart home,

La stratégie des acteurs en présence sur le marché de l’énergie en France

Acteurs en présence Acteurs se distinguant sur l’IA

• DALKIA
• SCHNEIDER SERVICES ÉNERGÉTIQUES • DEEPKI • GOOGLE DEEPMIND
SERVICES RÉINVENTÉS PAR DES • GRID EDGE • METRON
• ENGIE ACTEURS NATIFS DE LA
ENERGÉTIQUES • HONEYWELL • ENERGIENCY
DONNÉE ET DE L’IA ?
• SIEMENS

• ENGIE • AMAZON ALEXA • OPOWER

COMMERCE, • DIRECT ENERGIE PRÉEMPTION DE LA
RELATION CLIENT PAR • NEST • CORTANA
MARKETING • ENERCOOP DES ACTEURS DE LA • YSEOP • DO YOU DREAM UP
ET RELATION CLIENT • LAMPIRIS DONNÉE ET DE L’IA ? • FIRST FUEL
• EDF

• C3 LOT • CNES • ALPIQ

L’IA MICRO-GRIDS, • NNERGIX • ENERBÖS • ALLIANDER
NOUVEAU MAILLON
• T RANSACTIVE • POWI DIAN • CAPSTONE
SMART / MICRO GRIDS DE LA CHAÎNE DE VALEUR
GRID • ECAMION • GLOBEMA
• ENEDIS POUR LES ACTEURS
• ENGIE INNOVANTS ? • MCRO GRID • TESLA
• RTE • LO3 ENERGY • N-SIDE
• GRDF
• SCHNEIDER
• GRT GAZ LA GESTION PRÉDICTIVE, • REXROTH BOSH GROUP • IBM MAXIMO
ASSET MANAGEMENT NOUVEAU MARCHÉ POUR • PREDIX • MICROSOFT AZURE LOT
• EDF
LES GÉANTS DU DIGITAL
& OPÉRATIONS • GE • SCHNEIDER
OU LES INDUSTRIELS
PIONNIERS ? • SIEMENS

3
COM M ENT LES ÉNERGÉ T IC IE N S // Prendre réellement et rapidement le D’après les experts Wavestone, seule la
virage de l’intelligence artificielle pour première option semble réellement per-
HI STO RIQUES DO IVEN T- ILS apprendre vite mais surtout pour « gar-
tinente. Et si cette option semble, de
PRE N DRE LE NO UVEAU V IRAG E der la main » à terme.
prime abord, effrayante, la marche est
DE L’ I A? // Ne pas se saisir fermement du sujet (ou franchissable dès lors qu’on adopte une
uniquement par des partenariats tac-
démarche volontariste et pragmatique.
Les projections ci-dessus posent la ques- tiques court terme) et devenir progres-
sivement un partenaire équipementier, Cette démarche « Comment se lancer dans
tion de la stratégie des acteurs de l’énergie,
mainteneur ou facturier énergétique de l’Intelligence Artificielle ?» est détaillée ci-
qui peut se résumer à deux options prin-
nouveaux acteurs (Nest, Transactive dessous autour de 10 points-clés :
cipales :
Grid, « BlablaNRJ »…).

1 Mobilisez le COMEX sur le sujet de l’IA avec des démons- 6 Utilisez les lessons learning concrets de ces PoC pour
trations explicites de l’urgence de la situation (être lucide alimenter le cercle vertueux de mise en qualité et de
sur le fait que 90% de la culture « Big-Data » des membres gouvernance de la donnée… plutôt que de lancer de
du COMEX est issue des discours des grands éditeurs / grands programmes « top down » qui échoueront dans
intégrateurs…pas forcément ou totalement objectifs). 99% des cas.

7 Passez à l’échelle supérieure pour les PoC probants en

Laissez – momentanément – de côté le « Big Data » au lançant les transformations afférentes (process de planification de
2 la maintenance ; évolution de la Supply Chain ; nouveau process
sens infrastructures, progiciels, data-lake, infrastructure de rétention / targeting client…) : cela peut être relativement
BIG distribuée, mise en qualité des données, gouvernance… et simple (par ex. optimisation des campagnes marketing) ou une
préférer une approche empirique alimentée par des cas vraie transformation en profondeur (changement cœur de métier
DATA d’usage métier. sur les calculs prédictifs d’équilibre demande / réponse...).

