L’automatisation des processus robotiques est un train en marche. Selon Deloitte, la technologie permettra d’atteindre les objectifs suivants une adoption quasi universelle d’ici à 2025. Cependant, ce n’est pas parce que la RPA domine le monde des affaires qu’elle cessera d’évoluer.
Nous nous trouvons à un tournant technologique passionnant. Les progrès de l’IA au cours des dernières années ont été surprenants. ChatGPT et d’autres formes d’IA générative ont conquis la conscience du public. Toutefois, cette technologie passionnante n’est qu’une expression du potentiel de l’IA.
La RPA est un outil simple mais efficace. Cependant, la convergence de la RPA et de l’IA offre des possibilités d’innovation infinies. Le service client alimenté par l’IA conversationnelle, la prise de décision fondée sur l’analyse et l’automatisation du travail de la connaissance ne sont que quelques exemples de l’IA dans la RPA.
Au fur et à mesure que la technologie progresse, l’automatisation cognitive des processus robotiques va modifier la nature du travail d’une manière que nous pouvons à peine imaginer. Voyons comment l’IA et la RPA ont déjà repoussé les limites de l’automatisation avant d’envisager son impact futur.
Les limites de la RPA
L’adoption généralisée de la RPA témoigne de son utilité. Cette technologie a aidé d’innombrables entreprises à atteindre de nouveaux niveaux de production, d’efficacité et de précision en automatisant des tâches autrefois manuelles. Cependant, comme toute technologie, elle a des limites supérieures.
1. L’automatisation transactionnelle est difficile à gérer
Bien que les robots RPA s’attaquent fidèlement aux processus, ils ont besoin d’un peu de gestion et de maintenance. Par exemple, lorsque les entrées ou les sorties changent, les robots doivent être reconfigurés pour gérer ces conditions légèrement changeantes. Dans des environnements de travail dynamiques, cela peut épuiser les ressources et le temps.
2. La RPA a du mal avec les données non structurées
Les outils RPA sont conçus pour exécuter des tâches à l’aide de la logique if/then/else. Ils s’appuient donc sur des structures de données prévisibles. Toute variation ou modification des données d’entrée entraînera des erreurs ou des exceptions, car elles se situent en dehors des valeurs définies que le robot s’attend à recevoir.
3. La RPA pose des problèmes d’échelle
En partie pour les raisons que nous avons énumérées ci-dessus, il peut être difficile de faire évoluer vos processus RPA. Chaque processus doit être clairement défini, géré et maintenu, et le manque d’adaptabilité de la RPA peut également poser des problèmes.
Il n’y a pas lieu de s’inquiéter des limites de la RPA. La RPA assistée par l’IA peut surmonter chacune de ces limites tout en ouvrant de nouvelles et passionnantes possibilités d’automatisation.
Voici comment la RPA avec l’IA a changé l’automatisation.
Automatisation des processus robotiques et intelligence artificielle :
Un mariage parfait
La RPA, de par sa conception, est un outil simple et direct, du moins au niveau de l’utilisateur. Il est conçu pour être accessible aux équipes non techniques. En tant que tel, il exécute les instructions qui lui sont données de manière contrôlée. Il incombe aux humains d’identifier ces processus et d’ordonner à la RPA d’exécuter les commandes.
Bien entendu, détailler des instructions étape par étape peut devenir impossible, compte tenu d’une complexité suffisante – c’est pourquoi la combinaison de la RPA et de l’intelligence artificielle est l’avenir de l’automatisation.
1. RPA avec reconnaissance optique de caractères
En
L’automatisation des processus robotiques avec l’IA et l’OCR pour améliorer les processus d’affaires
(Shidaganti, 2021), l’auteur souligne les limites de la RPA en suggérant que “tout changement dans le processus automatisé nécessite des changements directs dans l’application RPA”. Shidaganti propose l’IA comme solution à ce processus et plaide en faveur de la reconnaissance optique de caractères (OCR) en tant qu’amélioration fondamentale de la RPA.
En effet, l’OCR a eu un impact sur les entreprises en ouvrant la RPA aux données non structurées. Les outils RPA OCR alimentés par l’IA peuvent lire des informations à partir de documents imprimés et même de textes écrits. L’intégration de l’OCR facilite l’application de la RPA dans trois domaines principaux.
