Podcast Episode 17
L‘IA utile et les moyens de la mettre en œuvre
avec Sreedhar Sistu, vice-président des offres d‘IA chez Schneider Electric
L‘IA est sophistiquée, et les humains ont tendance à s‘enthousiasmer pour les choses sophistiquées, ce qui est naturel. Mais si vous le faites lorsque vous intégrez l‘IA, vous vous exposez à l‘échec. Écoutez cet épisode d‘Automating the Enterprise, où nous discutons avec Sreedar Sistu, vice-président des offres d‘IA de Schneider Electric, de la manière d‘adopter une APPROCHE DISCIPLINÉE DE L‘IA, de trouver un but à vos efforts en matière d‘IA, et bien d‘autres choses encore.
Transcription complète
Dayle Hall :
Bonjour et bienvenue dans notre podcast, Automating the Enterprise. Je suis votre hôte, Dayle Hall, CMO de SnapLogic. Notre podcast est conçu pour donner aux organisations les idées et les meilleures pratiques sur la façon d‘intégrer, d‘automatiser et de transformer leur entreprise. Notre invité d‘aujourd‘hui est un leader d‘opinion en matière d‘innovations technologiques, en particulier dans le domaine brûlant de l‘intelligence artificielle. Il est convaincu que l‘IA est un outil de transformation puissant pour toutes les entreprises, mais qu‘elle doit être utilisée dans le cadre d‘une approche très disciplinée. Actuellement, son équipe accélère l‘adoption de l‘IA par les entreprises qui cherchent à optimiser leur consommation d‘énergie et à améliorer leurs efforts en matière de développement durable. Il s‘agit là d‘un aspect très intéressant, que nous n‘avons pas encore abordé dans le cadre de ce programme.
Je vous souhaite donc la bienvenue dans ce podcast à Sreedhar Sistu, vice-président des offres d‘IA chez Schneider Electric. Sreedhar, bienvenue dans le podcast.
Sreedhar Sistu :
Merci, Dayle. Je suis heureux d‘être ici.
Dayle Hall :
Oui, nous sommes heureux de vous accueillir. Je vais le dire d‘emblée parce que je suis très fier que Schneider soit un de nos clients. Je vais donc le dire d‘emblée. Mais il ne s‘agit pas d‘un argument de vente. Donc tous ceux qui viennent d‘entendre ça dans ce podcast et qui se disent, oh, je vais éteindre ça, non, non, restez avec nous, je vous promets, je vous promets que ça n‘a rien à voir avec le fait d‘acheter plus de SnapLogic. Je peux voir le visage de Sreedhar sur la vidéo. Il est comme, ouf, merci mon Dieu. Quoi qu‘il en soit, nous sommes ravis de t‘avoir ici, mon pote.
Avant d‘entrer dans le vif du sujet, donnez-moi un aperçu du contexte de l‘industrie, comment vous êtes arrivé dans ce domaine spécifique au sein de Schneider, parce que ce n‘est pas quelque chose que j‘associerais immédiatement à votre entreprise.
Sreedhar Sistu :
Oui, bien sûr. Je vais vous donner deux points de vue, le mien et celui de Schneider, qui nous a permis d‘en arriver là. Je suis dans l‘industrie technologique depuis assez longtemps, dans les logiciels d‘entreprise, cloud applications SaaS, essayant lentement d‘examiner les avantages du SaaS, c‘est-à-dire que vous avez des données que vous pouvez utiliser pour aider vos clients. Cependant, mon expérience de l‘IA remonte à loin, je pense que les vétérans de l‘industrie se souviennent peut-être de Lisp et de Prolog, qui se trouve être l‘un des premiers langages de programmation que j‘ai appris à l‘université. Ce que je vois, c‘est une grande transformation qui se produit dans les logiciels, alors que vous aviez des applications qui concernaient davantage le système d‘enregistrement, où vous stockez les choses en un seul endroit et où tout le monde peut y accéder, ce qui représente une grande valeur. Et puis, il y a le bon type de flux de travail, qui fait passer les choses d‘une personne à une autre, d‘un département à un autre.
Je pense que nous assistons à une nouvelle évolution dans ce domaine, où les données générées par les personnes travaillant ensemble vont, en fait, générer la manière dont le site les workflows et fournir des informations permettant aux personnes de devenir plus efficaces. C‘est ainsi que je vois l‘AS devenir la prochaine technologie transformatrice. Nous ne produisons pas d‘électricité, nous ne transmettons pas d‘énergie, mais nous faisons tout pour distribuer l‘énergie aux bâtiments, aux centres de données, aux maisons et à tout le reste, et pour les gérer de manière beaucoup plus efficace. Nous vendons beaucoup de produits qui sont bons, je suis sûr que vous le voyez. Nous vendons également beaucoup de logiciels. Et nous avons un grand IoT plateforme parce que tous les appareils que nous vendons maintenant sont des appareils connectés et ils émettent des données, ils ont beaucoup de capteurs. Et ce que nous voyons, c‘est qu‘en utilisant toutes ces données, nous pouvons générer beaucoup d‘informations. Mais ce n‘est pas quelque chose que les humains peuvent faire. C‘est clairement là que l‘IA joue un rôle.
