Fred Laluyaux, Co-Fondateur et PDG d’Aera Technology – Série d’entretiens

Fred Laluyaux, Co-Fondateur, Président et PDG d’Aera Technology, est un dirigeant chevronné de logiciels d’entreprise qui a construit et dirigé des entreprises à l’intersection de l’analyse, de l’automatisation et de la prise de décision. Avant de fonder Aera, il a occupé le poste de PDG d’Anaplan et a occupé plusieurs postes de direction chez SAP, couvrant les domaines de la finance, de la gestion de la performance, des risques, des ventes et du développement d’entreprise. Plus tôt dans sa carrière, il a occupé des postes de direction chez Business Objects et ALG Software, et a fondé Transcribe Technologies, ce qui lui a donné des décennies d’expérience dans la mise à l’échelle d’organisations logicielles mondiales et la traduction de données complexes en résultats commerciaux.

Aera Technology développe des logiciels d’intelligence de décision pilotés par l’IA conçus pour aider les grandes entreprises à opérer avec plus de rapidité et de précision. La plateforme de l’entreprise analyse en continu les données provenant de l’ensemble de l’organisation et de son environnement externe, transformant les informations en actions recommandées et automatisées en temps réel. En se concentrant sur les décisions plutôt que sur les tableaux de bord, Aera vise à aider les organisations à passer d’une analyse réactive à des opérations proactives et en constante amélioration.

Vous avez fondé et dirigé plusieurs entreprises de logiciels d’entreprise, de vos débuts chez Transcribe Technologies à la direction d’Anaplan et maintenant en tant que co-fondateur d’Aera Technology. Quel problème avez-vous vu dans les grandes entreprises qui vous a convaincu que l’intelligence de décision devait exister en tant que catégorie à part entière, et pourquoi 2017 était-il le bon moment pour construire Aera ?

J’ai travaillé sur ce problème depuis plus d’une décennie — bien avant l’existence d’Aera. En 2010, alors que j’étais chez SAP, j’ai rédigé un document sur ce que je croyais devenir le plus grand défi pour les grandes entreprises : prendre et exécuter des décisions suffisamment rapidement pour suivre le rythme de la numérisation de l’économie.

Three forces étaient en collision — volume, complexité et vitesse. Les décisions étaient prises à un niveau de granularité plus fin, plus proche du point d’impact, mais les entreprises étaient toujours structurées comme des pyramides profondes de personnes, d’outils et de processus qui ne pouvaient simplement pas évoluer.

La vraie question est devenue : comment apporter le pouvoir de la technologie au niveau transactionnel ? Pas seulement des informations ou des tableaux de bord, mais des machines exécutant des décisions, apprenant en continu de toutes les décisions prises, et avec les humains en contrôle.

En ce qui concerne 2017, nous étions en avance. Le marché n’était pas encore prêt, et nous non plus. C’est la nature d’une startup : vous commencez avec une vision claire et vous construisez tôt pour être prêt lorsque le marché est mature. Dans le cas d’Aera, cela a pris quelques années. Et la COVID-19 n’a pas aidé. Mais il a été fascinant de voir que notre vision de base est restée fidèle à sa formulation initiale, tandis que la plateforme et le marché ont évolué au point où Aera est maintenant leader dans la catégorie de l’intelligence de décision et travaille avec certaines des plus grandes organisations mondiales.

Il y a beaucoup de discussions aujourd’hui autour des agents IA, mais vous avez été clair que les informations seules ne suffisent pas. Comment expliquez-vous la différence entre l’analyse, les recommandations assistées par l’IA et la véritable intelligence de décision aux DSI qui tentent de faire la part des choses ?

Les outils traditionnels d’analyse et d’intelligence commerciale vous disent ce qui s’est passé. L’IA peut aider à prédire ce qui pourrait se passer. Les recommandations assistées par l’IA suggèrent des options, mais elles reposent toujours sur les humains pour décider et agir.

L’intelligence de décision va au-delà des tableaux de bord statiques ou des recommandations ponctuelles. Elle fonctionne comme une boucle d’apprentissage continu pour accélérer et améliorer les décisions — en utilisant les données, l’analyse, l’IA et l’automatisation pour évaluer les compromis, simuler des scénarios et exécuter et surveiller les actions en temps réel, alignées sur les objectifs commerciaux.

Alors que l’IA peut aider les équipes à prédire la demande ou à optimiser les flux de travail, l’intelligence de décision détermine comment agir sur ces informations. Elle équilibre le coût, le risque, les niveaux de service et les contraintes opérationnelles à l’échelle de l’entreprise.

Aera est souvent décrite comme permettant à l’entreprise de devenir « autonome ». Qu’est-ce que cela signifie concrètement au sein d’une grande organisation, et quels sont les décisions qui sont réellement prêtes pour ce niveau d’automatisation aujourd’hui ?

Lorsque nous parlons de l’entreprise autonome, cela ne signifie pas l’autonomie sans contrôle. Dès le début, notre vision était de passer de personnes prenant et exécutant des décisions aidées par des machines à des machines exécutant des décisions guidées par des humains — avec une intention claire, des contraintes et une responsabilité claires.