- L’OCR code les données structurées, ce qui permet à la RPA de travailler avec des données imprévisibles.
- La RPA peut automatiser les machines distantes en déchiffrant ce qui se passe sur leurs écrans respectifs.
- L’OCR, associée à l’apprentissage automatique, peut contribuer à la connaissance du client (KYC), à la lutte contre le blanchiment d’argent (AML) et à la détection des fraudes en scannant les documents. Les apprentissages et les décisions de la technologie peuvent être intégrés à la RPA, ce qui permet d’accélérer l’ouverture de comptes, l’intégration, les décisions de prêt, etc.
2. Apprentissage automatique et RPA
L’automatisation des processus robotiques et l’apprentissage automatique sont un autre exemple d’utilisation de l’IA pour surmonter les limites inhérentes à l’APR. Dès 2016, les experts en automatisation du secteur de l’assurance avaient identifié les possibilités de l’automatisation cognitive des processus robotiques (RPA). Dans ce document, les auteurs évoquent comme horizons possibles “l’auto-optimisation du service à la clientèle, de la tarification des prêts, des conseils financiers ou du traitement des réclamations ou des plaintes”.
Dans ce qui doit servir de marque de progrès, il est intéressant de voir comment les outils d’automatisation des processus robotiques et d’apprentissage automatique sont devenus courants en peu de temps.
L’apprentissage automatique est partout. Il décrit le processus consistant à apprendre à une machine à exécuter des tâches à l’aide d’instructions de programmation explicites. Comme vous le savez peut-être, il s’agit de machines qui utilisent des algorithmes pour analyser et trouver des modèles dans un ensemble de données. Une fois formée, la machine peut traiter d’autres données et produire des informations et des prévisions.
La RPA et l’apprentissage automatique (Machine Learning) font bon ménage, car la RPA devient plus intelligente, plus intuitive et capable de traiter des données non structurées.
3. RPA avec apprentissage profond
L’apprentissage automatique est un sous-ensemble de l’IA, tandis que l’apprentissage profond est un sous-ensemble de l’apprentissage automatique. La différence entre l’apprentissage profond et l’apprentissage automatique est peut-être subtile pour certains, mais elle vaut la peine d’être explorée. L’apprentissage automatique est formé sur des données pour aider à prendre des décisions et à faire des prédictions.
Cependant, la technologie n’a généralement pas la capacité de s’améliorer d’elle-même au fil du temps. En revanche, le Deep Learning implique l’utilisation de réseaux neuronaux pour apprendre et améliorer ses performances. En d’autres termes, grâce au Deep Learning, RPA et ML se combinent pour construire des automatismes qui s’améliorent au fil de l’expérience.
Bien entendu, l’apprentissage profond nécessite une quantité incroyable de données pour remplir cette fonction. Autre exemple de la symbiose profonde entre l’IA et la RPA, les robots sont idéaux pour faciliter le processus laborieux de collecte de ces données de formation. Les outils de RPA peuvent accéder à divers sites web et autres référentiels d’information pour recueillir ces informations, ce qui permet à l’algorithme de Deep Learning de disposer de nombreuses données pour s’améliorer.
L’apprentissage profond permet également aux robots d’exploiter les avantages de l’analyse prédictive. Lorsque la RPA rencontre des exceptions, elle peut les comparer à des modèles attendus ou inattendus, éliminant ainsi la dépendance à l’égard de l’intervention humaine.
Lorsque les robots intelligents peuvent prendre des décisions fondées sur des données, ils peuvent répondre aux clients de manière optimale. Les outils d’analyse des sentiments, qui utilisent le traitement du langage naturel (NLP) pour décoder l’humeur des consommateurs, sont un exemple de ces applications dans le cadre de la RPA. À leur tour, les robots peuvent moduler leur réponse pour trouver la note adéquate. Ce dynamisme peut grandement contribuer à combler les lacunes entre le service à la clientèle humain et empathique et son alternative mécanisée.
4. RPA et reconnaissance d’images
L’association de la RPA à un logiciel de reconnaissance d’images est un autre exemple d’utilisation de l’IA pour surmonter l’incapacité de la RPA à traiter des données désordonnées ou non structurées. Dans le document
Analyse et applicabilité des technologies d’intelligence artificielle dans le domaine des robots logiciels RPA pour l’automatisation des processus d’entreprise
(Kanakov, 2022), l’auteur décrit quelques utilisations fascinantes de la RPA et de la reconnaissance d’images en relation avec l’automatisation des vérifications des antécédents d’embauche ou l’aide à la détection des fraudes.
