Industrie Mag - Le journal de l'industrie.
- accueil .
- newsletter .
Flux RSS . - soumissions .
- publicité .
- contacts
Flux RSS .
L’intelligence artificielle (IA) et désormais les « agents IA » continuent de transformer l’industrie du Service. L’IA a le potentiel pour encore davantage révolutionner le monde des services en permettant des interactions autonomes, intelligentes et contextuelles avec des réponses personnalisées pour aller au-delà de la simple exécution de tâches.
Nous connaissons tous les copilotes et chatbots, ainsi que leur capacité à assister ou à améliorer la productivité et l’efficacité humaines. Entraînés sur base de données provenant de domaines spécifiques, les copilotes utilisent de larges modèles de langage (LLM) pour rechercher et synthétiser les informations demandées par un humain pour aider dans l’exécution de ses tâches.
Pour autant, la prochaine phase de l’IA va introduire des capacités entièrement autonomes sous la forme d’agents IA. Cette « IA agentique » est très différente ; elle peut travailler de manière indépendante et prendre des décisions raisonnées et, de plus en plus, elle sera en mesure de remplacer l’intervention humaine nécessaire à l’accomplissement de certaines tâches. Grâce à l’apprentissage automatique, les agents améliorent leurs performances au fil du temps et peuvent accéder de manière autonome à un éventail de ressources beaucoup plus large.
L’IA Agentique est entraînée à prendre des décisions en appliquant une logique basée sur la causalité, à l’instar des humains. Surtout, comme elle est capable de comprendre le contexte, elle peut prendre en compte des demandes complexes et nuancées en fournissant des réponses précises et pertinentes. Par exemple, pour un client demandant le coût d’un avenant à son contrat de service et un devis par courriel, un agent IA serait capable de vérifier et comprendre l’historique du client, les détails spécifiques des contrats de service existants et les spécifications techniques de ses équipements afin de générer et d’envoyer automatiquement un devis.
La plupart des chatbots comme ChatGPT génèrent des réponses à des requêtes sur la base de modèles de langage étendus. Toutefois, face à une demande technique ou très spécialisée, le LLM sera limité du fait d’un manque de données spécifiques. La génération assistée par récupération (RAG) permet alors de compléter les modèles d’IA générative en récupérant des informations et des données à partir de sources complémentaires - bases de données, de bases de connaissances et de pages web externes et exploitables.
Dans le secteur des services, les chatbots et les agents IA utilisés par les clients ou les techniciens de service pourront de ce fait accéder aux bases de connaissances et aux autres documentations techniques des fabricants (OEM), créant ainsi des conversations intelligentes, fiables et pertinentes, réduisant le risque d’erreurs et d’hallucinations de l’IA.
Confronté à une importante pénurie de compétences au niveau mondial, le monde des services reconnaît la nécessité de se tourner vers une main-d’œuvre plus flexible pour répondre à la demande.
Cette souplesse permettrait de disposer d’une main-d’œuvre contingente, plus inclusive et plus durable. Elle favorise l’embauche de nouveaux employés à temps partiel ou à horaires flexibles qui ne peuvent pas ou ne veulent pas travailler à temps plein, ou même des travailleurs de l’économie parallèle.
De cette manière, les prestataires de services sont en mesure de tirer parti d’une main-d’œuvre occasionnelle en dehors des domaines traditionnels, ce qui leur permet d’atteindre leurs objectifs en matière de diversité, équité et inclusion, tout en s’attaquant au problème du vieillissement et de la pénurie de main-d’œuvre qualifiée, une situation où tout le monde est gagnant.
Malgré les avantages et les gains d’efficacité évidents offerts par les technologies d’optimisation de la planification et de l’ordonnancement, de nombreux fournisseurs de services les considèrent actuellement comme trop complexe à mettre en œuvre ou trop sophistiquée pour leurs besoins. Historiquement, les moteurs automatisés ont souvent nécessité des réglages manuels approfondis pour définir et ajuster les paramètres correctement afin que les algorithmes du système prennent des décisions optimales en matière de planification.
Mais avec l’IA intégrée, la planification optimisée va devenir auto-apprenante et totalement autonome. Cette planification autonome pourra gérer les horaires de travail sur la base de courbes de valeur ajustées dynamiquement et de données en temps réel, en tirant par ailleurs les leçons de résultats antérieurs.