8 Alimentez régulièrement le pipe de cas d’usage métier en

montant en ambition : une fois les décideurs convaincus
par les PoC ‘simples’, les idées plus en rupture viendront
3 « Faites vous la main » en identifiant et priorisant les cas spontanément…quitte à les induire un peu par des séances
d’usage métier « simples » et aux résultats rapides (par d’inspiration alimentées d’initiatives d’autres secteurs
1 exemple optimisation de la charge des Centres de Relation plus en avance.
2
Client).
3

9 Industrialisez les applications d’IA dans vos SI / processus –

cette fois en considérant les solutions du marché mais éclairées
par une vraie vision du potentiel de gain… et, surtout, avec
une clé de décision simple : pour outiller une fonction support
de l’entreprise (IA pour RH, IA pour Finance, IA pour SI, …) des
4 Dotez vous d’une vraie cellule Machine Learning / IA solutions progicielles peuvent vous faire gagner du temps et
constituée des éléments indispensables (cf. interview ne sont pas dangereuses. Pour outiller un nouveau business
ci-après), en étant très lucide sur le fait que nombre model (IA pour Smart City, IA pour maintenance predictive, IA
AI d’acteurs historiques de la « data-science » ne mai-
trisent pas 10% de cette nouvelle discipline et, parfois, ne
pour ciblage client et Chatbots…), privilégiez la maitrise totale
du moteur d’Intelligence Artificielle et de la façon de le faire
le savent pas eux-mêmes ! évoluer (quitte à utiliser des start-ups ou acteurs indépendant
en accélérateurs) : votre différentiation dans le futur sera
basée sur cette appropriation !

5 Traitez ces cas d’usage en mode « lean startup » : PoCs 10 Ces applications vous appartiennent… pourquoi ne pas en
saisonnalisés aux résultats rapides, cycles de décision tirer de la valeur pour de nouveaux marchés (smart cities,
raccourcis, acceptation de l’échec et apprentissage du accompagnement d’acteurs internationaux…).
« pivot »… pour pouvoir identifier rapidement les gise-
ments de gains (opérationnels ou business) en fonction
de vos priorités stratégiques et de vos données.

4
 L’INTELLIGENCE ARTIFICIELLE DANS L’ÉNERGIE

CON CRÈTEMENT, CO MME N T Comme indiqué ci-dessous, seule une enjeux stratégiques et tactiques de l’en-
démarche centrée sur les cas d’usages treprise. On pourra néanmoins s’inspirer
I DE NTIFIER ET PRIO RIS E R LE S C AS métiers concrets permet d’avancer effi- et se challenger par des visions a priori
D’ USAGES ? cacement. Ces cas d’usages sont bien sûr des grandes familles de cas d’usages
à identifier et prioriser relativement aux envisageables.

Cas d’usage concrets en matière d’intelligence artificielle

OPTIMISATION DES OPTIMISATION MARKETING,

RELATION NOUVEAUX NOUVEAUX
FONCTIONS DES PROCESSUS
ET EXPÉRIENCE BUSINESS MODELS MÉTIERS
TRANSVERSES CŒURS DE MÉTIER
CLIENT AUGMENTÉS

1 6 10 15 20
RH / Intranet scrapping pour Asset management optimisé Ciblage marketing Home Energy assistant Equilibreur demand /response
KPI « Bien être au travail » vs Maintenance prédictive individualisé (conquête, auto-apprenant micro-grids (campus, quartier,
(unités de production, parc segmentation, up & cross sell, ville…)
éolien, Réseaux…) détection, rétention)
2 16
RH / Moteur de Gestion dynamique Home 21
7 11 Area Network (production, Fournisseur de plateforme et
recommandations recrutemt
ou mobilité interne Optimisation des opérations Chatbots stockage, conso…) services de données urbaines
(CRC, ‘’tournées’’ fieldforces,
supply-chain…)
3 12 17 22
Finance / Moteur prédictif Moteur de recommandation Eclairage urbain : capteur de Opérateurs de mobilité et
8 conseiller client ou self-care la smart-city (analyse vidéo…) de recharge des véhicules
Chiffre d’Affaire
Moteur prédictif pour le électriques
« Revenue Management »
4 13 18
Prédiction de l’efficacité des Prédictif : utilisation des 23
Cybersécu. / Modèle prédictif
9 actions commerciales bornes de recharges des Diversification des activités
indices-based pour prévention
des cyberattaques Audit terrain automatisé via véhicules électriques de proximité des fieldforces
l’analyse d’images (drônes…) ‘’digitalisées’’
14
19
5 Scrapping rés. sociaux pour
KPI écoute client ESCO 4.0 : services énergé- 24
SI / Maintenance prédictive
parc SI tiques boostés par l’IA Fournisseur de plateformes
collaboratives Energie /
Blockchain

