La valeur ajoutée générée par l'IA se crée là où le travail est effectué

Le débat sur l'IA dans l'informatique d'entreprise a visiblement commencé au niveau de l'interface. Des assistants rédigent des textes, synthétisent des informations ou facilitent la navigation au sein de processus complexes. C'est utile. Pour de nombreux utilisateurs SAP, le véritable enjeu stratégique se situe là où les commandes sont produites, les marchandises acheminées, les équipements entretenus et les pannes réparées. Le progrès décisif est d’ordre opérationnel – et donc plus proche de la création de valeur physique. Dans l’atelier, l’entrepôt et l’usine, l’IA n’est pas un simple canal de discussion supplémentaire. Elle se heurte à des contraintes réelles : règles de sécurité, temps de cycle, disponibilité des matériaux, qualifications et contraintes spatiales. Une recommandation qui semble plausible dans le système doit être réalisable, compréhensible et sûre sur le terrain. C’est précisément là que réside l’opportunité. L’IA peut relier les signaux provenant des processus, des équipements et des flux de travail de manière à ce que les employés identifient plus rapidement la décision qui compte à ce moment-là.

Pour les responsables SAP, la question centrale évolue. Il ne s'agit plus de savoir : « Quelle fonction peut être enrichie par l'IA ? », mais plutôt : « Quelle décision opérationnelle génère un bénéfice mesurable et quelles informations manquent aujourd'hui pour la prendre en toute fiabilité ? ». L'ERP reste indispensable à cet égard. Il fournit les données de base, les commandes, les stocks, les règles et les transactions. Mais ce n’est pas nécessairement là que chaque décision est prise. La réalité opérationnelle génère en permanence un contexte qui n’est que partiellement représenté dans le modèle de processus classique : l’état d’une machine, l’emplacement réel d’un article, un écart dans le déroulement d’un processus ou l’expérience d’un collaborateur. Les architectures tournées vers l’avenir relient ces niveaux, au lieu de traiter l’atelier simplement comme une zone d’exécution en aval.

La voie mène vers une IA physique

Lorsqu’un logiciel ne se contente pas d’analyser et de formuler des recommandations, mais interagit avec des capteurs, le traitement d’images, des systèmes autonomes ou la robotique, une réponse numérique se traduit par un impact dans le monde réel. Cela élargit le potentiel… mais augmente aussi les risques. Une erreur dans un résumé de texte n’a rien à voir avec une mauvaise hiérarchisation sur une chaîne de production ou une intervention inappropriée dans le fonctionnement d’une installation. C’est pourquoi la robotique ne doit pas être considérée comme une simple extension de l’automatisation. Elle allie perception, prise de décision et mouvement. La question qui se pose alors est la suivante : quelles tâches les systèmes peuvent-ils assumer de manière autonome ? Dans quels cas une validation est-elle nécessaire ? Comment définit-on un cas d’exception sûr ? Comment un être humain peut-il comprendre pourquoi un système propose ou exécute une action ?

Dans ce monde, la gouvernance prend une dimension concrète

La gouvernance commence par la définition des responsabilités et ne s'arrête pas à une simple directive sur l'IA. Pour chaque cas d'utilisation, le service métier, le service informatique, le service opérationnel et, le cas échéant, les responsables de la sécurité doivent déterminer qui est en charge des objectifs, de la qualité des données, des modifications et des escalades. Les modèles doivent s'accompagner d'un mandat métier, de limites d'utilisation et de critères permettant de vérifier leurs résultats. Les autorisations méritent une attention particulière. Ce qui s’applique dans l’univers ERP aux transactions et à l’accès aux données doit être repensé pour les possibilités d’action basées sur l’IA. Un système peut consulter des informations sans être autorisé à les modifier. Il peut recommander une mesure sans la déclencher. Il peut agir dans un cadre strict sans disposer librement des processus ou des équipements. Ces nuances ne constituent pas un frein ; elles rendent l’automatisation responsable et évolutive. La tentation est grande de traiter l’IA comme un choix de plateforme unique. Une autre approche s’avère souvent plus fructueuse : commencer par des situations opérationnelles clairement définies, évaluer ensemble les effets et les risques, puis réinjecter les enseignements tirés dans l’architecture, le modèle de données et la gouvernance. Cela permet d’éviter la création d’un univers parallèle à SAP et d’établir au contraire un lien solide entre les processus d’entreprise et leur exécution physique.

Vers l'inscription du partenaire :