Pour les petites et moyennes entreprises (PME) qui évaluent des progiciels de gestion intégrée (ERP) basés sur l’IA, « globalement correct » semble être un critère raisonnable. Un outil qui prévoit la demande avec une précision de 92 % reste utile même dans les 8 % de cas où il se trompe, et un assistant de recherche qui renvoie parfois le mauvais document reste plus rapide que de fouiller manuellement dans les dossiers.
Quant à savoir si cette même tolérance s'applique au sein d'un système ERP, c'est une autre histoire. Cela dépend moins du taux d'erreur de l'IA que du niveau de criticité de l'activité dans laquelle elle intervient, et de qui – ou de quoi – est en mesure de détecter ses erreurs lorsqu'elle se trompe.
Dans la continuité du dernier article de cette série, intitulé « 10 questions à poser lors de l'évaluation d'un ERP basé sur l'IA », ce billet examine pourquoi les réponses à ces questions ont un poids différent selon le domaine de vos activités auquel elles s'appliquent. Il est important de savoir quelles questions poser à un fournisseur. Il est tout aussi important de savoir pour quels processus de votre entreprise vous pouvez vous permettre d'accepter une mauvaise réponse, et pour lesquels ce n'est pas le cas.
Le domaine d'application de l'IA modifie les enjeux
Toutes les réponses générées par l'IA ne présentent pas le même niveau de risque. Les enjeux dépendent de ce que fait réellement l'IA lorsqu'elle commet une erreur.
Lorsque l'IA résume une tendance, répond à une question de type « recherche » ou crée un rapport visuel clair, une réponse erronée est gênante. L'utilisateur remarque que quelque chose cloche, vérifie l'enregistrement correspondant, puis passe à autre chose. Le coût de cette erreur se résume à quelques minutes de vérification.
En revanche, lorsque l’IA intervient dans le cadre de la clôture financière, qu’il s’agisse de rapprocher les relevés des fournisseurs ou de calculer le moment de la comptabilisation du chiffre d’affaires, une erreur se manifeste différemment. Elle ne se signale pas d’elle-même. Elle ressemble à une transaction normale jusqu’à ce que quelqu’un en aval détecte l’anomalie, si tant est que quelqu’un la détecte.
Par exemple, un agent chargé du rapprochement des comptes fournisseurs qui interprète mal un relevé et comptabilise un solde erroné ne se contente pas de générer un simple chiffre erroné. Ce chiffre est pris en compte dans la clôture, la clôture alimente les rapports, et l’erreur s’amplifie à mesure qu’elle progresse dans le processus avant que quelqu’un ne s’en aperçoive. La même réponse « presque correcte », relativement inoffensive dans un résultat de recherche, devient coûteuse dès lors qu’elle est intégrée à une transaction.
Le fossé des PME
La redondance permettant de détecter ces erreurs n'est pas répartie de manière homogène dans toutes les entreprises.
Dans les grandes entreprises, il existe souvent une équipe dont la mission consiste, en partie, à repérer précisément ce genre d'erreur. Les contrôleurs vérifient les écritures de clôture. L'audit interne teste les contrôles. Des analystes opérationnels spécialisés procèdent au rapprochement des comptes avant que les opérations ne soient transmises en aval.
Pour de nombreuses petites et moyennes entreprises, ce niveau n’existe pas. Du moins, pas sous la même forme. Un seul contrôleur peut être chargé de la clôture, du rapprochement et du reporting, sans qu’un deuxième relecteur ne soit intégré au processus. Telle est la réalité lorsqu’on gère une équipe réduite avec un modèle opérationnel différent, qui offre moins de marge de manœuvre pour absorber une erreur générée par l’IA avant qu’elle n’atteigne un client, un auditeur ou un membre du conseil d’administration.