CRITICITÉ « STRATÉGIQUE » CROISSANTE NÉCESSITÉ D’APPROPRIATION DES ALGORITHMES

5
L’idée n’est pas de vouloir embrasser tous PoC dans une logique de Smart lab agile, Ce Smart lab doit aussi devenir le lieu
ces domaines simultanément, mais de les permettant par exemple de saisonnaliser physique fédérateur et inspirant, connu
prioriser via des grilles de criblages simples les résultats (dans une logique de sprint), de tous, et cœur battant de l’Intelligence
(valeur pressentie, faisabilité technique et avec 5 à 10 PoC par saison… étant bien Artificielle de l’entreprise ; c’est par ailleurs
règlementaire, gains court terme, contri- entendu que certains se révèleront d’of- ici que les décisions doivent se prendre !
bution stratégie d’entreprise…). Wavestone fice infructueux, certains mériteront d’être
préconise de cadencer le delivery de ces industrialisés, d’autres enfin nécessiteront
une réflexion plus approfondie.

Exemple de déroulé d’ateliers de créativité « use-cases data »

#1 #3
30 min 3 0 m in

INSPIRATION ET OUVERTURE PRIORISATION DES IDÉES

Présentation de la cartographie et des Identification des idées les plus pertinentes
croisements de données qui pourraient être grâce à des animations du Créadesk 1
envisageables, pour montrer le champ des permettant facilement de classifier les cas
possibles d’usage imaginés

#2 #4
1h 3 0 m in

LES MÉTIERS DE DEMAIN MAKE IT HAPPEN

Plusieurs animations innovantes pour Synthèse des cas d’usage avec une
stimuler la créativité en croisant des première classification pour en tirer une
données internes, externes ou inconnues macro feuille de route
sans limite de faisabilité

1 - Creadesk : asset de Wavestone proposant une équipe d’experts des méthodologies et un lieu dédié pour stimuler la créativité, générer des idées innovantes et fonctionner de façon plus agile.

INTERVIEW DE CYRIL VERON, RESPONSABLE

DE L’ASSET « MACHINE LEARNING & DATA LAB »
DE WAVESTONE

POUR QUO I PARLER DE des données font des progrès chaque jour (python, C++…) et des solutions hardware
et apportent de nouvelles opportunités pouvant l’optimiser. Il doit aussi et surtout
« M ACHINE LEARNIN G » E T PAS dont nous n’imaginons pas encore tout le être absolument « agnostique », les mathé-
DE DATA-ANALYTICS COMME TOU T potentiel. matiques (NoFreeLunch theorem) ayant
L E M O NDE ? démontré explicitement qu’il n’y a pas de
Pour construire les algorithmes d’Intel-
bon algorithme a priori (même pour des
Les « analytics » font référence aux dis- ligence Artificielle maximisant le poten-
cas métier proches, et ce, quelle que soit
ciplines historiques de la BI et des statis- tiel de valeur, un bon data-scientist doit
la capacité auto-apprenante de cet algo-
tiques. C’est une base intéressante mais qui donc être connecté, de plus près avec
rithme)… mais bien une combinaison opti-
recouvre une infime partie des nouvelles la recherche fondamentale de cette dis-
misée pour chaque couple jeu de données
disciplines que constituent le Machine cipline, savoir récupérer les dernières
disponible / question métier posée.
Learning et le Prédictif. Les modèles bibliothèques (souvent disponibles en
mathématiques, la puissance du hardware open-source), savoir utiliser le potentiel Ceci justifie l’absolue nécessité pour les
et des algorithmes d’analyse numérique du développement scientifique optimisé acteurs de s’approprier cette Intelligence

