La prochaine étape du marché des APR ? C’est compliqué

La prochaine phase de l’automatisation des processus robotisés est un peu difficile à cerner.

Pour certaines entreprises, la vague initiale de projets s’est arrêtée, car les responsables informatiques et commerciaux cherchent un meilleur retour sur investissement et reconsidèrent leur choix de candidats à l’automatisation. D’autres organisations commencent tout juste à  voie de l’APR et restent largement au stade de l’éducation. Les fournisseurs sur le marché de l’APR, quant à eux, suivent des voies quelque peu contradictoires : Beaucoup mettent l’accent sur la facilité d’utilisation dans le but de mettre le développement de robots à la portée des utilisateurs professionnels. Mais certains fournisseurs cherchent à se lancer dans l’automatisation intelligente et l’apprentissage machine, une démarche qui semble remettre l’APR entre les mains des experts techniques.

Les sociétés de conseil, les intégrateurs de systèmes et les prestataires de services doivent naviguer dans un paysage varié pour aider leurs clients à adopter RPA. Les partenaires commerciaux pourraient éventuellement jouer un rôle en aidant les clients à intégrer des technologies telles que l’apprentissage machine dans l’APR. Mais il faudra peut-être un certain temps avant que ce rôle ne se généralise.

Prendre du recul

Vadim Tabakman, directeur de l’évangélisation technique chez Nintex, a suggéré que les organisations se regroupent après leur enthousiasme initial pour la RPA. Nintex est une société de Bellevue, Washington, spécialisée dans la gestion des processus et l’automatisation des flux de travail, qui travaille avec des partenaires de distribution.

« Je constate un léger recul dans la mise en œuvre », a déclaré M. Tabakman, en faisant remarquer que les clients, une fois qu’ils ont acquis les outils RPA, peuvent avoir du mal à déterminer ce qu’ils doivent réellement automatiser. « Cela a toujours été un problème pour toute technologie d’automatisation ».

Il a déclaré que les adoptants de l’APR reconnaissent désormais la nécessité de ralentir, de déterminer leur « meilleur rapport qualité-prix » et de se concentrer sur les domaines où l’investissement dans l’APR est le plus judicieux.

Cependant, trouver le meilleur rapport qualité-prix s’est avéré difficile pour les adoptants de la RPA. Les déploiements de la RPA n’ont parfois pas répondu aux attentes des clients en matière de retour sur investissement. Les organisations risquent de se heurter au fameux mur lorsqu’elles tentent d’étendre les déploiements de la RPA.

Greg Betz, vice-président senior de l’intelligence des données et de l’automatisation chez NTT Data Services, a déclaré que la baisse du retour sur investissement est due à l’un des deux facteurs suivants Les organisations ont soit ciblé les mauvais processus, soit connu une faible adoption des technologies en raison d’un manque de formation, d’un parrainage insuffisant de la part des dirigeants ou d’une mauvaise gestion du changement.

« La première vague de projets RPA a été vendue sur la promesse d’un retour sur investissement grâce à une réduction des coûts de main-d’œuvre qui n’a pas pu être réalisée, sauf dans les cas de volumes transactionnels élevés ou de processus très longs par nature », a noté M. Betz.

En outre, la commercialisation des APR a été axée sur la simplicité, ce qui a également contribué à la question du retour sur investissement. Ce positionnement axé sur la facilité d’utilisation a permis de mettre l’accent sur le recrutement à bas prix, plutôt que sur la stratégie de l’entreprise, a-t-il ajouté.

Des projets limités et de petite envergure n’ont tout simplement pas permis d’obtenir un rendement financier suffisant. Craig Le Clair, vice-président de Forrester Research et auteur de Invisible Robots in the Quiet of the Night, a déclaré que les entreprises ont eu du mal à créer suffisamment d' »élan pour l’automatisation » pour rentabiliser leur investissement dans RPA.

La RPA intelligente est-elle la réponse ?

La difficulté de trouver un nombre suffisant de candidats à l’automatisation pour justifier le coût de l’APR a mis en lumière la découverte des tâches et des processus. Traditionnellement, les consultants se chargent manuellement de la découverte des tâches, en interrogeant les utilisateurs et les experts en la matière au sein d’une entreprise. Mais certains éditeurs de logiciels RPA ont lancé des logiciels automatisés discovery tools qui collectent des données sur la façon dont les utilisateurs interagissent avec les applications dans le cadre de leurs activités quotidiennes. L’apprentissage machine joue un rôle dans la découverte, en analysant les données collectées et en dénichant des possibilités d’automatisation.