Je vais donc faire une pause, et peut-être vous laisser approfondir un peu plus la question.
Dayle Hall :
Oui, je pense que c‘est l‘élément clé. Non, je pense que c‘est l‘élément clé, que vous soyez une entreprise de matériel ou de logiciel, de nos jours, la façon dont les appareils sont connectés, la façon dont nos applications sont connectées, c‘est une question de données, chaque entreprise - vous avez entendu l‘expression, chaque entreprise est une entreprise de données. Et je pense que Schneider, en particulier, c‘est tout à fait vrai. Maintenant, évidemment, parce que vous êtes un client de SnapLogic, une grande partie du travail que nous faisons est autour de - sur l‘intégration de ces points de données et ainsi de suite.
Je pense que ma première question serait la suivante : étant donné que vous avez été impliqué dans des domaines tels que la connexion d‘appareils ou d‘applications logicielles, etc., comment avez-vous vu l‘espace d‘intégration et d‘automatisation évoluer et changer, et comment l‘IA devient-elle une partie plus importante de cet espace ?
Sreedhar Sistu :
Oui, c‘est vrai. Pour ce qui est de l‘application de l‘IA, nous pouvons certainement considérer ce que nous faisons dans le domaine de l‘intégration comme un candidat de choix pour l‘application de l‘IA, car il s‘agit en quelque sorte de la prochaine évolution de tout type d‘intégration d‘entreprise, qui consiste à assembler différents éléments, à rédiger des règles, à écrire de la logique. Et devinez quoi ? Vous pouvez probablement en déduire une partie en utilisant les données, en utilisant la façon dont les gens réalisent l‘intégration, les systèmes à partir desquels ils collectent des données et ce qu‘ils intègrent.
Maintenant, si nous passons à l‘autre côté, celui de l‘IoT et des appareils connectés, là où nous voyons une grande opportunité du point de vue de Schneider Electric, c‘est que nous avons des gens qui font de l‘IA dans des espaces tels que les recommandations, la vente de publicités et autres, c‘est un excellent modèle d‘affaires, cela ne fait aucun doute. Mais là où nous voyons un plus grand impact, c‘est dans l‘espace de l‘efficacité énergétique et de l‘automatisation, n‘est-ce pas ? Aujourd‘hui, nous savons tous ce qui se passe dans l‘industrie avec la crise de l‘énergie en Europe. Et si nous pouvons utiliser la technologie pour améliorer l‘utilisation de l‘énergie, l‘un des principaux problèmes est celui des pics de charge. Comment gérer les charges de pointe sur le réseau afin de ne pas les interrompre ? Il y a donc de nombreux cas d‘utilisation que nous voyons du point de vue de nos clients et que nous pensons pouvoir traiter efficacement grâce à l‘IA, et c‘est ainsi que nous avons vraiment commencé à nous intéresser à l‘IA.
Dayle Hall :
Oui. Oui, si je regarde ce que fait SnapLogic, notre IA aide à, disons, pré-écrire le point de connexion pour que les gens n‘aient pas à coder. Ils ont suggéré, si vous avez ces applications, voici comment se connecter plus facilement. Il s‘agit donc d‘un cas d‘utilisation, d‘un modèle d‘efficacité. Et j‘aime bien ce que fait Schneider, c‘est-à-dire qu‘ils ne cherchent pas seulement à savoir comment utiliser l‘IA partout, mais plutôt quels sont les cas d‘utilisation que nous pouvons résoudre. Et lorsque vous parlez de choses comme la crise de l‘énergie, il s‘agit d‘un impact mondial massif. Donc, si vous pouvez aider à résoudre ces problèmes à plus petite échelle avec des clients spécifiques et certaines régions, cela peut aider ces crises plus importantes auxquelles vous faites référence en amont. C‘est donc un peu, je ne veux pas dire que c‘est aussi un jeu altruiste, mais il y a certainement, il y a des avantages pour votre entreprise, mais il y a aussi des avantages potentiellement plus importants pour tous ceux qui consomment n‘importe quel type d‘énergie.
