Google Cloud définit l’IA générative ou l’intelligence artificielle générative comme « l’utilisation de l’IA pour créer de nouveaux contenus, comme du texte, des images, de la musique, de l’audio et des vidéos ». Le lean dans les activités de service est l’une de nos principales expertises et nos clients s’intéressent bien sûr à l’IA générative. Donc nous aussi. On pourrait par exemple imaginer que nos clients banque, assurance ou société de gestion d’actifs exploitent l’IA générative pour construire plus vite et avec moins d’effort les reportings qu’ils ont l’obligation de produire. Il y en a des quantités ! Un domaine d’application par excellence : les reportings sur les milliers de fonds d’investissement existants. Ils sont produits sur des bases très régulières, allant de la semaine à l’année, et ont une structure très standardisée.

L’IA générative permettrait d’obtenir une amélioration de la productivité dans ce domaine de 300 à 700 % (x4 à x8). La fourchette est large et devrait se rétrécir. Ceci dit, 300 %, c’est déjà impressionnant.

Quel est le lien entre ce sujet et le jidoka ?

Revenons près d’un siècle en arrière. La robotisation n’adressait pas le domaine de la connaissance mais celui du travail industriel. C’est l’époque à laquelle Toyota a mis en place un principe très sophistiqué de séparation de l’homme et de la machine :

Extrait du site de Toyota Material Handling :
Jusqu’au début du XXe siècle, un nombre important d’industriels réquisitionnait pour chaque machine, un opérateur en charge de surveiller son bon fonctionnement. Une mission relativement inutile, dans la mesure où ce dernier restait inactif tant qu’aucun problème ne survenait. 

Puis Sakichi Toyoda – père fondateur de l’entreprise textile Toyoda – inventa un dispositif capable de stopper automatiquement la navette d’un métier à tisser, si un fil venait à casser. Ce mécanisme innovant permit de détecter les problèmes le plus tôt possible, et de libérer les ouvriers en charge de la surveillance des machines. Ainsi naquit le Jidoka, ou « la mise en évidence autonome des anomalies, dans le processus de production ». 

Mettons les sujets en parallèle :

Je m’interroge sur ce que serait la traduction du Jidoka dans le monde de l’IA générative. Il est bien sûr sécurisant de confier la relecture de tous ces documents produits à un analyste pour en vérifier la qualité intrinsèque, de même qu’il est possible de demander à un superviseur de vérifier la qualité de la toile tissée. Mais il sera toujours bien plus efficace (sur les deux plans : productivité et qualité) d’intervenir au moment où le système robotisé génère le défaut pour remettre le système en marche et pour pouvoir entamer le kaizen au moment et donc au point où le problème est apparu.

Les praticiens du kaizen le savent, la recherche de cause en sera vraiment simplifiée.

Il faudra des principes fondateurs puissants pour tirer le meilleur parti de ces technologies de rupture du 21^e siècle, comme il en a fallu dans d’autres domaines à d’autres époques.

Vous qui me lisez, comment traduiriez-vous le jidoka dans le monde de l’IA générative ?