Dans la pratique, Aera fonctionne comme un agent de décision. Elle comprend en continu les données, détecte les déclencheurs, évalue les compromis, recommande des actions et exécute des décisions directement dans les systèmes d’entreprise. Avec Aera, les humains ne gèrent pas les tableaux de bord ; ils gouvernent les décisions, souvent à travers une interaction simple d’accord ou de désaccord.

Les décisions prêtes pour ce niveau d’automatisation aujourd’hui sont celles qui sont à haute fréquence et répétitives — rééquilibrage des stocks, priorisation des commandes d’achat, modifications de paramètres — où la vitesse est importante et la coordination manuelle crée les inefficacités les plus importantes.

Vous avez travaillé en étroite collaboration avec des entreprises mondiales dans les domaines de la chaîne d’approvisionnement, de la finance et des opérations. Où les DSI voient-ils les rendements les plus rapides et les plus tangibles de l’intelligence de décision, que ce soit en termes de capital de roulement, de niveaux de service ou de réduction des déchets ?

Les DSI voient les rendements les plus rapides et les plus tangibles de l’intelligence de décision là où les décisions sont à haute fréquence, répétitives et contraintes par le coût, la capacité ou les compromis de service. Dans la chaîne d’approvisionnement et les opérations, cela inclut souvent le rééquilibrage des stocks, la priorisation des commandes d’achat et la logistique. C’est là que l’exécution automatisée à grande échelle entraîne des gains mesurables en termes de capital de roulement, de niveaux de service et de réduction des déchets.

Par exemple, une entreprise mondiale de produits de santé utilise l’intelligence de décision pour surveiller en continu la demande et ajuster les commandes d’achat — en demandant automatiquement l’annulation ou la réduction des fournisseurs, en validant les réponses et en confirmant les modifications. Cette capacité rapporte plus de millions de dollars de réduction annuelle des déchets, tout en réduisant les miles de camion et les émissions de gaz à effet de serre (GES) associées.

Beaucoup d’entreprises ont déjà du mal à mettre en œuvre des modèles d’IA à grande échelle. Quels sont les principaux obstacles que vous voyez lorsque les organisations tentent de passer de la génération d’informations à l’exécution automatisée de décisions ?

Les défis surgissent souvent lorsque les équipes commencent par expérimenter des outils d’IA autonomes. Ils peuvent automatiser un seul flux de travail, mais ils ont du mal à opérationnaliser les décisions de manière cohérente dans l’ensemble de l’entreprise. Sans une plateforme de décision composable et conçue à cet effet, ces efforts sont difficiles à gouverner, à mettre à l’échelle ou à adapter en fonction des changements de circonstances.

Un autre obstacle courant est le manque de clarté sur les points où la prise de décision est en panne. Les entreprises investissent dans l’IA et la prédiction, mais ne parviennent pas à identifier pourquoi les stocks s’accumulent, les prévisions sont manquées ou la logistique est sous-performante. La visibilité fragmentée des décisions aggrave le problème.

Les équipes qui réussissent commencent par un cas d’utilisation à forte incidence où les compromis sont compris, construisent la confiance à travers les recommandations et l’exécution, et automatisent progressivement. À partir de là, ils peuvent évoluer à mesure que les décisions s’adaptent et s’améliorent en continu.

L’IA agente devient un mot à la mode dans l’industrie. Comment voyez-vous les agents s’intégrant dans les plateformes d’intelligence de décision, et où les entreprises doivent-elles être prudentes en matière d’autonomie par rapport à la surveillance humaine ?

Dans l’intelligence de décision, les agents ajoutent le plus de valeur lorsqu’ils sont intégrés dans un système de décision supervisé — et non lorsqu’ils fonctionnent de manière isolée. Avec la plateforme Aera Decision Cloud, les agents travaillent en équipes coordonnées, chacun contribuant à une capacité spécifique : simulation de scénarios ; intégration de signaux en temps réel ; validation de la faisabilité ; évaluation de l’impact financier ; et exécution d’actions — le tout orchestré autour d’une décision unique.

Les entreprises doivent être prudentes en matière d’autonomie sans gouvernance. Dans la pratique, les décisions agentes sont toujours guidées par des humains. Les équipes humaines définissent les paramètres et les objectifs, surveillent les performances, testent les hypothèses et gèrent la qualité des données à partir d’un environnement de contrôle. Le système peut fonctionner en continu, mais les humains gouvernent la façon dont les décisions évoluent. C’est cet équilibre qui rend l’IA agente évolutiva, fiable et sûre dans l’entreprise.

La confiance est cruciale lorsqu’il s’agit de décisions qui affectent les revenus, les clients ou la conformité. Comment Aera garantit-elle que les décisions sont explicables, auditable et défendables, en particulier dans les environnements réglementés ?

La confiance commence par la transparence. Pour chaque décision, Aera capture le contexte complet — les données utilisées, la recommandation, la logique derrière, la décision prise et le résultat. Au fur et à mesure que le système fonctionne et se met à jour, il surveille et mesure les résultats des décisions pour améliorer en continu la prise de décision.

