Depuis trois ans, Schneider Electric a étoffé ses compétences en intelligence artificielle et en Data pour ses besoins internes, mais surtout pour embarquer de l’innovation dans ses produits. Au cœur de son modèle, une organisation hybride et 3 centres d’excellence en IA. 

Pour Aurélie Bergugnat, Group Chief Data Officer, SVP Data & Performance Management de Schneider Electric, la démonstration des usages de la donnée et de l’intelligence artificielle au service de l’efficacité opérationnelle est faite. Il en irait différemment dans le domaine de l’innovation. C’est sur cet axe que l’entreprise entend se démarquer au travers d’une “stratégie assez agressive.”

Données et technologies comme l’IA sont ainsi mises à contribution du développement de nouvelles offres digitales de l’acteur B2B sur ses différents marchés, précisait la dirigeante quelques mois plus tôt lors des Assises de la Data Transformation.

L’IA : une nouvelle ère pour les produits

La stratégie visée donc : embarquer de l’IA dans ses solutions tournées vers le développement durable. Cela passe notamment par une réduction de la consommation d’énergie ou le recours à des énergies plus vertes dans “les processus, les bâtiments et les datacenters.”

Selon Philippe Rambach, Chief Artificial Intelligence Officer de Schneider Electric, l’exploitation de l’IA s’inscrit finalement dans la continuité avec au départ la fourniture de produits destinés à automatiser et faciliter le pilotage d’actifs. La deuxième étape a été celle de la connectivité des produits, qui a permis l’extraction de données.

A lire aussi : Carrefour déploie l’IA générative aux rayons e-commerce, achats et marketing

Des logiciels ont ensuite été développés pour fournir une vision descriptive grâce aux données et déclencher des actions. “Les clients disposent de produits pour automatiser leurs processus, extraire les données, visualiser, utiliser. L’étape d’après, c’est l’introduction de l’AI pour optimiser et franchir un cap en termes d’efficacité”, justifie l’expert de l’IA.

Schneider Electric se veut donc un fournisseur de technologies d’IA au travers de ses offres. Pour Philippe Rambach, c’est le moyen de passer de modèles et d’usages théoriques à des applications à l’échelle et au quotidien.

“L’intelligence artificielle devient dès lors presque invisible”, ajoute-t-il. Mais pour passer du rôle de fournisseur de produit à celui d’exploitant de données, l’industriel a dû monter en compétences en quelques années.

Mise en place d’une Data Supply Chain

Aurélie Bergugnat précise que l’initiative Data de Schneider Electric a été initiée plus de trois ans auparavant. L’entreprise estime s’être “professionnalisée” dans ce secteur, en parallèle de sa montée en compétence sur le digital. L’agenda sur le data management a été défini et développé en complément de l’agenda technologique, lui-même aligné sur des attentes clients.

L’ambition : une “data backed execution of strategy”, déclare la CDO. Concrètement, cela signifie des décisions systématiquement basées sur de la donnée et non de l’intuition, pour l’entreprise elle-même, comme pour ses clients.

“C’est un grand défi”, reconnaît-elle. Et pour le relever, la Data est traitée comme un produit au travers d’une “Data Supply Chain”. Le point de départ de cette chaîne : le besoin du client (y compris interne), qui nécessite de consommer de la donnée, mais aussi sa création, sa standardisation et son ingestion.

Stratégie et usages Data sont pilotés au travers d’une organisation qualifiée d’hybride avec un Data Office Corporate et un réseau de 28 Data Offices (comprenant de 10 à 60 personnes) répartis dans les pays, les fonctions et les lignes business. La chaîne logistique constitue un des domaines de données les plus matures et les mieux dotés, précise Aurélie Bergugnat.

Au sein de ces Data Offices distribués, “les data officers et leurs équipes contextualisent la stratégie Data dans leur réalité locale.” Charge à l’entité centrale et à sa CDO (composée “d’un peu plus de 200 personnes”) de définir les communs, dont la méthode de travail, le cadre de gouvernance, et le guichet unique de la Data.

Organisation et méthodes de travail clés pour attirer et fidéliser

Pour atteindre ses ambitions sur le plan commercial et de la maturité Data, Schneider Electric est confronté à d’importants enjeux RH, et notamment d’attractivité. Pour Philippe Rambach, les difficultés de recrutement ne sont plus à démontrer et sont partagées par toutes les entreprises. Néanmoins, le positionnement en faveur du développement durable constituerait un atout face à la concurrence.

L’organisation mise en place doit aussi être un outil d’attractivité à l’égard des talents, tout en permettant de livrer. Et celle-ci repose sur la combinaison des expertises Data & IA et métiers. “C’est la conjonction des deux qui crée la valeur”, note le Chief Artificial Intelligence Officer. Le modèle : un Hub & Spoke.

Cela se traduit par la centralisation dans un Hub des compétences techniques en IA. Ce centre d’excellence offrirait l’avantage de permettre de construire rapidement une compétence, d’attirer grâce à une base critique, tout en garantissant diversité de cas d’usage et parcours d’évolution. Autre méthodologie appliquée : un fonctionnement en squads.

Ces équipes pluridisciplinaires en vigueur dans l’agile, le volet Spoke, regroupent, pour traiter le besoin identifié, des collaborateurs du Hub et des représentants du métier sponsor permettant de porter le produit de sa conception à sa commercialisation. Schneider Electric dispose actuellement de trois Hubs (Etats-Unis, France et Inde) regroupant 250 personnes. 

Aurélie Bergugnat liste 4 facteurs clés sur le plan RH : la mission de l’entreprise (“nous avons fait beaucoup d’efforts par le passé dans ce domaine et ils paient aujourd’hui”); des ponts internes et la valorisation de la connaissance métier via des méthodes intégrées; la création de nouveaux métiers; l’upskilling.

“Nous sommes une entreprise de manufacturing. Cela signifie des process assez forts. La gestion de la Data et la Data Supply Chain, c’est énormément de process (…) Il s’agit donc de valoriser ce que l’on sait déjà faire très bien pour l’appliquer à un nouvel objet qui est la Data”, conclut la Chief Data Officer.