Le problème peut paraître mineur mais, entre la frustration des clients qui tombent sur un distributeur vide au moment où ils ont besoin de retirer des espèces et les surcoûts subis par l'institution en raison des rechargements d'appareils encore à moitié pleins, il n'en est pas moins réel, bien qu'il soit ancien et que plus d'un demi-siècle d'expérience ait permis d'en affiner la résolution. Or, par son ancrage dans la prédiction des comportements, il s'avère parfaitement adapté à un traitement par l'apprentissage automatique.
En effet, le défi principal de la logistique d'un GAB consiste à déterminer avec la meilleure précision possible le moment où ses réserves de billets vont être épuisées et où, donc, une tournée de remplissage doit être programmée. Avec sa nouvelle application interne iCash, HSBC atteint des résultats hors du commun, puisqu'elle est capable d'anticiper les créneaux d'alimentation idéaux à 15 minutes près (contre 36 heures auparavant, avec l'ancien système), sans rupture de service pour les utilisateurs, bien sûr.
Techniquement, la conception des algorithmes sous-jacents ne semble pas relever d'une complexité extraordinaire : le moteur de « machine learning » a été entraîné sur l'historique des retraits réalisés sur chacun des 1 200 automates de la banque, combiné avec un certain nombre de facteurs intrinsèques, tels que leur localisation, et externes, parmi lesquels la saisonnalité, les périodes de vacances, les événements publics…, auxquels j'aurais peut-être suggéré d'ajouter les conditions météorologiques 😏
HSBC, qui affirme préparer la généralisation d'iCash sur ses autres marchés de présence en 2021, vante les innombrables bénéfices qu'elle tire de l'efficacité du dispositif, sans même évoquer son impact sur la satisfaction de ses clients. Elle indique notamment réduire de 15% le nombre de ses tournées d'approvisionnement, pour une économie estimée à 1 million de dollars (américains) chaque année sur ses frais de sous-traitance. Plus anecdotique, elle se réjouit également de l'abaissement du risque d'attaques et de vols, du fait de l'abandon de ses programmes de livraison à horaires fixes.
Au-delà de l'application spécifique, il existe probablement dans toutes les grandes entreprises des centaines d'opportunités similaires d'usage de l'IA, susceptibles de générer un retour sur investissement rapide et sans grand danger. Elles leur procurent autant d'occasions de se familiariser avec la technologie – ses qualités et ses défauts, ses cibles de prédilection… – en commençant avec des projets simples d'analyse de données, pas très « intelligents » mais qui développent la confiance, à tous les niveaux.