Sreedhar Sistu :
Vous l‘avez bien compris. Et c‘est l‘une des choses dont nous sommes assez fiers, car il ne s‘agit pas seulement de faire des choses qui nous aident directement, nous les clients, à utiliser nos actifs, mais aussi de contribuer à votre objectif principal. Aujourd‘hui, la demande d‘énergie ne fait qu‘augmenter avec l‘accroissement de la population. Et si l‘on considère l‘électrification, avec l‘arrivée de plus en plus de véhicules électriques, la demande sur le réseau va encore augmenter. Le seul moyen d‘y parvenir est de rendre la consommation d‘énergie plus intelligente, ce qui nécessite des technologies telles que l‘IA.
Dayle Hall :
C‘est vrai, c‘est vrai. Vous avez mentionné quelque chose plus tôt lorsque nous parlions d‘intégration, d‘automatisation et d‘utilisation de l‘IA, vous avez mentionné spécifiquement les processus d‘affaires. Commençons donc par où commencer. Réfléchissons aux aspects les plus fondamentaux de l‘intégration de l‘IA dans une entreprise et à ce à quoi l‘entreprise doit vraiment penser lorsqu‘elle envisage d‘intégrer une quelconque forme d‘IA dans ses processus d‘entreprise aujourd‘hui. Par où commencer ?
Sreedhar Sistu :
Oui, c‘est vrai. Il y a donc une certaine ironie en ce qui concerne l‘IA aujourd‘hui, car elle ne fera probablement pas tout ce que vous pensiez qu‘elle ferait.
Dayle Hall :
Vraiment ?
Sreedhar Sistu :
Exactement. Il fera la vaisselle, il fera la cuisine.
Dayle Hall :
Peut-il emmener mon chien en promenade ?
Sreedhar Sistu :
Malheureusement, il faudra attendre. Parlez-en à Sony. Mais elle fera probablement beaucoup plus que ce que vous pensez qu‘elle peut faire, qu‘elle est capable de faire. Il s‘agit donc de fixer des attentes réalistes sur ce que l‘IA peut faire. Il est facile de se laisser séduire par ces idées de super intelligence, d‘intelligence artificielle générale, de suppression des humains, de tout automatiser. Je pense qu‘il s‘agit là de concepts intéressants. Je suis sûr que nous les verrons à un moment donné dans l‘avenir. Mais aujourd‘hui, il s‘agit vraiment d‘accomplir des tâches exigeantes sur le plan cognitif, auxquelles les gens participent, auxquelles ils doivent consacrer beaucoup de temps, et de voir comment nous pouvons les automatiser grâce à l‘application de la technologie. Il est donc essentiel d‘avoir des attentes réalistes pour adopter la technologie dans l‘entreprise. Le deuxième point, que nous pourrons approfondir plus tard, consiste à mettre en place le bon processus et les bonnes méthodes pour déployer l‘IA, ce qui inclut plusieurs choses, notamment l‘identification des bons cas d‘utilisation. Donc...
Dayle Hall :
Je pense que c‘est essentiel. Et je pense que c‘est l‘un des domaines sur lesquels j‘aimerais vous poser des questions spécifiques. Ce que j‘ai entendu en faisant ces podcasts et en parlant avec les clients, c‘est que la valeur de l‘IA se fait vraiment sentir ou a un impact plus important lorsque vous commencez par un cas d‘utilisation. J‘aimerais donc savoir, alors que vous parlez aux clients, alors que vous réfléchissez à la manière dont Schneider propose cela sur le marché, comment vous conseillez aux entreprises de commencer par les cas d‘utilisation, et est-ce qu‘elles comprennent cela, et est-ce que cela leur permet de mieux réussir ?
Sreedhar Sistu :
Oui, c‘est vrai. L‘une des choses les moins appréciées est la difficulté de trouver de véritables cas d‘utilisation pour l‘IA. La plupart des entreprises s‘enthousiasment à l‘idée de disposer de cette nouvelle technologie, d‘embaucher quelques data scientists et quelques ingénieurs ML, et de trouver quelque chose, n‘est-ce pas ? Et vous arrivez avec une bonne démo, vous arrivez avec une bonne preuve de concept que tout le monde aime, mais personne ne sait comment l‘amener à la production, personne ne sait comment l‘utiliser réellement. Et elle reste sur le centre de démo pendant un long moment avant que la prochaine chose brillante n‘apparaisse. Ce que nous avons essayé de faire, c‘est d‘adopter une approche qui consiste à commencer par des cas d‘utilisation, et à commencer par des cas d‘utilisation qui ont l‘aval de l‘entreprise. Il ne s‘agit donc pas d‘une poussée technologique. Nous sommes heureux de pouvoir parler de technologie. Mais commençons par les cas d‘utilisation de l‘entreprise. Faisons l‘hypothèse de la valeur commerciale de ces cas d‘utilisation dès le début, d‘accord ? Il y a là une sorte d‘énigme. Certaines personnes craignent que si vous devez trouver la valeur commerciale dès le départ, ce sera compliqué, les gens sont toujours mal à l‘aise lorsqu‘ils essaient de mettre des valeurs en avant. Ce que nous avons fait, c‘est adopter l‘approche de l‘étape suivante. Il ne s‘agit donc pas simplement de dire, d‘accord, vous avez dit quelque chose, et nous allons y rester pour toujours, mais commençons par l‘hypothèse initiale, faisons notre première série d‘explorations pour voir si cela a du sens, si cela a une valeur commerciale, si nous avons la faisabilité technique, puis passons à l‘étape suivante, ce qui donne confiance, ce qui nous permet d‘être un peu plus, comment dire, ouverts et expérimentaux dans l‘approche plutôt que de tout engager pour toujours.