Le Clair utilise l’expression « analyse des travailleurs numériques » pour décrire les outils qui combinent l’apprentissage machine et la capacité d’enregistrer les interactions des utilisateurs. Il a déclaré que les fournisseurs qui se concentrent sur l’assistance RPA – ceux qui utilisent la technologie pour aider les agents des centres d’appels, par exemple – ont tendance à proposer des offres plus fortes en matière d’analyse numérique des travailleurs. Les entreprises qui prennent le temps d’utiliser de tels outils peuvent identifier les processus mûrs pour l’automatisation dans un volume beaucoup plus important, a noté M. Le Clair.

« La prochaine phase de la RPA consiste à utiliser l’analyse des travailleurs numériques pour découvrir les processus », a-t-il déclaré.

En plus de découvrir des processus, l’analyse peut aider les organisations à les normaliser. La normalisation des processus est importante, car la première génération de robots logiciels a rejeté les tâches qui s’écartaient des pratiques habituelles. Le Clair a déclaré que la première génération de RPA ne gérait pas les variations, et qu’en conséquence, la RPA ne pouvait automatiser qu’un sous-ensemble limité de tâches hautement répétables.

Par exemple, les employés du service financier des entreprises peuvent se partager 20 % des étapes d’un processus particulier. Ainsi, le robot qui automatise ces étapes ne s’occuperait que d’une petite partie du processus global. Les analystes, cependant, pourraient trouver une opportunité de normaliser 45 % des étapes. Si les travailleurs acceptent de suivre les étapes standard d’un processus, « le robot que nous construisons pour ce [processus] sera beaucoup plus durable », a déclaré M. Le Clair.

La découverte de processus, ou l’analyse des travailleurs numériques, est un exemple où la RPA recoupe les technologies intelligentes. L’injection d’une plus grande intelligence dans les processus eux-mêmes est un sujet de discussion dans l’industrie depuis au moins cinq ans. Des discussions ont eu lieu autour de concepts tels que l’automatisation cognitive des processus robotiques et l’automatisation intelligente des processus.

Les robots intelligents sont un autre moyen de traiter le problème de la variation des processus et de l’évolution du the evolution marché des APR. Le Clair a cité la liaison de l’APR avec des composants d’IA plus avancés et la gestion des décisions pour traiter les exceptions. Il a déclaré que les principaux fournisseurs de RPA « font ce qu’il faut » car ils décident de la quantité d’analyses récentes à intégrer dans leurs plates-formes et de la quantité d’intelligence qui doit être intégrée à partir de fournisseurs tiers.

1. Le Clair a déclaré que les partenaires de consultation et de mise en œuvre de la RPA joueront un rôle essentiel dans le déploiement des composants intelligents. Ils pourraient aider les clients à évaluer les capacités intelligentes natives d’une plateforme RPA, présenter leurs partenaires d’analyse pour augmenter l’offre et travailler avec les clients pour « prendre des décisions sur ce qui est le meilleur de la race », a-t-il dit.

Selon M. Tabakman, les partenaires disposent des moyens techniques pour aider les clients à construire des robots et les rendre plus intelligents afin d’améliorer la prise de décision et l’optimisation des processus.

« Le partenaire impliqué va rendre cette partie beaucoup plus facile », a-t-il déclaré. « Lorsqu’il s’agira de faire progresser l’APR dans l’espace de l’IA et [de l’apprentissage machine], ce sera moins le client qui le fera lui-même, et plus les partenaires et les intégrateurs de systèmes ».

Facilité d’utilisation vs. APR intelligente

Cependant, toutes les entreprises de RPA ne se rallient pas à l’avenir de l’IA. « Ce n’est pas ce que nous pensons être la véritable opportunité », a déclaré Kyle Kim-Hays, directeur du marketing chez Softomotive, un fournisseur de RPA.

Kim-Hays, tout en reconnaissant que l’industrie poursuit l’IA et une plus grande intelligence, a déclaré que Softomotive voit l’avenir se diriger vers des scénarios de cas d’utilisation assistés. Là, l’opportunité réside dans « la longue queue de tâches qui, de manière réaliste, ne seront jamais automatisées ou mises à jour parce que les départements informatiques sont toujours limités en ressources ».

