Deux exemples d’offreurs de solutions (exemple de AIRudi)

Ancienne conseillère RH en entreprise, Amanda Arciero a fondé AIRudi avec son associé en 2019. Cette start-up emploie aujourd’hui 30 employés dans le domaine de l’expertise high tech RH. L’entreprise propose des solutions dans le but d’optimiser les processus en matière de recrutement, de gestion de la santé sécurité du travail et des relations sociales.

Ces solutions visent à faciliter l’intégration de l’IA dans la gestion des ressources humaines.

AIRudi bénéfice d’un écosystème qui vibre et regorge de ressources au Québec avec beaucoup de partenariats académiques et industriels. L’entreprise est accompagnée par HEC Montréal et polytechnique de Montréal ainsi qu’un ensemble des organismes axés sur l’IA et la science des données, le centre de recherche national canadien, Scale IA, le MITAG en partenariat avec différentes chaires de recherche, IVAGO. La plupart de nos produits sont déployés sur Microsoft pour lequel AIrudi a fait partie de leurs incubateurs au démarrage de notre activité.

Ce sont les problèmes rencontrés par les entreprises, au départ les difficultés de recrutement de la main d’œuvre, les processus chronophages et/ou répétitifs qui ont amené la société à concevoir son offre qui s’est plus récemment élargie à des outils d’évaluation de la performance RH ou la gestion de la santé sécurité au travail avec l’analyse des accidents du travail.

« Do more with less » : notre mission, c’est d’aider les entreprises « à faire plus avec moins » et d’optimiser les ressources en intégrant l’IA dans leurs processus.

Avec un marché de 5 000 entreprises, AIrudi vise à « démocratiser » des solutions pour les intégrer aux stratégies RH comme assistance, aide à la décision, en distinguant avec les responsables RH les tâches non automatisables des tâches répétitives, automatisables dont on peut tirer des avantages en adoptant l’IA. Au plan opérationnel, l’expert en ressources humaines peut alors se concentrer sur ce qui crée de la valeur, bâtir la relation avec les gens en s’attardant plus sur l’engagement, la motivation, des projets stratégiques plutôt que sur des tâches sans intérêt.

Pour calibrer des modèles algorithmiques, le modèle d’affaires repose dans une première phase sur une analyse dans les services RH, chaque organisation étant différente de par la variété des logiciels utilisés et les caractéristiques des données disponibles. 

AIRudi dispose d’un noyau technologique sur lequel on peut capitaliser pour créer des modèles d’IA qui répondent aux besoins différents des organisations. L’entreprise utilise principalement l’apprentissage automatique, la technologie du machine learning, plutôt que l’apprentissage profond, le deep learning, pour lequel il est encore difficile de disposer de jeux de données suffisamment structurés. La société travaille principalement avec des grandes entreprises pour lesquelles il est plus facile de créer un retour sur investissement avec des cas d’usage intéressants pour ces organisations à court terme. L’objectif est de pouvoir desservir à moyen terme les PME qui représentent au Canada 92% des entreprises.

Au port de Montréal, l’association des employeurs maritimes assure la gestion de toute la main d’œuvre qui est déployée pour charger, décharger les navires. Quand il y a beaucoup de volumes, la prévision et l’allocation de main d’œuvre est souvent un « jeu de tetris ». Beaucoup de variables interviennent, la météo, la marée par exemple qui conduit à attendre ou décharger « plus haut ». Il y a les contraintes liées à l’application de la convention collective, affecter en priorité des groupes d’employés.  Même si on planifie les horaires une semaine à l’avance, le débardeur est souvent conduit à travailler over time. Souvent les dockers sont déployés à la dernière minute parce que le contenu à débarquer d’un navire est connu à la dernière minute.

Les erreurs dans les prévisions de planification sont estimées à 30%. Ce fonctionnement génère des irritants au plan social et les partenaires sociaux sont depuis deux années en cours de renégociation de la convention collective.

L’IA va permettre d’optimiser l’allocation des ressources avec une prédiction à 21 jours de l’avance de l’arrivée du navire. Plus on se rapproche du jour J, plus la prédiction est précise parce que l’on collecte plus de données et on réduit l’incertitude. Le système prend en compte la gestion d’horaires en fonction de la disponibilité de la main d’œuvre, les règles de la convention collective et la distribution optimale de la classification des compétences en fonction de leur classification. La plateforme prend en charge les tâches de dispatching qui reposaient sur un fichier excel sur lequel on passait la moitié de la journée, 20h par semaine au moins. 

Pour l’association des employeurs maritimes, la solution mis en place est de nature à améliorer la fluidité et l’efficacité de la chaîne d’approvisionnement en évitant que les bateaux restent stationnés dans le port trop longtemps. En se basant sur les données historiques de dispatching (par ex. le nombre de débardeurs déployés), il devrait être rapidement possible de démontrer que les résultats sont positifs. Les gains attendus sont évalués 600 000 dollars d’économie par an, un montant qui pourrait être dépassé, la plateforme d’IA n’étant qu’à son lancement  

Concernant la conciliation famille travail et la qualité des relations de travail, le personnel était toujours sur le qui-vive et l’on s’attend à une amélioration des relations entre l’employeur, le syndicat et les employés.