Cet article a été publié originellement sur mydatacompany.fr

L’industriel a créé une équipe Data Science au sein de la direction financière. Trois personnes développent les cas d’usage de l’intelligence artificielle dans ses métiers. L’ambition pour Roquette : un retour sur investissement en millions d’euros grâce à l’amélioration des rendements.

Entreprise française et familiale, Roquette est spécialisée dans la transformation de matières premières en ingrédients pour les marchés de la nutrition santé et de l’industrie pharmaceutique. Si la société est discrète, elle n’en réalise pas moins 3 milliards d’euros de chiffre d’affaires et emploie plus de 8000 personnes dans le monde.

Et Roquette s’intéresse donc aux apports de l’intelligence artificielle dans ses activités, notamment dans le domaine industriel. Elle a pour cela mis sur pied un an plus tôt un département Data Science, rattaché à la direction financière. L’initiative est en effet venue de cette direction de l’entreprise, habituée « à travailler de la donnée. »

Une direction financière proche des métiers

« Au sein de Roquette, la direction financière est très bien intégrée en tant que business partner. Tous les réseaux financiers sont intégrés dans chacune des fonctions et ont une bonne connaissance des métiers » justifie Benjamin Baptiste, directeur de la gestion des risques et désormais aussi de la Data Science.

La finance a ainsi réuni l’ensemble des départements de l’entreprise dans le cadre d’une phase d’idéation. Elle visait à identifier les apports potentiels de l’intelligence artificielle pour les différents métiers. L’équipe Data Science a également mené un travail d’acculturation auprès des métiers sur les sujets liés aux données.

« Nous ne sommes pas nés avec la donnée dans les mains, loin de là, mais avec des usines » souligne le responsable, qui peut s’appuyer aujourd’hui sur une entité Data Science composée de trois personnes.

« Tout part de la prévision des ventes »

La composition de cette équipe n’a d’ailleurs pas été sans complexité. Trouver les profils ayant la bonne formation et le recrutement a ainsi été la « première difficulté. » Le marché du recrutement est en effet très concurrentiel. Et pour convaincre, « nous avons joué sur la diversification des cas d’usage et des métiers qui seraient traités chez Roquette : le marketing, l’industriel, la supply-chain, etc.» précise Benjamin Baptiste.

Sur le terrain, la problématique essentielle pour une entreprise industrielle comme Roquette, c’est la prévision des ventes. « Tout part du forecast des ventes ». Il permet de déterminer « le plan industriel et le plan de charge des usines et des ateliers », ainsi que les achats de matières premières à réaliser.

La prévision des ventes comme point de départ

« Un mauvais forecast génère des difficultés dans toute l’organisation et a évidemment des conséquences économiques » insiste le directeur de la gestion des risques. La première application de l’intelligence artificielle porte donc naturellement sur l’amélioration de ces prévisions des ventes.

Un tel projet nécessite cependant une forte proximité avec les métiers. Cela a justifié l’implication de la direction financière, décrite comme proche du métier. Cette proximité doit aussi contribuer à une amélioration plus significative de processus industriels par nature complexes.

Chercher les points de rendement à plusieurs millions d’euros

L’ambition est de pousser « un cran plus loin, en intégrant de l’intelligence artificielle, en plus de la connaissance théorique, pour aller chercher les petits points de rendement qui pour nous représentent des millions d’euros. L’enjeu du ROI est fort » détaille le cadre de Roquette.

En privilégiant les domaines pour lesquels les ROI sont importants, l’entité espère démontrer l’intérêt et les bénéfices pour l’entreprise d’une démarche Data Science. Mais dégager cette efficience opérationnelle n’est possible qu’avec une bonne connaissance des processus et donc des métiers qui les gèrent.

« La connaissance des métiers aide beaucoup dans le feature engineering. Une grande part de la qualité des modèles provient du feature engineering. Mais pour cela, il faut des personnes qui connaissent ces métiers » insiste Benjamin Baptiste. Le feature engineering est l’ensemble des opérations menées sur les données brutes avant qu’elles ne soient traitées par les algorithmes. Ces opérations doivent être menées en ayant la connaissance du métier.

Mise en place urgente d’un Data Lake

La connaissance des métiers n’est pas le seul facilitateur en matière de projet Data, en particulier pour passer du PoC à l’industrialisation. Roquette développe ainsi également une « plateforme data ».

L’industriel doit aujourd’hui composer avec de nombreux systèmes informatiques hétérogènes, et changeants. L’entreprise est en cours de migration vers le progiciel SAP. Cette transition pose problème. « Quand on crée un PoC sur un modèle, on sait que trois mois plus tard, la donnée extraite changera de système et sera dans un autre format » constate le dirigeant.

Les données essentielles dans le Data Lake

Roquette juge donc « assez urgent » de mettre en place un Data Lake. Dans ce domaine, l’entreprise se veut cependant « très pragmatique » pour avancer pas à pas. Seules les données essentielles comme les commandes, les produits, etc. pour les cas d’usage principaux identifiés seront versées dans ce Data Lake.  
« Nous allons aussi en profiter pour réaliser toute l’étape de gouvernance de la donnée, qui manque aujourd’hui chez nous », c’est-à-dire « bien la décrire » dans un dictionnaire des données. Des référents Data ou « data owners » seront aussi identifiés.

« Nous voulons faire ce travail, mais petit à petit, cas d’usage par cas d’usage. C’est notre objectif de l’année qui arrive » conclut Benjamin Baptiste.