Dayle Hall :
C‘est vrai. J‘aime ce concept. Permettez-moi de demander un éclaircissement à ce sujet. Parce que vous avez dit, le projet certaines choses qui ont l‘adhésion de l‘entreprise, mais d‘autres - mais vous avez aussi dit, les projets qui ajoutent - où l‘IA peut ajouter de la valeur à l‘entreprise, est-ce que ce sont deux choses distinctes, est-ce qu‘elles s‘excluent l‘une l‘autre ? Comment l‘avez-vous constaté chez vos propres clients ?
Sreedhar Sistu :
C‘est vrai. Ce n‘est donc pas tant qu‘ils s‘excluent mutuellement. Ce qui se passe, c‘est que celui qui est du côté de l‘entreprise, qui cherche à savoir comment améliorer ce qu‘il fait aujourd‘hui, d‘accord ? Prenons le cas où nous vendons un logiciel qui tente d‘optimiser l‘utilisation de l‘énergie dans un bâtiment, par exemple, n‘est-ce pas ? Vous pouvez donc dire qu‘il y a plusieurs façons d‘optimiser, je peux créer de nouvelles fonctionnalités, je peux essayer de trouver de nouveaux contrôles, etc. Ou nous pouvons dire qu‘il faut essayer de trouver quelque chose d‘intelligent, qui va faire des bonds en avant, ou la personne du côté de l‘entreprise peut ne pas être totalement au courant de l‘art du possible avec l‘IA. Il se peut donc que vous cherchiez plutôt à progresser, et c‘est là que nous introduisons ce que nous appelons un modèle de type "hub-and-spoke". Les technologues de l‘IA peuvent expliquer comment l‘IA peut aider, hypothétiquement, je veux dire, nous ne sommes pas encore dans la phase de développement, et quelqu‘un de l‘entreprise peut soudainement voir le potentiel qu‘elle peut offrir aux clients. Ce genre de - nous avons un autre terme appelé "power couple", c‘est ainsi que ces deux personnes peuvent se réunir pour discuter et identifier les cas d‘utilisation qui ont du sens.
Dayle Hall :
J‘aime bien ce concept de couple de pouvoir, oui, non, c‘est bien. Et ensuite, si nous regardons - donc quand vous êtes sur le terrain, quand vous parlez à ces exemples, combien de fois devez-vous potentiellement aller sur place et aider à sortir ces cas d‘utilisation, ou est-ce que le - est-ce que l‘entreprise vous approche en disant, quoi, nous les avons et nous voulons voir si vous pouvez nous aider à ce sujet ? Est-ce que c‘est du 50/50 et est-ce que c‘est vraiment important tant que vous apportez de la valeur à un projet en cours ou que vous apportez de la valeur à l‘entreprise ?
Sreedhar Sistu :
Oui. Je pense que vous apportez beaucoup de pragmatisme, Dayle, parce que...
Dayle Hall :
J‘essaie, j‘essaie.
Sreedhar Sistu :
Dans un monde parfait, tout ingénieur en IA ou scientifique des données aimerait que quelqu‘un vienne avec un problème bien défini, que nous appelons les problèmes Kaggle, n‘est-ce pas ? Vous apportez tout, et tout ce que j‘ai à faire, c‘est de construire l‘algorithme.
Dayle Hall :
Oui, oui, évidemment.
Sreedhar Sistu :
Non, c‘est... je pense que c‘est surtout... je pense que c‘est la troisième option que vous avez mentionnée, c‘est-à-dire que peu importe qui apporte l‘idée et le cas d‘utilisation, ce qui est vraiment important c‘est que nous travaillions ensemble comme une seule équipe, vous apportez la perspective commerciale et vous apportez le côté technologique, afin que nous puissions être sûrs que, a, cela a une valeur commerciale, que c‘est viable pour l‘entreprise, b, que c‘est techniquement faisable.
