IoT pour les entreprises

IoT for business

Lors de ma dernière visite à l’IMD Business School à l’automne dernier, j’ai parlé avec un conseiller du programme, qui m’a informé d’un nouveau cours dans le cadre du programme de transformation digitale que je suis actuellement : un module sur l’Internet des Objets (IoT) était en préparation. J’ai été heureux de m’inscrire et je partage maintenant mes connaissances et mes réflexions sur l’IoT.

L’IoT est un sujet à la mode, tout autant que l’IA ou la Blockchain, mais il est souvent négligé par la presse grand public. Cependant – et probablement en raison de mon expérience professionnelle dans l’industrie des télécommunications – cette nouvelle technologie me semble la plus prometteuse, car elle représente la base de nombreux cas d’utilisation innovants, qu’ils soient industriels ou grand public.

« À mesure que les capteurs numériques et la connectivité seront intégrés à un nombre croissant d’objets, l’Internet des Objets est susceptible de redéfinir les limites de nombreuses industries qui ont été moins transformées par l’Internet que ne l’ont été les médias et le secteur de l’information ».

David L. Rogers, The Digital Transformation Playbook

Leçons à retenir

N°1 « Penser en termes de design est un premier pas nécessaire”

La démarche design (Design Thinking en anglais) est une méthodologie, structurée comme un processus créatif non linéaire. Elle change le paradigme des activités de design, devenant stratégique (en initiant le développement du produit ou du service) plutôt que tactique (à la toute fin de la collecte des besoins).

Le Design Thinking aide les personnes et les organisations à surmonter la complexité. Il est excellent pour l’innovation et fonctionne extrêmement bien pour imaginer l’avenir, mais ce n’est pas le bon ensemble d’outils pour optimiser, rationaliser ou exploiter une entreprise stable.

« Plutôt que de demander aux designers de rendre une idée déjà développée plus attrayante pour les consommateurs, les entreprises leur demandent de créer des idées qui répondent mieux aux besoins et aux désirs des consommateurs ».

Tim Brown, Design Thinking, HBR

En développant itérativement un prototype IoT et en le confrontant à l’utilisation réelle des clients, on peut connaître les forces et les faiblesses de l’idée et identifier les nouvelles directions que pourraient prendre les prototypes ultérieurs (pivot).

Les trois principales catégories de cas d’utilisation de l’Internet des objets sont les maisons intelligentes, les vêtements et les villes intelligentes. Il est intéressant de noter qu’elles sont toutes très axées sur le consommateur. Mais l’avenir de l’IoT semble en fait reposer sur les applications B2B, telles que la maintenance préventive et prédictive, le suivi des actifs, les compteurs intelligents, le réapprovisionnement automatique, etc.

La fourniture d’une connectivité simple et d’un accès à distance aux équipements existe depuis 20 ans, mais la collecte des données – et leur utilisation effective – est la véritable valeur ajoutée des produits IoT modernes.

Ils bénéficient bien sûr d’une meilleure technologie (meilleurs capteurs, gestion de l’énergie plus efficace, plus de choix de connectivité), mais les cas d’utilisation connexes sont fortement augmentés par l’infrastructure informatique supplémentaire (cloud & périphérie) et les capacités d’analyse de pointe (intelligence artificielle).

« Du point de vue du management, la principale conclusion est que la source de l’innovation ne réside pas dans une technologie unique, mais dans la fusion de différentes technologies qui donne naissance à des solutions innovantes en matière d’IoT. « 

IEEE L’IoT et la transformation numérique : Vers l’entreprise fondée sur les données

N°3 « L’apprentissage machine change la donne pour l’IoT”

Associée aux capteurs et aux données qui leur sont associés, l’intelligence artificielle, et en particulier l’apprentissage machine (Machine Learning en anglais), conduit à de nouvelles applications : collecte de données à grande échelle pour une prise de décision éclairée, jumeaux numériques, entretien et réparation des infrastructures, assistants personnels, etc. – la liste s’allonge chaque jour.

L’analyse de données à grande échelle (Big Data) pour le suivi et le diagnostic en temps réel est apparue un peu plus tard, et l’intelligence artificielle a fait son apparition lentement, pour permettre de prendre de meilleures décisions. Les règles et processus programmés sont aujourd’hui remplacés par des systèmes pouvant être entraînés et qui « apprennent » d’eux-mêmes, grâce à la grande quantité de données existantes.