6
 L’INTELLIGENCE ARTIFICIELLE DANS L’ÉNERGIE

régulières avec les practices sectorielles de rapidement en compétences et à rester

Wavestone pour identifier les cas d’usage maîtres de leur Intelligence Artificielle…
« Intelligence Artificielle » appliqués dans sans être contraint de dilapider leur pro-
le monde de l’entreprise. Tout ceci nous priété intellectuelle, gage de différentiation
permet de constituer progressivement pour l’avenir, comme cela peut être le cas
notre propre librairie Machine Learning, avec des acteurs du digital ou même des
un accélérateur évident pour nos missions. start-ups.

Artificielle pour la faire correspondre leur

CON C RÈ T EM ENT, CO M M ENT PA SSER D ES P OCS
stratégie d’entreprise… et surtout à ne pas Q U E P RO P OSEZ-VO U S À VOS À L’ I ND U ST R I A L I SAT I O N ?
partir aveuglement dans des solutions C LIE N T S DA NS L’ ÉNER G I E ? Pour nous il y a deux questions :
« boîtes noires » non maîtrisables.
Nous les accompagnons dans la réalisa- // d’une part l’industrialisation des résul-
tion de PoC, véritables démonstrateurs tats des PoCs… pour lesquels la réponse
QUE L S SO NT LES CON ST IT UAN T S de valeur pour les métiers en utilisant les est à adapter à chaque cas, une fois la
DE L’AS S ET « MAC H IN E LE ARN IN G dernières technologies disponibles. Mais promesse de gain « durcie » ; ce sont
des projets de transformation « clas-
& DATA LAB » DE WAV E STON E ? nous les accompagnons aussi et surtout
siques » (par exemple changement du
dans la construction progressive de leur
processus de maintenance, APIsation
L’asset est en réalité une start-up interne propre socle de compétences et leur outil- des SI…);
constituée d’une vingtaine de data-scien- lage avec pour cible l’appropriation de leur
tists, d’environnements de développement // d’autre part l’industrialisation de la
propre Intelligence Artificielle. Nous res-
cellule et des algorithmes d’IA, qui
et de calculs de pointe. Ces derniers sont tons un cabinet de conseil indépendant et constituera bien souvent un nouveau
en contact permanent avec les environ- n’avons pas vocation à conserver la pro- métier à part entière, un métier d’édi-
nements académiques les plus dyna- priété intellectuelle sur les algorithmes que teur d’applications scientifiques, qu’il
miques (cours délivrés à l’ENSEEIHT et nous développons : ils appartiennent bien convient d’incuber dans un environne-
Polytechnique ; publications en partenariat ment agile et en proximité, des labora-
à nos clients.
avec l’ENS Cachan, emploi de thésards…). toires R&D externes d’une part et des
métiers d’autre part.
L’asset « Machine learning & Data Lab » L’ambition est d’accompagner nos clients,
organise par ailleurs des séances d’idéation de grands comptes, pour les aider à monter