Dayle Hall :
C‘est vrai. Oui, c‘est vrai. Non, j‘aime bien ça. Donc, si je pense que ce dont nous parlons ici, c‘est de ce type d‘organisations qui voient la valeur ou qui sont prêtes à travailler avec, elles sont probablement un peu en avance sur la courbe. Pourquoi pensez-vous que dans certaines entreprises ou en général, nous sommes en retard sur le modèle de maturité de l‘IA et de sa mise en pratique dans les entreprises ? Ou y a-t-il une lenteur à l‘adopter, y a-t-il encore une réticence parce qu‘ils ne savent pas comment l‘utiliser ? D‘après votre expérience, où en sommes-nous dans le modèle de maturité de l‘IA ? Je sais qu‘il existe de nombreux cas d‘utilisation différents, donc dire que tout est lié à l‘IA est un peu large. Mais que constatez-vous ?
Sreedhar Sistu :
Oui, c‘est vrai. Mon expérience, et ce n‘est pas pour la rendre plus égoïste, est qu‘au niveau de l‘entreprise, l‘adoption de l‘IA est généralement un peu à la traîne, d‘accord ? Et il y a plusieurs raisons à cela, mais je peux probablement en avancer quelques-unes. L‘une d‘entre elles, que j‘ai mentionnée plus tôt, est qu‘il y a parfois des attentes irréalistes quant à ce que l‘IA peut faire parce que nous lisons la presse, vous parlez maintenant de ChatGPT comme la prochaine grande chose, de ChatGPT qui est capable de faire certaines choses et si vous deviez - certains des résultats de ChatGPT, ils sont parfois erronés en toute confiance.
Dayle Hall :
Oui, c‘est vrai. Confidentiellement faux, c‘est une excellente façon de le décrire.
Sreedhar Sistu :
Cela donne l‘illusion que l‘IA est vraiment intelligente alors qu‘elle ne l‘est pas, mais elle ne le sait pas. Je pense donc que ce qui se passe dans les entreprises, c‘est qu‘il y a un intérêt à exploiter cette technologie, mais aussi une certaine hésitation à l‘adopter. Et je peux tenter un contraste avec ce que nous avons fait chez Schneider : ce n‘est pas que Schneider n‘ait pas tâté de l‘IA auparavant. Cela fait environ cinq ans que l‘IA existe et que nous essayons différentes choses. Ce que nous avons commencé à faire, c‘est que vous pouvez faire des choses à petite échelle qui résolvent quelques solutions ponctuelles, quelques petits problèmes qui ont toujours une valeur commerciale, mais à moins d‘adopter une approche holistique et d‘avoir une stratégie complète, vous n‘allez pas passer à l‘échelle. C‘est ce que nous avons décidé. Et heureusement, nous avons reçu un fort soutien de la part de notre comité exécutif qui nous a dit que nous devions adopter une approche globale, avoir le bon niveau d‘investissement et le bon modèle d‘exploitation pour mettre en œuvre l‘IA à grande échelle. Je pense que peu d‘entreprises sont prêtes à s‘engager à ce niveau. Et pour moi, c‘est l‘une des principales raisons pour lesquelles nous ne voyons pas autant d‘adoption qu‘il le faudrait.
Dayle Hall :
C‘est intéressant. Lorsque nous avons discuté à l‘avance, avant ce podcast, vous m‘avez fait part d‘un commentaire intéressant, à savoir qu‘il fallait avoir une approche disciplinée de la mise en œuvre. Vous avez donc parlé un peu de la façon dont les organisations devraient envisager la chose. Quand vous dites quand - si quelqu‘un réfléchit à l‘IA, il a peut-être un cas d‘utilisation ou il a peut-être le projet qu‘il envisage. Lorsque vous décrivez la mise en œuvre de cette approche comme une approche disciplinée, qu‘entendez-vous par approche disciplinée ?
Sreedhar Sistu :
Oui, c‘est vrai. De mon point de vue, lorsque je dis que nous avons besoin d‘une approche disciplinée pour l‘IA à l‘échelle, nous avons un processus interne que nous appelons un processus d‘entonnoir, d‘accord ? C‘est une porte d‘entrée classique. Je ne prétends pas qu‘il y ait quelque chose de super unique à ce sujet. Mais ce qui est important, c‘est de l‘appliquer rigoureusement à tout ce qui passe. Il est très tentant de considérer un nouveau cas d‘utilisation en se disant que l‘on a déjà la solution pour cela, qu‘il existe une solution tierce, que l‘on peut la mettre en œuvre immédiatement, ou que le data scientist est très intelligent, qu‘il peut concocter quelque chose pendant une semaine, et boum, c‘est fait. Non, je pense que nous devons passer par la porte de l‘étape pour nous assurer que tout le monde est impliqué, que toutes les parties prenantes sont impliquées, et que nous pouvons avancer au rythme nécessaire pour nous assurer que tous les éléments sont couverts.