Rien de tout cela ne garantit qu'une erreur sera détectée, même lorsque cette couche existe. Le fait que l'IA commette des erreurs n'est pas, en soi, une raison de l'éviter. C'est justement parce qu'il faut être lucide sur les endroits où ces erreurs peuvent survenir qu'il convient de choisir avec soin les contextes dans lesquels on la déploie.
À surveiller
Certains fournisseurs comprennent mieux que d'autres les défis auxquels sont confrontées les PME à l'ère de l'IA.
Un fournisseur incapable d'expliquer clairement ce qui se passe en cas de panne du système est le premier signe qu'il n'est peut-être pas le bon choix. Si la réponse est vague, ou si la démonstration ne prévoit tout simplement pas de scénario de panne, cette lacune se fera sentir plus tard, une fois le système en production.
Un autre indice : une démonstration qui ne fonctionne que sur des données « propres » et triées. Demandez à voir le système fonctionner dans un environnement plus proche de la réalité, avec les incohérences de nommage, les anciens enregistrements et les champs personnalisés qui s'accumulent au fil des années d'utilisation.
Un troisième problème réside dans le manque de visibilité sur la manière dont l'IA est parvenue à sa réponse. Si un utilisateur ne peut pas voir l'enregistrement d'origine à l'origine d'un résultat, il n'a aucun moyen de le vérifier avant d'agir en conséquence, ni de détecter une erreur avant qu'elle ne s'aggrave.
Un prestataire qui traite les flux financiers de la même manière que la recherche ou la synthèse doit vous mettre la puce à l'oreille. Le rapprochement d'un relevé de compte n'est pas la même chose que de répondre à la question « Quels étaient nos cinq principaux clients au dernier trimestre ? », et un système qui applique la même tolérance d'erreur aux deux types de tâches en dit long sur la manière dont il a été conçu.
La véritable question concernant l'ERP basé sur l'IA
En fin de compte, la question n’est pas de savoir si l’IA de votre fournisseur ERP se trompera un jour ou non. Tout système qui procède par déduction plutôt que de suivre des règles fixes se trompera parfois. Et la question n’est pas non plus de savoir si un être humain supervise le processus, car la présence d’un vérificateur humain ne garantit pas une réponse correcte.
La vraie question est de savoir si votre entreprise a réellement examiné, processus par processus, quel niveau d'erreur chacun d'entre eux est en mesure de supporter.
Examinez les domaines dans lesquels l'IA intervient aujourd'hui dans vos processus et, pour chacun d'entre eux, déterminez quel niveau d'erreur vous êtes en mesure de tolérer, sans vous contenter de vérifier si un être humain procède à une vérification technique du résultat. Cette décision doit être mûrement réfléchie et ne pas être prise pour acquise, car « globalement correct » n'est pas suffisant.
Pour vous aider à évaluer votre niveau de préparation à l’IA, les experts d’Acumatica se tiennent à votre disposition pour répondre à vos questions essentielles sur l’IA et vous expliquer comment l’approche « AI-first » d’Acumatica permet d’obtenir des résultats exceptionnels. Le webinaire à la demande d’Acumatica, intitulé «Acumatica AI : Transformer l’ERP à l’ère de l’entreprise intelligente », offre également un aperçu détaillé de la manière dont Acumatica et ses fonctionnalités ERP apportent une réelle valeur ajoutée opérationnelle aux PME comme la vôtre.
Ne manquez pas le prochain article de la série d'Acumatica consacrée à l'intelligence artificielle, intitulé « Les quatre fonctionnalités IA de l'ERP pour optimiser vos processus métier », et découvrez quelques-uns de nos articles précédents, notamment :
- L'IA à votre mesure : une IA gérée et personnalisable
- Pourquoi la distinction entre IA et automatisation est importante pour les progiciels de gestion intégrée (ERP)
- IA « greffée » ou IA « intégrée » ? La question que toute entreprise devrait poser à son fournisseur d'ERP
- Concevoir un ERP basé sur l'IA pour le responsable qui reçoit l'alerte générée par l'IA et le spécialiste qui la résout