Contexte et objectifs
Aston Martin Lagonda Ltd. a choisi d’appliquer l’intelligence artificielle uniquement aux processus internes, afin de préserver l’expérience personnalisée de ses clients sur le site public. Selon le directeur informatique Steve O’Connor, chaque idée d’IA est d’abord filtrée selon son impact sur le compte de résultat, puis selon les gains d’efficacité. L’objectif principal est d’automatiser des tâches comme le configure‑price‑quote (CPQ) tout en évitant d’exposer des agents conversationnels aux visiteurs du site, ce qui, selon la marque, ne correspondrait pas aux attentes d’une clientèle recherchant un contact humain haut de gamme.
Architecture et mise en œuvre
Le projet s’appuie sur Infor CloudSuite Automotive, la solution ERP spécialisée du constructeur automobile. Infor fournit un AI Adoption Hub qui construit les feuilles de route IA à partir de documents publics, de transcriptions de réunions et de problèmes connus. Cette approche a permis de réduire le délai de mise en production d’un cas d’usage de plusieurs trimestres à deux‑trois semaines, contre six mois il y a trois à quatre ans, comme le précise Max Fisher, directeur produit chez Infor. Les agents IA sont donc déployés en back‑end, interagissant directement avec les bases de données ERP et les services de configuration, sans passer par l’interface client.
Le modèle d’intégration repose sur des micro‑services qui consomment les données ERP via des API internes. Chaque micro‑service exécute un modèle d’apprentissage supervisé entraîné sur les historiques de devis et les paramètres de configuration des véhicules. Les résultats sont renvoyés aux systèmes de tarification et de production, où ils sont validés par un responsable métier dédié à chaque agent IA.
Gouvernance et limites
Pour maîtriser les risques, Aston Martin a instauré un cadre de gouvernance qui désigne un propriétaire métier pour chaque agent IA. Ce responsable suit les indicateurs de performance et assure la conformité aux exigences de confidentialité et de qualité des données. O’Connor souligne que « fixer les données et les processus avant de lancer l’IA » est indispensable, sous peine de générer des résultats erronés. Infor indique que plus de la moitié des entreprises peinent à faire évoluer leurs projets IA, ce qui justifie l’accent mis sur la gouvernance et la standardisation.
La principale contrainte réside dans le fait que l’IA reste confinée au back‑end ; aucune interaction directe avec les clients n’est prévue, limitant ainsi les bénéfices potentiels en termes d’engagement utilisateur. De plus, la dépendance à la qualité des données ERP implique des investissements continus en nettoyage et en harmonisation des sources, ce qui peut ralentir les itérations futures. Enfin, le cadre de gouvernance, s’il empêche les dérives, peut également freiner l’innovation rapide en imposant des processus d’approbation supplémentaires.