Ce concept, appelé « machine learning », est un sous-ensemble de l’intelligence artificielle, mais c’est déjà le plus prometteur. L’apprentissage renforcé (système de récompense pour un agent d’IA basé sur l’effet des décisions, similaire à la manière dont un enfant apprend) et les réseaux neuronaux profonds (ensembles d’IA concurrents ou collaboratifs) sont des méthodes en vogue. L’IA interprétable ou explicable (qui donne un sens à l’action des réseaux neuronaux pour un être humain) sera le prochain cas d’utilisation.

Le machine learning ne se limite pas à l’IoT, bien au contraire. Mais son association spécifique avec des systèmes connectés permet d’obtenir les avantages suivants :

  • Augmenter l’efficacité opérationnelle et prévenir les temps d’arrêt imprévus
  • Mieux anticiper les risques et les opportunités
  • Initier des produits et services nouveaux / améliorés
  • Augmenter l’amélioration de l’IoT et optimiser la collecte des données

N°4 « Les principaux défis de l’IoT sont la sécurité et l’éthique »

Un dispositif IoT compromis peut non seulement entraîner des failles de sécurité au niveau des données, mais aussi altérer le fonctionnement même du dispositif. Pensez aux voitures autonomes piratées ou aux dispositifs de soins de santé vitaux fonctionnant mal !

La conséquence est que des marchés verticaux se forment dans le domaine de l’IoT, où les entreprises possèdent et développent les différents composants (matériel + Cloud + données). Google, Amazon ou Microsoft proposent déjà des solutions IoT « prêtes à l’emploi ».

C’est un peu contre-intuitif, car on s’attend à des marges plus élevées dans le domaine des données (analyse, apprentissage machine), mais le contrôle de l’ensemble de la chaîne permet de sécuriser les données (solution complète) et est attrayant pour les clients – même si le coût est plus élevé !

En raison de la nature même de l’apprentissage non supervisé, les applications de l’IoT ont un impact énorme sur les aspects juridiques. Comme il n’y a pas de programmation préalable par un être humain et aucun algorithme en tant que tel, qui porte la responsabilité en cas d’incident ?

Et même si un être humain prend toujours la décision finale, la recommandation calculée est générée sur la base de données d’entrée qui peuvent ou non être biaisées, déséquilibrées, modifiées par des spécificités locales ou sociales, etc.

Il ne s’agit pas seulement du paradoxe classique de la machine morale (« la voiture autonome devrait-elle plutôt écraser une personne âgée ou un enfant »), mais il peut aller plus loin avec des scénarios plus positifs : par exemple, une voiture autonome pourrait-elle dépasser la vitesse limite en cas d’urgence ? Mais si c’est le cas, comment l’urgence est-elle communiquée, détectée et évaluée par l’IA de la voiture ?

Dans de nombreux cas, les questions d’éthique et de sécurité doivent être prises en compte avant le déploiement d’un système. Il est donc essentiel de poser ces questions lors de la phase de conception, et même de prendre en compte des compétences exotiques telles que des ingénieurs sociaux ou des experts en psychologie.

#5 « Les effets de réseau sont au cœur de l’IoT”

La loi de Metcalfe stipule que la valeur d’un réseau augmente jusqu’au carré du nombre de ses composants. Cette croissance exponentielle est contre-intuitive par rapport à notre approche linéaire du changement, mais elle souligne en fait tout le paradigme de la transformation numérique, des Big Data aux modèles commerciaux des plates-formes (« The Winner Takes All »).

Nous aurons bientôt 50 milliards d’appareils IoT – de véritables petits ordinateurs – connectés ensemble en réseau. Cinquante milliards au carré, c’est l’équivalent du nombre d’étoiles dans notre univers. Ce puissant réseau mondial devient une nouvelle plate-forme informatique !

Et une grande partie du calcul se fera dans les capteurs à la périphérie du réseau plutôt qu’au cœur du réseau (informatique en périphérie).

Cisco

Si l’on combine cette affirmation avec la loi de Moore (selon laquelle la puissance de calcul double tous les deux ans, ce qui signifie que si les capacités augmentent régulièrement, le coût de ces capacités baisse continuellement), on peut ressentir l’ampleur de la révolution de l’IoT.