7
ÉNERGÉTICIENS : 3 CLÉS POUR SE LANCER DANS
L’AVENTURE DE L’INTELLIGENCE ARTIFICIELLE
Énergéticiens : l’intelligence n’est plus une time-to-market promis est alléchant et que ces 3 – NE PAS MISER UNIQUEMENT SUR LES
option, c’est un impératif. Il est urgent (et derniers vous éviteront de vous lancer dans
encore temps), pour les énergéticiens, de la difficile constitution d’une compétence IA
OUTILS DU MARCHÉ
prendre le train de l’Intelligence Artificielle interne… quel en sera le prix ? Ces sous-trai- La majorité des acteurs de l’énergie sou-
en marche pour continuer à exister dans un tants ou partenaires resteront seuls proprié- haitent, à court ou moyen terme, faire des
secteur qui entame sa profonde mutation… taires des algorithmes de Machine learning qui, fonctionnalités basées sur l’IA de vrais diffé-
Attention cependant aux fausses bonnes progressivement, vont constituer la majeure renciateurs stratégiques.
idées et aux partenariats potentiellement partie de la valeur ajoutée de vos services ; ils
fatals. vont contribuer à détruire vos emplois, et tous Cependant, pour cela, il faut garder en tête
les nouveaux postes autour de la valorisation que la logique même des progiciels (vendus
Plusieurs autres secteurs ont ouvert la voie : par de gros acteurs IT qui proposent d’équi-
de la donnée seront à leur main ; ils utiliseront
investir fortement dans l’IA est devenu une per la majorité des acteurs du marché) est
votre nom et vos cas d’usages pour revendre
nécessité. L’ensemble des métiers et fonc- intrinsèquement incompatible avec cette
cette solution sur de nouveaux marchés (là ou
tions des acteurs de l’énergie sera rapide- ambition. En effet, comment vous distingue-
vous auriez pu le faire).
ment touché par cette vague ; il est néces- rez-vous en termes de relation client lorsque
saire de le prendre comme une opportunité Il faut donc avoir conscience de ce risque, tout tous vos concurrents auront la même « racine
mais de bien choisir sa stratégie. en étant réaliste sur l’effort que cela repré- » de module chatbot ou les mêmes moteurs
sente. Une start-up de quelques personnes, de targeting clients que vous ? Quand les évo-
1 - PERTE D’EMPLOIS OU DISPARITION DU aussi brillante et inspirante soit elle, ne peut lutions applicatives seront mises à disposition
pas (ou ne devrait pas) avoir une avance irrat- de votre entreprise mais aussi, simultané-
PAYSAGE ?
trapable sur vos équipes : alors pourquoi ne ment, de ses principaux concurrents ?
L’une des raisons souvent avancées pour ne pas se donner les chances de construire la
même chose en interne ? Si ce véritable putsch technologique est
pas s’y engager de façon volontariste est la
aujourd’hui rendu possible, c’est bien souvent
potentielle destruction d’emplois que peut
Attention, l’idée n’est pas non plus de fermer parce que machine learning et IA font peur :
induire cette transformation ; la question
la porte aux partenariats (acteurs du digital combien de fois avons-nous entendu « nous
est centrale et sa réponse complexe. Mais
et start-ups innovantes) qui peuvent vous ne sommes pas Google ! ».
en ne prenant pas le virage de l’Intelligence
permettre de traiter certains cas d’usage
Artificielle, les énergéticiens prennent le
moins stratégiques, mais aussi vous servir Et il est vrai que cette nouvelle discipline
risque de totalement disparaître du marché.
d’accélérateurs sur les sujets stratégiques… regorge de complexité, de codes, de besoins
Il est donc indispensable d’anticiper et de
Il faudra dans ce cas être très vigilant quant de compétences totalement nouvelles… Mais
de s’organiser pour maîtriser son destin, au
aux termes et conditions de ce partenariat refuser ce challenge, c’est refuser le monde
risque de ne devenir qu’un simple « gestion-
(propriété intellectuelle, évolutions des algo- tel qu’il se présente ; l’accepter, c’est entrer
naire d’actifs » pour le compte des acteurs de
rithmes, clause de rachat…) et lucides sur le dans cette nouvel ère ou chaque industriel ou
l’Intelligence Artificielle !
fait que ceci ne constitue qu’un report d’in- acteur de service historique doit reprendre la
vestissement qu’il faudra plus tard consentir main en devenant aussi, en quelques sortes,
2 – RESTER MAÎTRE DE SA DATA (pour racheter l’entreprise ou la Propriété un « éditeur de logiciel ». Il est encore temps,
Intellectuelle), sans doute à des prix bien mais ne tardez pas.
Pour la même raison, sous-traiter des pans
supérieurs à ce qu’aurait été l’investissement
entiers de son Intelligence Artificielle à des
initial.
acteurs du digital semble, sauf cas parti-
culier, une erreur stratégique criante. Si le

www.wavestone.com

Wavestone est un cabinet de conseil, issu du rapprochement de Solucom et des activités européennes de Kurt Salmon (hors
consulting dans les secteurs retail & consumer goods). Il figure parmi les leaders indépendants du conseil en Europe.
La mission de Wavestone est d’éclairer et guider ses clients dans leurs décisions les plus stratégiques en s’appuyant sur une triple
expertise fonctionnelle, sectorielle et technologique.

8
2017 I © WAVESTONE