Parmi les autres cas d’utilisation proposés par M. Kanakov, on peut citer l’utilisation de la reconnaissance faciale pour la sécurité des bâtiments, avec des outils de RPA connectés à des caméras. Les applications sont vraiment infinies. Par exemple, des drones ou des caméras pourraient scanner un grand nombre d’environnements à la recherche d’anomalies. Une fois détecté, un système RPA pourrait signaler les problèmes aux parties concernées, garantissant ainsi une remédiation rapide.
5. RPA avec IA générative
Dans un
article de Forbes
Clint Boulton, de DELL, utilise une analogie fantastique lorsqu’il compare l’APR et l’IA générative. Il suggère que “lors d’un gala, la RPA vérifie la liste des invités, compte les billets et contrôle des éléments tels que la capacité de la salle, le chauffage et l’éclairage”. Il ajoute ensuite : “Pendant ce temps, l’IA générative crée des publicités pour l’événement, rédige des discours de félicitations pour les personnes honorées et s’entretient avec tous les invités.”
La force de cette analogie réside dans le fait qu’elle rend parfaitement compte d’un phénomène que nous avons tous observé au cours de l’année écoulée. L’IA générative est tellement intéressante et puissante que nous ne pouvons que nous émerveiller de ses résultats. Cependant, sans personne (RPA) travaillant en arrière-plan pour effectuer des tâches subalternes, il ne peut y avoir d’événement, ou du moins pas d’événement fonctionnel.
Selon Gartner, l’IA générative offre de nombreuses options. Il peut rapidement générer du contenu écrit, des images, des vidéos, de la musique et même du code. Certaines des possibilités sont immédiatement évidentes, comme le service client conversationnel.
D’autres cas d’utilisation de la RPA et de l’IA générative incluent l’aide à la RPA pour comprendre les données non structurées sous différentes formes et même l’augmentation de la RPA pour la prise de décision, l’analyse des données, et plus encore.
6. Participation à l’automatisation
Vous pouvez diviser l’automatisation en deux catégories : Attendu et Non Attendu. Comme on peut s’y attendre, l’automatisation sans surveillance signifie que le robot exécute des processus sans aucune intervention humaine. En revanche, l’automatisation assistée décrit les tâches qui nécessitent une interaction humaine au cours d’au moins une étape du processus.
Il y a plusieurs façons de procéder. Par exemple, le processus automatisé peut nécessiter un déclenchement manuel. Par ailleurs, l’une des étapes peut nécessiter des informations d’identification de sécurité au cours du processus. Cependant, des orchestrations plus complexes sont possibles grâce à la Robotic Desktop Automation (RDA).
La Robotic Desktop Automation (RDA) est une forme d’automatisation assistée. Cependant, grâce à des outils d’IA tels que la ML et la reconnaissance optique de caractères, ces robots assemblent de manière dynamique plusieurs processus de travail, automatisant constamment diverses tâches pour un utilisateur individuel. Dans ce scénario, le robot RDA agit comme un assistant virtuel, récupérant des données, envoyant des fichiers et générant des rapports pendant que l’opérateur humain parle à un client.
7. Bots autoguérisseurs
A
Enquête sur l’état de l’APR en 2022
a révélé un problème qui affecte certaines entreprises qui adoptent des solutions de RPA. Plus de 69 % des personnes interrogées indiquent qu’elles sont confrontées chaque semaine à un robot RPA en panne. Pire encore, plus de 40 % des personnes interrogées ont indiqué qu’il fallait plus de cinq heures pour réparer leur robot, tandis que d’autres ont suggéré que la correction pouvait prendre plus d’une journée.
Ces chiffres sont inacceptables. Toutefois, l’enquête n’aborde pas les détails du problème. Les raisons les plus courantes de l’échec de la RPA sont, entre autres, les modifications des données saisies, les exceptions rencontrées par les robots, les données incomplètes, les mauvais tests ou le manque de maintenance.
La RPA auto-réparatrice décrit un système qui peut se réparer lui-même sans l’intervention d’un travailleur humain.