La technologie devient plus rapide, plus petite et moins chère. Le jour viendra où il sera technologiquement possible, et économiquement viable, de mettre en réseau même les choses les plus simples, jusqu’à l’ampoule électrique.

Autres réflexions et opportunités

Gestion de projet et design thinking

Le design thinking voit les choses dans leur ensemble : une innovation n’est pas une fin, la valeur réelle vient de la façon dont cette innovation se rapporte à l’expérience globale du client.

Par conséquent, pour être efficace et efficiente, elle nécessite des équipes diverses, couvrant des fonctions variées et disposant d’un large éventail de compétences.

Cela ressemble beaucoup à une équipe de projet, en particulier dans le cadre d’une approche agile. Les nombreuses similitudes avec la méthodologie de gestion de projet agile sont les suivantes :

  • Les deux méthodes, design thinking et agile, font appel à des équipes pluridisciplinaires et inter fonctionnelles ;
  • Elles constituent toutes deux une méthode/processus et un état d’esprit :
  • Elles ont toutes deux des approches itératives et centrées sur le client (prototypes vs.

La gestion des parties prenantes dans la gestion de projet, ainsi que les avatars et les personnalités dans la démarche design sont des activités très similaires ; cela dit, les personnalités peuvent contenir plus d’informations que les parties prenantes anonymes utilisées dans les techniques de cartographie de la gestion de projet.

Opportunité : utiliser des parties prenantes « personnalisées » (avec un passé simulé et en mettant l’accent sur les émotions et les sentiments, etc.) pendant l’analyse des parties prenantes afin d’apporter des informations supplémentaires.

Design thinking dans un environnement B2B

À quoi ressemble le design thinking dans les entreprises B2B ? Qu’est-ce qu’un parcours client dans ce cas ? Avec qui devez-vous avoir de l’empathie lorsque vous traitez avec une entreprise ? Ces questions me revenaient sans cesse à l’esprit au fur et à mesure que je parcourais le matériel pédagogique.

En effet, le design thinking est un outil très puissant lorsqu’il s’agit de dépeindre un utilisateur final typique, qui peut être catégorisé par sa démographie, ses comportements, ses intérêts, son pouvoir, etc.

Dans un environnement B2B, le contexte joue un rôle plus important. En outre, nous n’avons pas affaire à un seul client – différents points de vue (utilisation, faisabilité, aspects financiers, …) doivent être pris en compte.

C’est en fait la raison pour laquelle la gestion des parties prenantes est importante ici, mais les designers ont du mal à saisir la situation dans son ensemble.

« Le design pour le B2B n’est pas agréable. (…) De nombreuses solutions B2B sont satisfaisantes pour les dirigeants mais inutiles ou inutilisables pour les employés »

Masakazu Iwabu, Qu’est-ce qui complique la conception de solutions interentreprises ?

Opportunité : considérer les fonctions impliquées dans le traitement d’un produit ou d’un service IoT (acheteur, opérateur, utilisateur final, développeur, etc.), et combiner la cartographie des parties prenantes avec des résultats axés sur la personne.

Gestion de projets et IA

En ce qui concerne l’intelligence artificielle, j’ai déjà compris et intégré dans ma carrière que les IA vont tôt ou tard remplacer les chefs de projet – au moins pour certaines tâches.

L’idée principale est d’utiliser l’IA pour prédire le comportement des projets grâce à des paramètres de projets typiques (coûts, durée, etc.) et à des données historiques de projets passés. Par exemple, l’apparition de signaux d’alerte, de dépassements de coûts ou de retards pourrait être prévue – et, espérons-le, évitée – si les premiers signes sont pris en compte.

Des alertes et une éventuelle marche à suivre pourraient être fournies en temps réel aux sponsors sans aucune participation active du responsable de projet, ce qui permettrait une transparence et une prise de décision éclairée pour les parties prenantes du projet.

D’une manière ou d’une autre, cela rendra la fonction de PMO superflue, et pas nécessairement le rôle de chef/fe de projet lui-même. En effet, la valeur ajoutée d’un responsable de projet réside dans les compétences relationnelles et dans la compréhension du contexte du projet (approche holistique). Les mandats et les fonctions qui ne requièrent que des compétences techniques en matière de gestion de projet (établissement de rapports, planification, organisation) doivent être évités, car leur avenir est clairement menacé.