Il y a quelques années, Google a publié un document classique sur l‘étendue du développement de l‘IA, dans lequel nous nous concentrons sur le développement d‘algorithmes de science des données, qui représente en fait 5 à 10 % du travail, n‘est-ce pas ? Dans les entreprises, l‘IA n‘est pas un produit autonome. L‘IA a presque toujours tendance à être intégrée dans quelque chose d‘autre. Et si l‘on se demande comment fournir des capacités d‘IA aux utilisateurs finaux, à moins d‘y penser à l‘avance, cela ne se produira pas en fin de compte, ou alors vous serez retardé. Ainsi, lorsque je parle d‘approche disciplinée, il s‘agit de s‘assurer que toutes les bases sont couvertes. Le deuxième aspect de la discipline consiste à rejeter les idées, à les tuer.
Dayle Hall :
Expliquez ce que vous entendez par là, tuer ou rejeter des idées.
Sreedhar Sistu :
Ce qui est le plus important, c‘est que lorsque nous identifions les cas d‘utilisation, il faut être un peu audacieux pour trouver des choses qui ont un certain niveau de succès, sans nécessairement que ce soit un coup de maître, parce qu‘on ne sait jamais. Je veux dire, si vous êtes vraiment honnête avec vous-même, tant que ce n‘est pas fait, ce n‘est pas fait, n‘est-ce pas ? Vous choisissez donc les idées. Et vous savez que lorsque vous passez par une étape, disons, une exploration, vous parcourez quelques échantillons de données, vous savez, vous regardez les affaires. Et vous vous rendez compte que ce n‘est peut-être pas si génial, ou que c‘est vraiment difficile techniquement, alors abandonnons l‘idée. Et les gens se sentent vraiment mal à l‘aise lorsqu‘ils rejettent et abandonnent des idées parce que c‘est presque perçu comme un échec. Pour moi, c‘est l‘un des principaux obstacles. Si vous êtes vraiment discipliné, abandonnez l‘idée, vous avez fait une bonne exploration, vous avez appris quelque chose, ce n‘est pas une bonne affaire, arrêtons.
Dayle Hall :
Je pense que les gens ont certainement du mal à dire non, mais je pense que c‘est plus que cela. Lorsqu‘ils se lancent dans un projet, et je pense que c‘est là que l‘organisation doit simplement avoir cette discipline ou cette gouvernance en place qui dit, oui, nous ne pensons pas que nous allons - bien que l‘IA puisse aider, nous ne pensons pas qu‘elle aura autant de valeur que nous le pensons, du moins maintenant. Mais soyons honnêtes à ce sujet et examinons éventuellement d‘autres opportunités. Mais tout le monde veut que ses projets et ses initiatives fonctionnent. Je peux donc imaginer que c‘est intéressant. Avant de terminer avec Schneider, j‘aimerais aborder quelques points relatifs à la durabilité. Il y a deux choses dont j‘entends beaucoup parler dans ces podcasts : l‘une est l‘éthique de l‘IA, et comment vous y réfléchissez spécifiquement. Et encore une fois, les discussions sur l‘éthique de l‘IA que j‘ai eues sur ces podcasts ont été très axées sur les personnes, au moins d‘un point de vue RH, etc.
Sreedhar Sistu :
C‘est un sujet que nous prenons très au sérieux. C‘est un sujet que nous prenons très au sérieux. En fait, dès la création de l‘organisation centrale de l‘IA, nous avons un groupe qui travaille vraiment avec les organismes de normalisation et qui essaie de comprendre les implications, tout d‘abord, d‘avoir une IA explicable, je pense que ce vers quoi nous tendons vraiment est, avant d‘entrer dans l‘éthique, de comprendre ce que la machine nous dit, d‘accord, c‘est super important pour nous, donc nous avons en fait des gens qui se concentrent sur l‘IA explicable et qui s‘assurent que nous comprenons ce que ces algorithmes nous disent. Deuxièmement, nous prenons très au sérieux les réglementations en matière de confidentialité des données. Je veux dire, nous avons un héritage européen et le GDPR, etc., est vraiment au cœur de ce que nous faisons, vous traitez des données sensibles des employés, nous avons des directives de données plus strictes sur la façon d‘anonymiser les données pour la formation, etc. Nous sommes donc au cœur de ce que nous faisons.
