Sélectionnez votre langue (anglais uniquement - certaines pages sont traduites automatiquement, donc quelques petites approximations)
ÉTUDE DE CAS

ENGIE : Créer une AI Factory pour accélérer les services numériques

TESTIMONIAL


Dans cette vidéo, David Legendre, responsable des données à l'ENGIE, explique comment Artefactles équipes de scientifiques des données mènent de nombreux projets d'IA tout au long de l'année.

L'AI Data Factory dédiée à la transformation des données d'Engie 

De grands projets de données sont au cœur de la transformation numérique d'Engie. David Legendre, directeur des données d'Engie France, présente les premiers résultats de la saison de l'incubateur de leur AI Factory déployé au sein d'Engie, qu'ils ont appelé AI Data Garage, et rappelle les défis écologiques qui ont conduit le fournisseur d'énergie àse réinventer.

 

Avant, Engie était un vendeur d'énergie et était payé pour cela.

Aujourd'hui, Engie aide ses clients à consommer moins et est payé pour cela.”

 

La transformation du groupe est illustrée par les utilisations et les enjeux des données pour l'entreprise. Nous voulons que les sociétés du groupe respectent ces normes, et les données nous permettront d'atteindre cet objectif.

L'objectif de l'AI Data Factory est d'aider à résoudre de manière dynamique les problèmes commerciaux que nous ne pouvions pas résoudre auparavant,”

explique David Legendre. 

 

L'AI DATA FACTORY d'Engie était configurée comme une grande cuisine de restaurant :

  • Un lieu propice à la créativité
  • Permettre des recettes industrialisables 
  • Une équipe organisée en Feature Teams composée d'experts en affaires et en données

4 cas d'utilisation identifiés pour la saison 1 :

  1. Marketing(appelé e=mc2) : personnalisation des actions de marketing
  2. Opérationsl'entretien des systèmes de chauffage, par exemple
  3. Satisfaction: soutien aux centres d'appel
  4. Expérience client: utilisation de la reconnaissance visuelle et pré-remplissage de certains champs des devis d'abonnement au service Engie


En ce qui concerne l'IA pour les actions de maintenance, le défi était considérable. Un maillage localisé a dû être construit pour 200 centres afin de soumettre avec succès des prévisions permettant d'optimiser l'échelle des calendriers et l'allocation des ressources en fonction de multiples facteurs (géographie, météo, vacances...).

Avec le Développement d'un dispositif d'apprentissage automatique, Une précision de 85% sur la prévision du volume a été obtenue après 30 jours.

Pendant la phase d'essai, ce modèle sera disponible dans 200 agences en 2020.

 

Parmi les facteurs clés de succès, on peut citer

  • Le Equipe de tournage: 1 propriétaire de produit spécialisé dans l'IA, 1 spécialiste des données et 1 ingénieur qui ont travaillé ensemble sur un cas d'utilisation, un KPI fixe
  • Le équipe de la plate-forme de données: Une équipe informatique qui est un puissant facilitateur pour assurer l'accès à des données de qualité
  • Un une logique d'industrialisation précoce dès le départ: documentation du protocole pour un accès rapide et facile par les équipes informatiques
  • Soutien aux équipes pour assurer l'adoption et l'acculturation

L'AI Data Factory est le meilleur moyen de passer de la R&D à l'industrialisation,

sans impact majeur sur l'équilibre du groupe,

conclut David Legendre.