L’auto-régénération des robots RPA est rendue possible grâce à des algorithmes d’IA qui surveillent les performances de la tâche automatisée. Lorsque des problèmes surviennent, ces outils utiles entrent en action, identifient la cause première et apportent une solution. L’avantage est l’augmentation des performances et du temps de fonctionnement.
8. Traitement intelligent de l’exploitation minière
Dans le contexte de la RPA, l’exploration des processus consiste à découvrir les tâches que les entreprises peuvent automatiser. En utilisant les capacités analytiques avancées de l’IA, les équipes peuvent explorer leurs flux de travail pour trouver des tâches qui peuvent être automatisées et faire des prévisions sur l’impact de cette automatisation.
L’exploration de processus fait appel à la ML et à l’analyse de données. Par exemple, il utilise un logiciel d’enregistrement d’écran pour capturer les données du flux de travail, en les décomposant en étapes. Ensuite, les outils de ML ou d’analyse exécutent des modèles de ces tâches et trouvent des domaines qui peuvent être transformés en processus automatisés. Les outils d’IA permettent aux entreprises de mieux superviser et comprendre les tâches, ce qui leur permet d’identifier les dépendances, les goulets d’étranglement et les inefficacités.
L’association de la RPA et de l’exploration des processus est très puissante car elle peut aider les entreprises à découvrir des processus qu’elles n’auraient pas pu détecter autrement. Cela signifie que vous pouvez tirer davantage de valeur de vos investissements dans la RPA et en augmenter les autres avantages, tels que la réduction des coûts et l’augmentation de la productivité.
L’autre chose que vous pouvez remarquer ici est que l’exploration des processus peut réduire le temps de découverte des processus RPA appropriés. Cela signifie que votre mise en œuvre démarre beaucoup plus rapidement.
9. Automatisation des tests de logiciels
Les développeurs et les éditeurs de logiciels sont à l’origine de certaines des technologies les plus révolutionnaires de ces dernières décennies. Cependant, leur industrie elle-même a connu une sorte de révolution. Les méthodologies DevOps et Agile ont aidé les développeurs à répondre à la demande de produits rapides comme l’éclair et continuellement améliorés, tandis que les pipelines CI/CD contribuent également à accélérer les délais de mise sur le marché.
La RPA est un outil fantastique pour certains types de tests de logiciels. Selon McKinsey, le développement de logiciels de nouvelle génération se situe juste derrière l’IA en termes de les plus grandes tendances technologiques pour 2023. L’automatisation des tests logiciels, alimentée à la fois par la RPA et l’IA, sera au premier plan de cette tendance, l’IA générative écrivant du code et les équipes non techniques étant accueillies au bercail grâce aux outils “no-code”.
Comme le suggère Santiago Comella-Dorda, partenaire du cabinet de conseil, “les développeurs sont peut-être l’un des atouts les plus précieux de l’entreprise numérique moderne, mais ils consacrent plus de 40 % de leur temps à des tâches répétitives et de faible valeur qui pourraient être facilement automatisées grâce à un ensemble d’outils modernes”.
10. Automatisation intelligente RPA
Intelligence artificielle L’automatisation robotique des processus, également appelée automatisation intelligente des processus (IPA), est considérée comme la prochaine étape de l’automatisation. Elle prend la RPA et y ajoute des capacités cognitives grâce à l’IA. Elle peut englober la RPA et tout ou partie des autres technologies d’IA énumérées ci-dessus.
Dans une enquête
IBM auprès des cadres supérieurs
Selon l’étude, 90 % des personnes interrogées ont déclaré que l’automatisation intelligente les aidait à obtenir des résultats “supérieurs à la moyenne dans la gestion des changements organisationnels en réponse aux tendances commerciales émergentes”. Ce sentiment témoigne de la capacité de la RPA et de l’IA à créer des solutions agiles et robustes qui peuvent offrir un véritable avantage concurrentiel.
La réponse du monde des affaires à la pandémie de COVID-19 témoigne du pouvoir de la RPA et de l’IA à susciter des changements organisationnels. L’adoption d’une technologie d’automatisation des processus robotiques pour garantir les processus opérationnels pendant la pandémie de COVID-19 (Siderska, 2021) a montré que 60 % des entreprises polonaises étudiées ont été en mesure de mettre en œuvre la continuité des activités grâce aux outils de RPA. Selon l’étude, l’IA et l’analytique ont été les principaux contributeurs.
