L’intelligence artificielle prédictive représente une opportunité pour les entreprises, à tous les niveaux : chiffre d’affaires mais aussi et surtout en tant que levier RSE. Pour Rupert Schiessl, CEO et co-fondateur de Verteego, l’IA permet d’offrir des prédictions très précises sur le futur, et d’aiguiller les entreprises vers de meilleures décisions. Elle évite ainsi énormément de gaspillage (production, stock, énergie…).

Le débat est sans fin : l’intelligence artificielle (IA) présente de nombreux avantages et des challenges. Lorsqu’il s’agit d’écologie, elle a montré sa capacité à mieux surveiller les systèmes de production, à détecter de manière anticipée des feux de forêt, à éco-concevoir des produits, reconnaître les déchets plastique dans les océans pour guider les bateaux de récupération…La liste est longue. Et malgré ses vertus, l’IA peut être énergivore en électricité et en ressources non renouvelables.
 
Il existe pourtant un domaine spécifique, applicable à de nombreux secteurs, qui déconstruit la perception de pléonasme pour laisser place à une véritable réconciliation de l’IA  avec la notion d’impact positif. Il s’agit de l’intelligence artificielle prédictive, qui permet d’anticiper avec un niveau de précision incomparable les événements futurs et ainsi de prendre des décisions humaines plus instruites, plus frugales.
 
Basée sur des problématiques d’anticipation de séries temporelles, l’IA prédictive est encore peu déployée en entreprise et beaucoup d’organisations continuent d’utiliser des outils insuffisamment précis ou mal paramétrés (tableurs, ERP, outils de business intelligence trop génériques…), inadaptés à son déploiement.

Pourtant, les enjeux de l’IA prédictive sont immenses pour les entreprises, puisque connaître le futur, prendre des décisions aussi avisées que possible, mènent à plus de frugalité et de responsabilité. Selon Gartner, 1 point de précision gagné équivaut en moyenne à une augmentation de 0,5% du chiffre d’affaires. Mais au-delà de l’aspect financier, cela permet aussi moins de gaspillage dans la production, les stocks, les déchets…

Réduire le gaspillage alimentaire 

Appliquée à la réduction du gaspillage alimentaire, l’intelligence artificielle peut faire des merveilles. La production de nourriture représente 26% des émissions mondiales de gaz à effet de serre, et pourtant, 10 millions de tonnes de nourriture consommable sont gaspillées chaque année, rien qu’en France. Cela représente 150 kg par personne et plus de 15 milliards d’euros annuels. Au-delà des produits, se sont aussi de la terre, de l’eau, de l’énergie, des engrais…gaspillés.

À titre d’exemple, l’IA prédictive permettrait à un magasin de 1000 m2 de s’épargner 10 tonnes de mise au rebut chaque mois. Dans la restauration collective, d’anticiper la quantité de plats nécessaire. Dans le transport alimentaire, d’adapter et optimiser le nombre de trajets. Elle est aussi capable d’économiser de l’énergie autour de la conservation des aliments en entrepôt ou en rayon, en adaptant la production et en présentant les bons assortiments, ceux qui ne finiront pas dans les invendus.
 
Prédit les pollutions

Dans d’autres secteurs de l’économie, l’IA prédictive est capable de détecter des pollutions avant qu’elles ne s’étendent. Afin d’ajuster les politiques d’urbanisme, elle aide à prédire la recrudescence de phénomènes météorologiques dangereux tels que les effets du réchauffement climatique sur des zones précises. Les cas d’usage concrets de ce type sont nombreux et s’il est encore difficile d’en mesurer les impacts économiques, ils s’inscrivent pleinement dans le cadre de la transition durable.
 
Si l’implémentation de l’IA prédictive représente toujours un coût d’opportunité, ses bienfaits sont largement supérieurs pour l’activité de l’entreprise et pour l’environnement. Combinée à une consommation responsable et raisonnée de la part des clients, nul doute qu’elle pourra tenir les promesses d’une technologie verte. D’autant plus si, au centre de la réflexion de l’entreprise, se trouve une approche de l’IA frugale et éthique.

Une condition reste cependant sine qua non à son implémentation : la chaîne d’approvisionnement doit être suffisamment mature pour pouvoir gagner en précision, ce qui nécessite une centralisation des prévisions pour être au service de chaque département de l’entreprise.