Nous appelons cela l’apprentissage automatique de décision. Sur la base des performances de la décision, Aera calcule des scores de confiance pour les recommandations — en expliquant les causes profondes, les compromis et l’impact attendu. Un utilisateur peut voir une recommandation avec une raison claire et un niveau de confiance de 92 %.

Cette approche est autonome mais supervisée. Grâce au réseau d’intelligence de décision de la plateforme, qui sert de salle de contrôle centralisée, les utilisateurs ont une visibilité complète sur les décisions, les actions et les résultats. Ils peuvent surveiller les performances, tester les hypothèses, gérer la qualité des données et ajuster la logique au fil du temps.

Sur la base de vos conversations avec les DSI, comment le rôle des humains évolue-t-il à mesure que les systèmes d’intelligence de décision mûrissent, et quels sont les compétences qui deviennent plus importantes à mesure que les machines prennent en charge davantage de décisions opérationnelles ?

À mesure que l’intelligence de décision mûrit, le rôle des humains ne disparaît pas — il évolue vers la chaîne de valeur. Nous voyons un déplacement des personnes exécutant manuellement des décisions vers des personnes conçuant, gouvernant et améliorant les décisions.

Dans de nombreuses entreprises de biens de consommation, les rôles de planificateur traditionnels évoluent déjà vers des analystes de décision qui se concentrent sur la surveillance des résultats, la compréhension des compromis et l’amélioration de la logique de décision au fil du temps. À leurs côtés, les architectes de décision définissent l’intention, les contraintes et les garde-fous qui guident la façon dont les machines agissent.

Les compétences les plus importantes deviennent le jugement, la pensée systémique et la capacité à formuler les bonnes décisions. Les humains restent fermement en contrôle, gouvernant la façon dont les décisions sont prises par les machines, mais pas chaque action individuelle.

Le premier quadrant magique de Gartner pour les plateformes d’intelligence de décision signale que cette catégorie entre dans le mainstream. Quelles sont les capacités que vous croyez distingueront les fournisseurs leaders des retardataires au cours des prochaines années ?

Avoir été nommé leader dans le premier quadrant magique de Gartner pour les plateformes d’intelligence de décision, nous voyons le leadership défini par une exécution solide et la capacité à fournir des capacités complètes et composables dans l’ensemble du cycle de vie de la décision. Dans la recherche complémentaire sur les capacités critiques de Gartner, Aera a également été reconnu pour ses performances dans les cas d’utilisation de décision clés — y compris l’analyse de décision, l’ingénierie de décision, la science de décision et la gestion de décision — en évaluant comment les plateformes peuvent modéliser, opérationnaliser, gérer et améliorer en continu les décisions à l’échelle de l’entreprise.

Nous croyons que les fournisseurs leaders seront également distingués par la façon dont ils intègrent des techniques d’IA avancées, notamment l’IA générative et agente, dans des systèmes de décision supervisés et prêts pour l’entreprise. Cela nécessite des plateformes conçues à cet effet qui sont composable, accessibles aux entreprises via des interfaces de code faible et de langage naturel, et gérées à grande échelle pour répondre aux exigences de sécurité et de réglementation. En fin de compte, les fournisseurs les plus solides intégreront l’intelligence de décision comme une couche d’exploitation qui apprend et s’améliore en continu, et non comme une autre application que les équipes doivent gérer.

Pour les organisations qui reconnaissent le fossé entre les informations et l’action, comment la plateforme Aera les aide-t-elle à combler cette lacune dans la pratique, et à quoi ressemble un premier déploiement réussi pour un DSI qui cherche à avoir un impact commercial mesurable ?

Combler le fossé entre l’information et l’action commence par l’opérationnalisation des décisions dans les opérations quotidiennes. La plateforme Aera permet aux DSI de traiter les décisions comme des processus continus : surveiller les résultats ; tester les compromis ; et améliorer les performances au fil du temps. Cela est souvent ancré dans un centre d’excellence de décision, virtuel ou physique, où les équipes gouvernent et affinent la façon dont les décisions sont prises et exécutées.

Aera unifie les données, l’analyse, les règles commerciales, l’IA et l’automatisation dans une plateforme composable unique pour alimenter les décisions qui vont de l’information à l’exécution et à l’apprentissage. Son architecture composable permet à l’informatique de maintenir la supervision et la sécurité, tout en permettant aux équipes commerciales de définir, d’adapter et d’évoluer les flux de décision. À mesure que les résultats sont capturés, les décisions s’améliorent en continu et libèrent les équipes pour se concentrer sur le jugement, la stratégie et les exceptions.

Un premier déploiement réussi prouve souvent des résultats mesurables sur un cas d’utilisation de décision à forte incidence en 10-12 semaines, en exécutant et en améliorant en continu les décisions de bout en bout. Cela crée un plan d’attaque reproductible pour une mise à l’échelle d’entreprise.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Aera Technology.