Dans une récente enquête de
Gartner
80 % des cadres ont révélé qu’ils pensaient que l’automatisation pouvait être appliquée à n’importe quel processus d’entreprise. Cette statistique est un témoignage remarquable de la puissance de la RPA lorsqu’elle est utilisée avec l’IA. Il est impossible d’imaginer que ce chiffre puisse être aussi élevé sans l’augmentation de la RPA par l’IA.
Pour l’avenir, la recherche sur le
traitement neuromorphique
– un système de traitement de l’information basé sur la structure du cerveau – pourrait permettre d’améliorer la cognition et l’intelligence des machines. Ce qui est particulièrement intéressant à cet horizon, c’est que ces modèles d’intelligence nécessitent beaucoup moins de données de formation, ce qui signifie qu’ils pourraient être mis à la disposition des entreprises.
Comment la RPA alimentée par l’IA va changer l’avenir
du travail et de la société
Les outils d’automatisation des processus d’IA ne font que s’échauffer. Voici quelques domaines dans lesquels l’IA aura un impact sur l’automatisation.
1. L’industrie 4.0
La première révolution industrielle a été alimentée par la vapeur, la seconde par l’électricité. La troisième révolution industrielle a été rendue possible par les technologies numériques au cours des années 1970. Lorsqu’il s’agit de la quatrième révolution industrielle, également connue sous le nom d’industrie 4.0, il existe plusieurs candidats technologiques, tels que les jumeaux numériques, la réalité virtuelle, l’internet des objets (IoT), l’IA et la ML, et même l’impression 3D.
Toutefois, une
Enquête mondiale sur la chaîne d’approvisionnement de l’IMD
de 2022 révèle une vérité inquiétante. Sur plus de 200 dirigeants de l’industrie manufacturière interrogés, très peu ont cité la technologie liée à l’industrie 4.0 comme une grande priorité. On est loin de l’année 2019 où 68 % des personnes interrogées dans le cadre d’une enquête de McKinsey ont suggéré que l’industrie 4.0 était une priorité stratégique majeure.
Dans le document de recherche Automatisation des processus robotiques et intelligence artificielle dans l’industrie 4.0 – Analyse documentaire (Riberio, 2021), l’auteur affirme que “compte tenu du champ d’application de l’IA, la RPA a progressivement ajouté à ses fonctions d’automatisation des implémentations d’algorithmes ou de techniques d’IA appliquées dans certains contextes (par exemple, planification des ressources de l’entreprise, comptabilité, ressources humaines) pour classer, reconnaître, catégoriser, etc.”
À mesure que la technologie continue d’évoluer, de nouveaux outils et de nouvelles possibilités aideront l’industrie 4.0 à devenir une réalité alimentée par l’IA.
2. Hyperautomation
L’hyperautomatisation est l’évolution naturelle de l’automatisation. Toutefois, au lieu d’automatiser une tâche ou un processus commercial particulier, elle cherche à étendre les capacités d’automatisation à l’ensemble de l’organisation. La version finale sera une entreprise entièrement connectée et largement autonome où les flux de travail et les décisions seront rationalisés, agiles et résilients.
L’hyperautomatisation implique un mélange de plusieurs technologies. Cela comprend :
- RPA
- AI
- Automatisation des processus d’entreprise (BPA)
- ML
- Traitement intelligent des documents (IDP)
- Orchestration du flux de travail
- Processus d’extraction minière
- Traitement du langage naturel (NLP)
- Jumeau numérique d’une organisation (DTO)
- RPA conversationnelle
- Vision par ordinateur RPA
Comme l’indique le document Hyperautomation pour l’amélioration de l’automatisation dans les industries (Haleem, 2021), “Grâce à un mélange de technologies d’automatisation, l’hyperautomation peut surmonter certaines contraintes d’une seule méthode d’automatisation. Cela permet aux entreprises de dépasser les limites de chaque processus et d’automatiser presque toutes les opérations ardues et évolutives.”
3. Moins de recours aux experts
L’essor du développement de logiciels au cours des dernières années a mis en évidence un problème. Alors que la demande d’applications et de technologies mobiles augmentait, l’offre peinait à suivre. Les développeurs de logiciels étaient rares, ce qui signifiait que de nombreux postes restaient vacants pendant des mois.