« Les experts en machine learning doivent, pour leur part, se rendre compte de l’écart entre la science de pointe et la capacité des organisations à mettre en œuvre des modèles de travail visant à résoudre des problèmes réels ».

Getting Value From Machine Learning Isn’t About Fancier Algorithms – It’s About Making It Easier to Use, HBR

Opportunité : agir comme un pont entre les fonctions techniques / scientifiques et les commerciales.

Digital Twins

Ce cours m’a permis d’approfondir le sujet très intéressant des jumeaux numériques, car j’ai utilisé le concept pour mes travaux personnels.

Qu’est-ce qu’un jumeau numérique, Digital Twin en anglais ? C’est une copie virtuelle d’une solution industrielle, une réplique en ligne d’un système physique, utilisée pour suivre le passé et prédire l’avenir. Plus qu’un modèle statique, il est enrichi en permanence de données en temps réel provenant des capteurs du système réel.

Les jumeaux numériques font partie des principaux cas d’utilisation de l’Internet des objets industriels (Industrial Internet of Thinks ou IIoT en anglais), souvent appelé Industrie 4.0 ou Smart Manufacturing. Leur utilisation augmente rapidement, et des environnements de développement sont mis à disposition, à l’origine par des fournisseurs industriels (par exemple Predix de GE), maintenant de plus en plus par des éditeurs de logiciels (par exemple AWS IoT Core, Microsoft Azure)

Lors de ma dernière visite à l'IMD Business School à l'automne dernier, j'ai parlé avec un conseiller du programme, qui m'a informé d'un nouveau cours dans le cadre du programme de transformation digitale que je suis actuellement :

Wevolver a produit une série d’articles en anglais très intéressants sur le thème de la fabrication intelligente, couvrant les différents composants de l’IoT (production guidée par les données, réseaux et capteurs, robots et cobots, …) et expliquant à l’aide d’exemples comment les dispositifs IoT doivent être utilisés et déployés.

Opportunité : se lancer dans la technologie Digital Twin en trouvant un cas d’utilisation approprié et en jouant avec les plate-formes logicielles et les outils de développement de l’IoT

Et maintenant ?

Un appareil connecté ne suffit pas à lui seul à fournir un cas d’utilisation réussie de l’IoT. Il doit être connecté à l’IA, au Cloud et aux données, et enrichi de ces éléments. Ces 4 technologies constituent ensemble le pilier de la transformation numérique, comme le souligne très habilement Thomas Siebel dans son livre Digital Transformation : Survivre et prospérer dans une ère d’extinction massive.

« La confluence du cloud computing élastique, des données massives, de l’IA et de l’IoT est le moteur de la transformation numérique. Les entreprises qui exploitent ces technologies et se transforment en entreprises numériques dynamiques prospéreront. Celles qui ne le font pas deviendront inutiles et cesseront d’exister. Si la réalité semble dure, c’est qu’elle l’est ».

Thomas Siebel, Digital Transformation

Cependant, comme pour toute nouvelle technologie, il existe des obstacles à la mise en œuvre à grande échelle d’applications innovantes de l’IoT, telles que :

  • Informatique interne (gère l’entreprise, a peur de l’inconnu)
  • Manque de clarté pour l’analyse coûts-avantages (pas d’expérience)
  • Compétition sur les talents
  • Maturité technologique

Le risque que les choses tournent mal est élevé. Selon l’étude sur l’IoT réalisée par Cisco en 2017, 60% des entreprises sous-estiment la complexité de l’IoT et 75% des projets IoT échouent.

Mais c’est aussi pour cette raison que cette étude est fascinante : elle va au-delà des purs défis techniques et adopte une compréhension holistique des changements en jeu. Et mener les initiatives de transformation nécessaires selon une approche professionnelle, structurée, mais adaptable.

Avez-vous trouvé cela utile ?

PARTAGER CET ARTICLE

General Terms of Use
When you visit our website, it may store information through your browser from specific services, usually in form of cookies. Here you can change your privacy preferences. Please note that blocking some types of cookies may impact your experience on our website and the services we offer.


Merci pour vos commentaires ! Souhaitez-vous recevoir notre newsletter ?

 

Votre adresse de messagerie est uniquement utilisée pour vous envoyer notre lettre d'information ainsi que des informations concernant nos activités. Vous pouvez à tout moment utiliser le lien de désabonnement intégré dans chacun de nos mails.

Merci pour votre retour. Veuillez laisser un commentaire