L’optimisation des règles ne nécessitera que peu ou pas d’intervention manuelle ; entraînée à partir de données prédéfinies, l’IA apprend elle-même le comportement décisionnel requis. Elle peut devenir opérationnelle et apporter une vraie valeur ajoutée avec une configuration minimale. L’IA rendra donc la planification dynamique accessible à tous, indépendamment de leur taille, de leur complexité, de leurs ressources ou de leurs volumes ; ce qui permettra à tous les prestataires de services de bénéficier d’une productivité accrue, d’une réduction des déplacements et d’une meilleure conformité aux accords de niveau de service (SLA) - ce qui, par le passé, aurait pu leur échapper.
Dans les domaines de la gestion des installations, des services managés et des test, inspection et certification (TIC) notamment, les prestataires de services ont besoin d’une main d’œuvre capable de travailler sur des équipements de différentes marques couvrant parfois des centaines de modèles différents.
La pénurie de compétences impacte toutefois cette dynamique. Les nouveaux arrivants sont généralement moins expérimentés et doivent devenir des généralistes. De ce fait, ils ont besoin d’une plus grande assistance technique sur le lieu de travail et au cours de leur intégration.
L’accès à des données de connaissances actualisées est nécessaire mais pas suffisant.
Aujourd’hui, grâce à l’IA, les entreprises peuvent auto-définir les articles de connaissances en observant les étapes de résolution, les pièces détachées et les procédures techniques utilisées par les techniciens de service, en les complétant avec les données techniques fournies par les équipementiers. Cela réduit le besoin de mises à jour manuelles, qui nécessite de la discipline et un investissement important, et garantit que les référentiels de connaissances soient toujours à jour et reflètent les expériences vécues.
L’IA peut ainsi démocratiser la connaissance au sein de la main-d’œuvre, en fournissant une assistance et un soutien d’expert avec des articles de connaissance qui s’écrivent et s’affinent continuellement. Mieux encore, les capacités de traduction de l’IA signifient que le même référentiel peut être disponible dans plusieurs langues, garantissant ainsi que les informations techniques sont accessibles à une main-d’œuvre internationale.
Les appareils et équipements d’aujourd’hui sont de plus en plus connectés, partageant des données avec les équipementiers et les fournisseurs de services en temps réel. Avec l’avènement de l’IA agentique, ces flux de données peuvent être surveillés et analysés en permanence, permettant à l’agent de faire des observations et de prendre des mesures proactives pour maintenir le temps de fonctionnement et les performances de manière autonome.
Par exemple, un agent IA peut détecter une chute de pression dans une chaudière à gaz domestique. Sur la base du référentiel de connaissances et des détails spécifiques du modèle, l’agent envoie une alerte sur le smartphone de l’utilisateur, accompagnée d’un lien vidéo explicatif montrant comment re-pressuriser le système.
C’est pourquoi les équipementiers et les prestataires de services indépendants investissent dans le développement et l’offre de leurs propres solutions d’IA agentique à travers leur base de clients, et ce à un rythme soutenu. Pour les prestataires de services en particulier, les agents représentent un flux de revenus d’abonnement à valeur ajoutée supplémentaire, une réduction des coûts (moins de visites de service sur le terrain nécessaires) et un moyen d’engendrer la « fidélité » (créer la loyauté et la confiance des clients) grâce à un engagement proactif et à une expérience client améliorée.
En résumé, l’IA sous ses diverses formes (Gen AI, Agentic, Time series, Optimization, Recommendations, etc.), aura un impact indéniable sur l’industrie du service. Les clients peuvent s’attendre à des interactions plus rapides et plus pertinentes avec les copilotes. Les prestataires de services utiliseront de plus en plus l’IA pour offrir une plus grande flexibilité aux travailleurs, et pour atteindre une efficacité optimale grâce à la planification, à l’ordonnancement et à l’optimisation dynamique et autonome. Les articles de connaissance rédigés de manière autonome se mettront continuellement à jour. Enfin, les agents IA pour les actifs seront sources de nouveaux revenus pour les prestataires de services, tout en réduisant les coûts de service et en augmentant la fidélité des clients. L’IA devrait donc entraîner une révolution dans les services, au bénéfice de toutes les parties prenantes.
