Intelligence Artificielle : timide progression dans le secteur automobile

Une nouvelle étude du Capgemini Research Institute révèle que seuls 10% des principaux acteurs du secteur automobile travaillent sur des projets d’intelligence artificielle1 (IA) à grande échelle alors qu’un déploiement de ce type pourrait permettre une augmentation de leur résultat d’exploitation pouvant aller jusqu’à 16%. L’étude montre également que le nombre d’entreprises du secteur automobile travaillant avec l’IA est en baisse par rapport à 2017, malgré les avantages constatés sur le plan des coûts, de la qualité et de la productivité.

L’étude « Accelerating Automotive’s AI Transformation : How driving AI enterprise-wide can turbo-charge organization value » rassemble les témoignages de 500 dirigeants de grandes entreprises du secteur automobile réparties dans huitpays. Elle vise à identifier les dernières tendances en matière d’investissements et de déploiements de projets IA et s’inscrit dans le prolongement d’une enquête similaire réalisée en 2017. L’étude a permis de mettre en lumière plusieurs facteurs pouvant avoir ralenti le rythme de progression des déploiements IA :
• Les obstacles à la transformation technologique restent nombreux. Ils concernent l’ancienneté des systèmes informatiques, le niveau de précision et de qualité des données ainsi que le manque de compétences adaptées.
• A l’heure où les entreprises sont confrontées aux enjeux concrets de son implémentation, le buzz médiatique et les attentes élevées vis-à-vis de l’IA ont laissé place à une perspective plus pragmatique et mesurée.

Principaux résultats :
Le déploiement de l’IA ralentit : depuis 2017, le nombre d’entreprises du secteur automobile ayant réussi à déployer l’IA à grande échelle n'a augmenté que de façon marginale (de 7 % à 10 %). Cependant, le nombre de sociétés ayant déclaré ne pas utiliser l’IA connaît une hausse bien plus marquée (de 26% à 39%). Selon l’étude, seules 26% des entreprises travaillent actuellement sur des projets IA (contre 41% en 2017). Cette diminution pourrait découler des difficultés que ces entreprises rencontrent pour atteindre le ROI qu’elles se sont fixé. L’étude met également en lumière une disparité régionale importante, avec 25% des entreprises américaines déployant des projets IA à grande échelle, contre 9% seulement en Chine (un chiffre néanmoins en nette hausse, de 5% à 9%), 8% en France, 5% en Italie et 2% en Inde.
L’IA à grande échelle pourrait générer des gains significatifs : les timides progrès en matière de déploiement de projets IA à grande échelle sont autant d’opportunités manquées pour les entreprises du secteur automobile. Selon le rapport, une simulation faite à partir du profil type de l’un des 50 plus gros constructeurs automobiles (OEM) montre que l’IA à grande échelle pourrait générer une augmentation significative du résultat d’exploitation : de 5% (232 millions de dollars), pour l’estimation la plus basse, à 16% (764 millions de dollars) pour l’estimation la plus optimiste.
« Grâce à l’inspection visuelle augmentée d’IA, nous avons réduit le nombre de ‘faux positifs’ de manière significative par rapport à nos anciens systèmes, » explique Demetrio Aiello, responsable du laboratoire IA et robotique chez Continental. « Je suis convaincu qu’en tirant pleinement parti de toutes les capacités de l’IA, nous pourrions avoir le même effet que de doubler notre capacité de production actuelle. »
L’IA est perçue comme un vecteur de création d’emplois, et non l’inverse : le rapport montre que la perception de l’IA est aujourd’hui très positive dans le secteur. En effet, 100% des dirigeants interrogés affirment que l’IA permet de créer de nouveaux emplois (contre 84% en 2017).
Le déploiement de l’IA génère des résultats concrets : l’étude montre que dans le secteur automobile l’IA génère des bénéfices à l’échelle de toutes les fonctions de l’entreprise. En moyenne, les projets IA peuvent améliorer la productivité des activités de recherche et développement (R&D) de 16%, augmenter l’efficacité opérationnelle de 15% de la chaîne logistique et de 16% pour la fabrication et les opérations. Avec des coûts directs liés à l’expérience client réduits de 14%, de 17% pour les services informatiques, et une amélioration des délais de mise sur le marché de 15% en R&D et de 13% en marketing/ventes.
Le rapport présente également plusieurs projets de déploiements IA réussis de manière plus détaillée. Par exemple, Continental s’appuie sur des simulations IA pour générer l’équivalent de plus de 8 000 km de données de tests de conduite par heure, contre 10 500 km par mois avec les tests de conduite physique classiques.

Autres exemples :
• Volkswagen anticipe avec précision les ventes de véhicules pour 250 modèles dans 120 pays grâce à l’utilisation du machine learning (2).
• Mercedes-Benz teste un système de reconnaissance basé sur l'IA pour le transport de colis
permettant réduire le temps de chargement des véhicules de 15 % (3).

Markus Winkler, Vice-président exécutif, à la tête du secteur Automobile du groupe Capgemini, conclut : « Ces résultats montrent que la progression de l’IA dans le secteur automobile perd de son élan. Si certaines entreprises récoltent les fruits de leurs initiatives, d’autres éprouvent des difficultés à prioriser les usages les plus efficaces. Les constructeurs doivent aujourd’hui faire de l’IA une priorité stratégique et aligner leurs investissements, leurs talents et leur gouvernance en conséquence. »
Il ajoute : « Comme le montre notre étude, l’IA peut générer des gains significatifs pour les entreprises, mais uniquement dans le cadre des projets de déploiement à grande échelle. Pour réussir dans l’IA, les entreprises devront investir pour développer les bonnes compétences, améliorer la qualité des données et mettre en place un mode de management adapté en soutien. »
Pour déployer leurs projets à grande échelle, les entreprises doivent investir, former leurs équipes et créer de nouvelles infrastructures : le rapport analyse également les comportements des entreprises ayant mis en place les projets d’IA à grande échelle les plus efficaces (« Scale Champions »). La plupart de ces entreprises ont :
• réalisé des investissements plus importants dans l’IA (plus de 200 millions de dollars par an chez 86% des ‘Champions’)
• priorisé les compétences IA dans le cadre du recrutement et des formations (32% ont indiqué avoir inclus le recrutement à leur stratégie IA, contre 14% chez les autres ; 25% ont affirmé avoir formé et reconverti leurs salariés existants, contre 8% chez les autres)
• créé une structure de gouvernance claire pour prioriser et promouvoir l’IA, en créant par exemple un pilotage central pour la gouvernance des investissements IA et une équipe transversale composée d’experts techniques, métier et opérationnels.

Méthodologie
Le Capgemini Research Institute a mené une enquête auprès de 500 dirigeants de grandes entreprises du secteur automobile basées en Allemagne, en Chine, aux États-Unis, en France, en Inde, en Italie, au Royaume-Uni et en Suède. Des entretiens approfondis ont également été menés auprès d’experts et de dirigeants du secteur.

1) L’intelligence artificielle (IA) désigne les capacités des systèmes dotés de fonctionnalités d’apprentissage que nous considérons comme « intelligentes ». L’IA touche aujourd’hui la reconnaissance vocale, visuelle et vidéo, les objets autonomes, le traitement du langage naturel, les agents conversationnels, la modélisation prescriptive, la créativité augmentée, l’automatisation intelligente, la simulation avancée, ainsi que les modèles d’analyse et de prévision complexes.
2) Source: Automotive World, “VW says OK to AI”, mars 2018
3) Source : site internet de Daimler, “Vans as motherships”, septembre 2018