Afficher la transcription complète (5 min, traduite de l'anglais)
Bonjour, je m'appelle Fredrik et je travaille sur la plateforme de données chez MWM. Dans l'impression, tout le monde se pose la même question en ce moment : comment utiliser concrètement l'IA au quotidien ? Les possibilités sont nombreuses, et beaucoup de choses restent à découvrir. Voici notre réponse : Print365 DatAInsights. Nous l'appelons aussi Talk to the Data.
Pensez à vos tableaux de bord. Quelqu'un a décidé, il y a des mois, à quoi ils peuvent répondre. Les tableaux de bord répondent aux questions que quelqu'un a prévues. Print365 DatAInsights répond aussi à celles que vous découvrez en chemin.
Commençons par quelque chose pour lequel vous avez déjà un rapport : coûts et marge, prévus et réalisés, par client, au dernier trimestre. Au total, les coûts sont 171 000 sous le prévu. La marge est conforme au prévu, voire meilleure. Sur un tableau de bord, c'est là que la plupart d'entre nous s'arrêteraient.
La réponse liste chaque client, ligne par ligne, comme le ferait un drill-down. Et le voilà : Northwind Foods, 58 000 au-dessus du coût prévu, marge 17 % sous le prévu. Mais le drill-down ne montre que davantage des mêmes chiffres. Il dit qui. Il ne dit pas pourquoi. En creusant dans l'argent, on ne trouve que de l'argent. Ce qu'il vous faut, c'est la question suivante.
Sous chaque réponse, Print365 DatAInsights suggère où regarder ensuite. Certaines suggestions changent la nature des données. Je touche « Cost overrun drivers ». Il place maintenant la gâche, le papier et les heures machine, prévus et réalisés, à côté de l'argent. Vous avez posé une question financière. Il vous a donné une question de production. Pour l'ensemble des clients, la gâche était 31 % sous le prévu. Northwind est allé dans l'autre sens : gâche 66 % au-dessus, papier 27 % au-dessus, heures machine 13 % au-dessus. Les données de coûts montraient qui. Les données de production montraient pourquoi. La marge s'est perdue dans l'atelier. C'est la question que vous ne saviez pas avoir.
Voilà ce que fait l'outil. Voyons maintenant ce qu'il faut pour y parvenir, car une réponse imprévue doit quand même être juste.
Vous pourriez connecter une IA généraliste à votre base de données en un après-midi. Elle répondrait vite, et avec assurance. Prenons une commande : 300 exemplaires de gâche de calage, 700 de gâche de roulage, 100 de gâche blanche. Une IA généraliste additionne les colonnes et répond 1 100. La bonne réponse est 1 000, car la gâche blanche fait déjà partie du calage. Dix pour cent de trop, sans avertissement. Ou prenons la gâche moyenne sur dix commandes dont deux n'ont jamais été déclarées. Elles sont enregistrées à zéro, et une IA généraliste répond 400. La bonne réponse est 500. Vingt pour cent de moins. Les deux mauvaises réponses semblent aussi convaincantes que la bonne. Obtenir la bonne réponse, en toute sécurité, à chaque fois : c'est la partie difficile. Voici comment nous la résolvons.
Premièrement, l'IA répond toujours à partir des données. Pour les questions courantes, MWM a déjà construit et vérifié les briques : taux de gâche, semaine dernière, par site. L'IA choisit seulement les briques qui correspondent à votre question. Le système construit la requête, vérifie qu'elle ne fait que lire et l'exécute sur vos données. La base de données fait les calculs. L'IA transforme le résultat en réponse. Si aucune brique ne convient, l'IA écrit sa propre requête, qui passe par la même vérification. Vous pouvez ouvrir la requête derrière chaque réponse.
Deuxièmement, l'IA doit comprendre les données, pas seulement les lire. Vous avez déjà vu deux pièges. Il y en a d'autres. Un même produit apparaît sous plusieurs noms. Les durées sont enregistrées en millisecondes. Vous le savez parce que vous travaillez avec ces données tous les jours. Une IA généraliste l'ignore. Nous documentons donc la signification de chaque colonne, son unité et le sens de vos termes. Chaque colonne et chaque total sont vérifiés sur des données réelles, et une modification ne vous parvient qu'après un nouveau passage de nos questions de test.
Troisièmement, la question que pose chaque imprimeur : quelqu'un d'autre peut-il voir mes chiffres ? Non. Chaque requête est vérifiée avant son exécution. Votre entreprise dispose de son propre accès en lecture seule. Et la base de données elle-même ne renvoie que les lignes de votre entreprise, quelle que soit la requête. C'est la garantie. Rien de tout cela ne dépend de ce qu'on dit à l'IA. Vos conversations sont privées et supprimées après 30 jours.
Quatrièmement, ce qui se passe quand une réponse est malgré tout fausse. Vous touchez « Report this answer ». Nous voyons exactement comment elle a été obtenue : comment la question a été lue, et quelles briques ou quelle requête ont été utilisées. Nous voyons la conversation jusqu'à cette réponse, et rien d'autre. Nous corrigeons la cause et la testons avant la mise en service. La plupart des corrections vont dans la description des données partagée par tous les clients : un signalement améliore les réponses pour tous. Seule la correction est partagée, jamais vos données.
Trois choses à retenir, donc. Partez de ce que vous connaissez : la question pour laquelle vous avez déjà un rapport. Suivez ce qu'il vous montre : ce qui ressort, et la question suivante qu'il vous propose. Et fiez-vous aux chiffres : ils viennent de vos données, personne d'autre ne les voit, et une mauvaise réponse est corrigée pour tous. Cela demande de connaître les données d'impression, pas seulement une IA.
Envie de voir ce que vos propres données peuvent vous dire ? Réservez un court échange avec nous. Nous prendrons une question que vous posez déjà aujourd'hui et la suivrons avec vous dans Print365 DatAInsights. Un échange entre professionnels, sans engagement.