Dayle Hall :
Oui, c‘est une bonne chose. Je pense que c‘est un domaine où l‘on entend davantage parler de l‘IA en général, je pense que la discussion sur l‘éthique de l‘IA commence tout juste à prendre un peu plus d‘ampleur. Et ce que j‘ai entendu, et je suis sûr que vous serez d‘accord avec moi, c‘est que la chose la plus importante est d‘expliquer comment cela fonctionne, et pas seulement de dire, hé, nous avons cette boîte noire de l‘IA, et voici comment elle fonctionne, et voici le résultat. En effet, comment savoir s‘il y a des biais, comment savoir si les données sont correctes, si l‘IA fait son évaluation sur la base de ces données ? Je pense donc que nous allons assister à de plus en plus de discussions sur ce sujet. Connaissant la façon dont les entreprises technologiques se développent, je suis sûr qu‘il y aura un tas d‘entreprises technologiques axées sur l‘éthique de l‘IA à un moment donné dans l‘avenir, mais...
Sreedhar Sistu :
Oh, oui.
Dayle Hall :
[Schneider y pense aussi.
Sreedhar Sistu :
Oui, oui, oui. C‘est un [EDI], en fait, nous avons pensé dès le début, et nous avons commencé à parler sérieusement de l‘IA, que nous devions être en avance sur ce sujet, et nous continuerons à le faire pour nous assurer que nous répondons aux préoccupations.
Dayle Hall :
Oui, c‘est vrai. Non, c‘est bien. D‘accord. Alors, pour terminer, pour conclure le podcast, parlons un peu plus précisément de Schneider, de votre mission en matière de durabilité dans l‘IA. Comme vous l‘avez déjà expliqué, pour moi, la mission de Schneider est d‘être le partenaire numérique des entreprises en matière de durabilité et d‘efficacité, ce qui, soit dit en passant, est excellent. À quoi ressemblent donc ces projets et quelles sont les principales mesures prises par Schneider pour collaborer avec les entreprises dans le cadre d‘initiatives spécifiques de ce type ?
Sreedhar Sistu :
Je peux donc donner quelques exemples qui donnent un caractère concret à tout cela, n‘est-ce pas ? Je pense que nous avons parlé plus tôt des défis auxquels nous sommes confrontés dans le domaine de l‘énergie et de la manière dont nous devrions pouvoir les relever. L‘une des solutions que nous améliorons avec l‘IA concerne ce que nous appelons la flexibilité énergétique, d‘accord ? Aujourd‘hui, les micro-réseaux sont une idée émergente pour la plupart des entreprises, des bâtiments, des usines, des industries, etc. Au fond, c‘est très simple, n‘est-ce pas ? Je veux dire que vous avez de multiples formes d‘énergie, des ressources énergétiques distribuées comme nous les appelons, parce que vous pouvez avoir un panneau solaire qui produit de l‘électricité pendant la journée, vous pouvez avoir une batterie qui la stocke, et vous pouvez avoir un générateur pour les cas d‘urgence. L‘électricité provient évidemment du réseau. Ce n‘est pas... ce que nous faisons, c‘est que nous pouvons optimiser l‘utilisation de l‘énergie à partir de diverses ressources pour atteindre vos objectifs, que vous souhaitiez réduire les coûts ou non.
Par exemple, si vous avez des charges variables pendant la journée, ce qui est certainement le cas en Californie, vous pouvez optimiser le moment où vous chargez la batterie, le moment où vous gardez l‘énergie avec vous afin de ne pas atteindre le pic du réseau, vous pouvez économiser en utilisant la production photovoltaïque à certains moments de la journée. Plus important encore, l‘augmentation du nombre de véhicules électriques dans les bâtiments permet également de les recharger de manière plus optimale. Il va rester dans le parking toute la journée, alors vous pouvez peut-être le charger au goutte-à-goutte. L‘une des solutions que nous proposons consiste donc à prendre en compte tous ces facteurs et à prévoir la demande à l‘aide d‘algorithmes d‘apprentissage automatique, puis à essayer de réduire les pics de consommation d‘énergie. Vous pouvez ainsi soit réduire la facture d‘électricité que vous payez, soit privilégier davantage l‘énergie durable afin de réduire l‘empreinte CO2.
Dayle Hall :
Intéressant.
Sreedhar Sistu :
Je pense donc qu‘il s‘agit d‘une solution très puissante qui vous permet à la fois d‘optimiser les coûts et d‘atteindre vos objectifs en matière de développement durable.
