Les technologies concernées sont aujourd’hui connues : robots, automatisation des processus par la robotisation, analyse des données, Internet des objets (IoT, Internet of Things), réalité augmentée, blockchains, drones, impression 3D... et, cerise sur le gâteau, l’intelligence artificielle, dont les perspectives semblent illimitées. Seules ou combinées, ces technologies sont à même de bouleverser toute la chaîne de valeur des entreprises comme on peut le constater dans la pratique. Bon nombre d’entre ont tout intérêt à bien réfléchir et tâcher de se rappeler la dernière fois où ils sont entrés dans une agence bancaire ou de voyages. Depuis quelques années, la transformation numérique s’y est traduite par une réorientation complète, et qui continue de s’imposer avec force.

Cela pourrait donner l’impression d’être plutôt simple. Vous choisissez le bon fournisseur et vous commencez à vendre en ligne. Le SAV est assuré par des chatbots ; les pièces de rechange sont produites par une imprimante 3D ; les travaux d’infrastructure sont suivis par des drones ; l’authentification des transactions est assurée par des blockchains ; les démarches administratives sont automatisées grâce à la RPA ; tous vos appareils et machines sont connectés via l’IoT ; l’accès permanent aux informations les plus à jour est assuré par l’administrateur des données ; enfin, les analyses complexes sont confiées à une intelligence artificielle, dont vous exigez qu’elle se charge également de tout ce qui précède.

Dans la pratique, tout n’est pas si simple, car les processus et les systèmes de la plupart des entreprises, du fait de leur croissance (in)organique, constituent un ensemble complexe qui n’est que rarement parfaitement homogène, ou même documenté. Si nous prenons l’exemple relativement simple des données et de leur analyse, elles offrent, certes, la possibilité de traiter l’information beaucoup plus vite et avec plus de précision, d’analyser extrêmement rapidement toute une masse de données, de l’interpréter puis d’en faire une présentation visuelle claire. Tout cela semble bel et bien beau, mais ne fonctionne que si vous parvenez à collecter les données utiles correctement... et c’est là que réside le principal défi, même armé d’algorithmes sophistiqués.

Une discussion autour des nouvelles technologies débouche souvent sur les enjeux qui en découlent dans l’entreprise en ce qui concerne la disponibilité d’informations et de processus de qualité, ainsi que des changements exigés. Dans un monde où divers intervenants exigent de plus en plus d’informations et de plus en plus vite, il est essentiel que les données soient bien organisées.

D’ailleurs, cela vaut aussi pour les autres technologies mentionnées plus haut. Si vous souhaitez utiliser des chatbots, cela exige d’abord que les processus sous-jacents soient décrits en détail, tout comme pour l’impression 3D, les drones, l’IoT, etc. L’interconnexion des systèmes existants en soi est gérable, mais en l’absence de processus soigneusement établis, il est difficile d’aller bien loin.

Le fondement d’une transformation numérique réussie est donc particulièrement analogique, et c’est souvent cela qui prend le plus de temps. Nous ne saurions assez insister sur l’importance qu’il convient de lui accorder, sinon vous vous retrouvez à n’appliquer qu’une mince couche de technologie numérique qui ne vous permettra jamais une transformation numérique compétitive.

Si cette opération est menée correctement, les avantages sont légion : armés de ces mêmes nouvelles technologies, nous sommes plus que jamais en mesure de collecter, structurer et améliorer les informations dans l’entreprise. Par exemple, la RPA est souvent utilisée pour interconnecter des systèmes sans interface, ou bien l’apprentissage automatique pour rendre des données de base non alignées exploitables pour les outils d’analyse.

Ainsi, nous avons vu récemment dans une entreprise multinationale de production que l’identification des produits n’était pas identique dans les différents pays, entités et pays. Pour mieux cartographier les flux de marchandises et maîtriser les marges, une opération à grande échelle était nécessaire pour harmoniser toutes les données de base. Grâce à l’apprentissage automatique, une multitude de transactions historiques ont permis de déceler rapidement la relation entre les différents codes produits.

À l’instar de la machine à vapeur en son temps, la transformation numérique n’est pas un choix, mais pour réussir, il sera nécessaire de commencer par revoir les fondamentaux. Ensuite, les débouchés sont considérables, y compris pour l’emploi (sous de nouvelles formes).

Axel Smits - PwC