Concilier engagements contractuels et aléas des opérations grâce à l’IA

Concilier engagements contractuels et aléas des opérations grâce à l’IA :

Le Facility Management (FM) regroupe l’ensemble des services nécessaires au bon fonctionnement d’une entreprise. Cela va de l’entretien des équipements, des bâtiments et des espaces verts à l’accueil, le contrôle d’accès, la restauration d’entreprise ou l’achat de fournitures. Plus largement, le FM doit garantir le maintien de l’activité de l’entreprise en s’assurant en permanence de l’affectation adéquate des ressources.

Pour atteindre ces objectifs, des niveaux d’engagements contractuels (SLA) sont généralement signés avec les prestataires comme par exemple la Garantie de temps de rétablissement (GTR) ou la Garantie de temps d’intervention (GTI). Il revient alors au Facility Manager d’organiser la coordination entre les différents acteurs de terrain,  de déterminer les priorités des demandes, de s’assurer que les bons techniciens sont affectés aux bonnes tâches. Il doit par ailleurs s’assurer de la bonne exécution des tâches et de leur conformité aux règlements et normes en vigueur. Au-delà de ces charges routinières, le Facility Manager doit aussi gérer les aléas des opérations au quotidien. En cas de situations imprévues (technicien malade, nombre insuffisant de techniciens ayant une compétence donnée, etc.), non seulement il doit pouvoir réorganiser  rapidement les équipes pour prendre en charge de nouvelles demandes urgentes mais surtout  il doit pouvoir reprogrammer et réaffecter les tâches. En d’autres termes, le Facility Manager doit tous les jours résoudre des problèmes complexes mettant en jeu des contraintes de diverses formes, pour lesquelles les méthodes empiriques usuelles sont peu ou pas du tout efficaces.  

Aléas des opérations au quotidien

Les opérations quotidiennes de FM peuvent être soumises à des aléas divers.  Quelques  exemples de situations souvent rencontrées sont l’absence non prévue de ressources humaines, une rupture de stock non anticipée d’une ressource  matérielle, des demandes d’intervention urgentes et critiques nécessitant une prise en charge immédiate, etc.

Indisponibilité de ressources humaines ou matérielles

Il peut arriver qu’un technicien affecté à une tâche soit absent (maladie, urgence familiale, etc.) ou que du matériel nécessaire à la réalisation d’une certaine tâche ne soit pas disponible le jour de réalisation de cette tâche. Le Facility Manager peut alors décider de supprimer cette tâche de la journée et de la reprogrammer sur un autre jour au risque de ne pas répondre aux engagements contractuels signés (GTR,  GTI) et de bouleverser l’organisation déjà établie pour les jours à venir. Il peut aussi décider de réaffecter cette tâche à un autre technicien ; ce qui n’est pas toujours possible surtout lorsque les équipes fonctionnent en flux tendu. 

Prise en charge immédiate d’une demande urgente

Certaines demandes d’intervention ont un caractère urgent et doivent être prises en charge immédiatement. Imaginez par exemple le système de climatisation d’une salle machines ou pire encore le système de ventilation d’un bloc opératoire dans un hôpital qui tombe en panne. Contrairement à l’exemple du technicien absent ou de la ressource matérielle non disponible, ces événements ne peuvent pas être planifiés pour plus tard ; ils doivent être pris en charge immédiatement. Le manager doit dans ce cas déprogrammer ou réaffecter certaines tâches en cours d’exécution. Ce qui peut avoir comme conséquence     le non-respect des engagements contractuels et une perturbation des activités pour les jours à venir. 

Face à chacun de ces cas d’exemple, le manager est obligé de refaire en urgence un planning qui doit tenir compte de la situation courante mais aussi des contraintes habituelles (compétence requise, ressources disponibles, etc.) et des opérations programmées pour les jours à venir. L’espace des options possibles qui s’offrent à lui est très vaste car le nombre de possibilités croît exponentiellement avec le nombre de tâches, de ressources et des contraintes. Il est difficile voire impossible de réaliser manuellement un planning qui soit réalisable et optimal dans de telles situations. Le choix du manager serait forcément  empirique  et les effets en aval peuvent être très coûteux.

Utiliser l’Intelligence Artificielle pour gérer les aléas

L’Intelligence Artificielle (IA) offre d’énormes possibilités pour une gestion optimale des activités de FM. Avec L’IA, on dispose de puissants algorithmes capables de  trouver en quelques secondes, des solutions optimales à des problèmes complexes. Dans les cas d’exemples évoqués précédemment, un outil d’IA bien conçu et bien entraîné va  dans un premier temps : 

– faire l’inventaire des ressources disponibles (nombre, compétence, niveau de compétence etc.), 

recenser les tâches en cours et évaluer grâce à des algorithmes de prédiction, le volume et la nature des demandes à venir sur un horizon de temps choisi. 

– analyser les textes des demandes grâce  au Traitement Automatique du Langage (NLP) et à la puissance du Machine Learning, pour déterminer de manière automatique, les services concernés, les compétences et niveaux de compétence requises, puis identifier les ressources capables de répondre au mieux aux besoins.  

– identifier les contraintes et les engagements contractuels à respecter.

Dans un deuxième temps cet outil va parcourir l’espace de toutes les combinaisons « ressource-tâches » possibles pour trouver le meilleur planning qui vérifie toutes les contraintes, respecte les engagements contractuels et optimise des critères prédéfinis comme les temps de déplacement ou le coût des ressources par exemple.

L’intérêt d’utiliser une applications d’IA dans ce cas précis c’est qu’un outil d’IA est capable d’évaluer des centaines de millions de scénarios  en quelques secondes pour proposer une solution optimale prenant en compte tous les aspects du problème posé ; ce qu’un humain ne pourrait faire en un temps fini.

Conclusion

Avec l’intelligence artificielle, les services de FM ont aujourd’hui à leur disposition des outils capables  d’apprendre à partir de données massives issues des objets connectés mais aussi des historiques de leurs activités, pour leur proposer  des solutions  efficaces et optimales à toutes les formes de problèmes auxquels ils doivent faire face dans leurs activités quotidiennes. La principale question qui se pose aujourd’hui est de savoir si les entreprises sont prêtes à investir dans ces outils qui, à coût sûr, leur permettraient d’améliorer leur performance en tirant le meilleur de leurs données.

Par Olivier Tossa, Ingénieur R&D et Data scientist chez Datapole et Frédéric Gagnaire, Président Directeur Général chez Datapole.