Avec des emplois prestigieux à six chiffres qui attendent les candidats qualifiés, on pourrait penser que les gens vont simplement se reconvertir et récolter les fruits de leur labeur. Les écoles et les universités ont également fait l’objet d’un examen minutieux, les gouvernements suggérant qu’elles ne faisaient pas assez pour encourager l’adoption des matières STIM. Cependant, la réalité est que le codage est difficile. Seule une petite partie de la population a des aptitudes pour ce travail.
Alors que notre monde devient de plus en plus numérique, la pénurie de codeurs pourrait bien être considérée comme un avertissement que nous n’avons pas su prendre en compte. Heureusement, l’automatisation par l’IA peut fournir l’antidote à ce problème.
Les postes de direction requièrent un mélange de compétences en gestion et de connaissances approfondies en la matière. La lecture et l’apprentissage ne sont qu’une partie de ce qui rend les cadres et les membres de l’équipe de direction précieux pour une organisation. Toutefois, à mesure que de plus en plus d’industries adoptent la technologie, cette réserve de talents s’épuise.
L’analyse de l’IA peut utiliser de grandes quantités de données historiques pour trouver des idées et des relations sous-jacentes et faire des prédictions. Ces outils permettront de combler le manque d’expérience. Il peut également servir à démocratiser la prise de décision avisée qui était jusqu’à présent réservée aux entreprises disposant de budgets considérables.
Si les décideurs et les stratèges expérimentés ne seront jamais démodés, une entreprise hyper-automatisée, pilotée par l’apprentissage automatique (ML) et l’analyse des données, fonctionnera 24 heures sur 24, en faisant des choix fondés sur des facteurs qu’aucun humain ne pourrait consciemment prendre en compte.
Selon McKinsey, l’automatisation du travail de la connaissance est désormais en vue. Le droit, l’économie, l’éducation, les arts et la technologie connaîtront tous des bouleversements qui, jusqu’à présent, ne mettaient en péril que les emplois les moins qualifiés. Il reste cependant à déterminer ce que cela signifie pour la main-d’œuvre en général.
4. Une plus grande efficacité des pouvoirs publics
Les dépenses publiques sont un sujet de controverse permanent. Dans le monde entier, les administrations démocratiques ont la réputation d’être pléthoriques et de dépenser à tort et à travers. Par
de l’Institut Brookings, les organismes publics américains adoptent l’IA et la RPA.
les organismes publics américains adoptent l’IA et la RPA.
Des services aussi divers que la Food and Drug Administration, la Sécurité sociale, l’Agence logistique de défense et le Département du Trésor ont adopté l’IA et la RPA pour accroître la productivité et réduire les coûts de leurs services essentiels. En outre, un
de l’American Council for Technology and the Industry Advisory Council (ACT-IAC), montre les cas d’utilisation d’une douzaine d’organisations gouvernementales.
présente des cas d’utilisation d’une douzaine d’organisations gouvernementales.
Un gouvernement plus efficace et plus rentable pourrait avoir un effet transformateur sur la société dans son ensemble. Les services pourraient devenir plus efficaces, et les impôts pourraient être canalisés vers des programmes susceptibles de changer la vie de millions de personnes. Toutefois, cette adoption généralisée souligne l’importance de l’élimination des
Les préjugés dans l’IA,
en particulier si les gouvernements du monde entier utilisent la technologie pour prendre des décisions politiques.
Dernières réflexions
L’IA a eu un impact profond sur la technologie RPA. Les premiers outils d’automatisation étaient capables de prendre en charge un grand nombre de tâches routinières et banales sur le lieu de travail. Cependant, à mesure que l’appétit collectif pour l’automatisation augmentait, la RPA s’est heurtée à ses limites. L’IA fait tomber ces barrières.
La combinaison de la RPA et de l’IA augmente le potentiel des deux outils. Les entreprises récoltent déjà les fruits de l’automatisation intelligente, comme l’amélioration du service à la clientèle, l’augmentation de l’efficacité organisationnelle et la réduction des coûts d’exploitation. L’IA a ouvert le champ d’application de la RPA d’une manière qui semblait improbable il y a seulement dix ans.
Cependant, l’histoire de l’automatisation des processus robotiques et de l’IA ne s’arrête pas là. D’autres progrès seront réalisés à mesure que nous entrerons dans l’ère de l’hyperautomatisation. Ce sera une course effrénée, alors ne vous laissez pas distancer.