Dayle Hall :
Oui, cela me plaît. Je vois de plus en plus d‘entreprises se créer autour du développement durable et il y a évidemment, en particulier en Europe, où Schneider a été fondé et a son siège, d‘énormes opportunités ainsi que des règles et des réglementations qui se mettent en place. Je pense donc que vous avez une longueur d‘avance. Dans quelle mesure diriez-vous - non, je ne veux pas que vous - vous n‘avez pas à me dire la stratégie d‘entreprise de Schneider, pour ainsi dire. Mais est-ce que c‘est quelque chose qui est définitivement - on n‘a pas l‘impression que c‘est un projet secondaire chez Schneider. On dirait que cela va devenir une initiative de premier plan. Quels sont les efforts déployés par Schneider dans ce domaine ?
Sreedhar Sistu :
Nous avons donc une ligne d‘activité dédiée aux micro-réseaux. Nous mettons également l‘accent sur les [FC] à domicile. Récemment, nous avons lancé un nouveau système de gestion de l‘énergie domestique. Nous passons ainsi des bâtiments commerciaux aux habitations où il est possible d‘optimiser l‘utilisation de l‘énergie dans les foyers. Nous avons donc une grande stratégie autour de ce que nous appelons le prosommateur, car les maisons ne sont plus seulement des consommateurs d‘électricité provenant du réseau. Les maisons peuvent produire de l‘électricité grâce à l‘énergie photovoltaïque. Cela change complètement la donne. Et nous pensons que nous avons un rôle important à jouer dans cette transformation, qui est à la fois une opportunité pour nous en tant qu‘entreprise et un environnement sain.
Dayle Hall :
Oui, c‘est vrai. Non, j‘adore ça. C‘est une excellente - et écoutez, nous sommes toujours - nous sommes heureux que vous soyez un client de SnapLogic, mais j‘aime qu‘un client d‘énergie massive pense à la durabilité et soutienne le ménage moyen même s‘il n‘achète pas Schneider nécessairement directement en tant que produit ou service. C‘est donc excellent. J‘ai une dernière question à vous poser avant de conclure. Vous avez été dans et autour de cette industrie, je dirais - je vous décrirais comme un leader dans les innovations technologiques, en particulier dans l‘IA. En tant que leader des innovations technologiques, en particulier dans le domaine de l‘IA, qu‘est-ce qui vous enthousiasme, pas seulement chez Schneider, mais en général, les opportunités autour de l‘IA dans les, je ne sais pas, deux à cinq prochaines années, qu‘est-ce que vous attendez avec impatience, qu‘est-ce qui vous enthousiasme dans votre domaine d‘expertise ?
Sreedhar Sistu :
Tout d‘abord, je suis très optimiste quant aux avantages de l‘IA dans les années à venir. Et je vois vraiment le changement vers, ce que j‘appelle, une IA utile plutôt que l‘IA étroite que nous avons eue au cours des 510 dernières années, qui était nécessaire pour apporter de la maturité à la technologie, mais je pense que nous commençons à voir de plus en plus d‘applications utiles de l‘IA. Et vraiment, il s‘agit d‘augmenter les humains, il ne s‘agit pas de remplacer les humains mais de les augmenter. Il y a certaines choses pour lesquelles les humains sont bons et continueront d‘être bons, et l‘IA va les aider. Voulez-vous que quelqu‘un surveille l‘atelier et cherche des défauts avec ses yeux ? Non. Vous voulez une caméra qui intègre l‘IA pour détecter les défauts et pousser les articles sur le site. Je pense donc que nous allons commencer à voir de nombreuses applications utiles de l‘IA, ce qui va améliorer la productivité, l‘efficacité et, comme je l‘ai dit, dans notre cas, la durabilité de la planète, et je suis donc très optimiste à ce sujet.
Dayle Hall :
Je pense que c‘est une bonne fin pour ce podcast. J‘aime ce que vous avez dit, une IA utile plutôt qu‘un jouet. La chose la plus importante, c‘est que l‘IA aidera à augmenter les humains, pas à les éliminer du processus et à nous donner - en tant qu‘humains, nous pourrons nous concentrer sur des opportunités plus intéressantes, sur des travaux plus intéressants. C‘est une façon parfaite de terminer. Sreedhar, ce fut un plaisir. J‘espère que cela n‘a pas été trop pénible de vous expliquer ce que vous faites dans le domaine de l‘IA, ce que Schneider fait. Merci beaucoup d‘avoir participé à notre podcast aujourd‘hui.
Sreedhar Sistu :
Merci, Dayle. C‘était une excellente conversation. J‘ai apprécié chaque instant et je vous remercie de m‘avoir invité dans votre podcast.
Dayle Hall :
C‘est une bonne chose. À tous les autres, merci de vous être joints à nous aujourd‘hui. Revenez nous voir lors de notre prochain podcast qui sera bientôt disponible. Et passez une bonne journée.