Softomotive met l’accent sur la facilité d’utilisation, en ciblant une « nouvelle catégorie d’utilisateurs » qui ne sont pas des professionnels de l’informatique, mais des utilisateurs professionnels. L’entreprise les appelle des « automobilistes ». Kim-Hays a cité l’exemple de KPMG, où des professionnels de l’impôt qui ont suivi deux sessions de formation de 30 minutes sur Softomotive ont pu automatiser certaines de leurs tâches de préparation des impôts les plus répétitives et prévisibles.

Ce type d’APR non technique pourrait toutefois entrer en conflit avec l’utilisation croissante des technologies intelligentes. « L’apprentissage machine et l’IA vont être très spécifiques aux personnes hautement techniques, à moins que les fournisseurs ne trouvent un moyen de rendre ces technologies faciles à utiliser, a déclaré M. Tabakman.

Sinon, l’ajout de l’apprentissage machine signifiera l’écriture de code, et cela retirerait l’APR des mains des non-techniciens users, a-t-il ajouté.

Mais le marché des APR pourrait évoluer pour répondre aux besoins des utilisateurs professionnels et à la demande d’une intelligence supérieure.

« Les produits RPA devraient mettre l’accent sur la facilité d’utilisation afin de permettre aux utilisateurs finaux de prendre le contrôle de leur propre productivité pour les cas d’utilisation sur le bureau », a déclaré M. Betz. « Les cas d’utilisation RPA plus complexes et, certainement, les RPA avec des capacités d’AI/[apprentissage machine] devraient être laissés à leurs homologues informatiques ».

Pas encore

Quoi qu’il en soit, le renseignement, tout en faisant des percées dans le domaine de la RPA, n’a pas encore balayé les entreprises de manière décisive.

« L’intégration de la RPA à l’IA/[apprentissage machine] est un processus continu qui va mûrir et se développer au cours des prochaines années, car il reste un cycle de gestion du changement à traverser avant que l’automatisation ne se produise », a déclaré M. Betz. « L’évolution aboutira en fin de compte à une plate-forme d’automatisation capable de tirer des enseignements des données et d’agir immédiatement sur ces données. Cependant, les technologies sous-jacentes sont encore en évolution et nécessitent un certain niveau d’adoption et d’acceptation avant de devenir monnaie courante dans l’entreprise ».

Un obstacle : Les organisations ont mis l’IA et l’automatisation sur des voies parallèles. Lorsqu’un modèle d’IA suggère une certaine action, la plupart des entreprises veulent que des employés ou des experts valident la meilleure action suivante suggérée, a noté M. Betz. Le processus de validation peut prendre de nombreux cycles et implique une période d’ajustement avant que l’IA n’agisse automatiquement.

La plupart des entreprises, a déclaré M. Betz, « considèrent encore qu’il s’agit de deux extrémités différentes du voyage technologique et sont devenues complaisantes en les déployant comme deux progiciels ou ensembles d’outils différents – ce qui signifie qu’il peut falloir des mois ou des années pour activer la phase d’automatisation ».

En outre, les entreprises de certains secteurs industriels sont encore en train de se familiariser avec les bases de l’APR, et encore moins avec l’automatisation des processus intelligents.

Peak Consulting, basé à Hickman, Neb. se concentre sur la communauté banks et le système bancaire principal de Fiserv. Dans ce segment du secteur des services financiers, le défi n’est pas d’adopter l’intelligence artificielle ou de rajeunir des projets d’automatisation en panne. Les banques communautaires apprennent à connaître le potentiel de l’APR. Peak Consulting s’associe à Nintex pour la technologie RPA.

Les banques communautaires « travaillent encore sur ce qu’est la RPA et sur la façon dont elle peut être utilisée et sont en mesure de prendre les prochaines mesures de ce qu’elle peut faire », a déclaré Cole Anderson, vice-président exécutif et directeur du conseil en prêts chez Peak Consulting. « Nous nous retrouvons à faire plus d’éducation sur ce que fait le produit ».

La RPA est présente dans les banques communautaires, qui utilisent généralement cette technologie pour le nettoyage et la conversion des données. Dans ce cas, la RPA peut extraire des informations de différents systèmes et bases de données, puis passer au crible d’importants volumes de données afin d’éliminer les incohérences – plusieurs noms ou adresses représentant le même client, par exemple. Les banques peuvent ensuite alimenter leurs systèmes centraux avec des données propres.

1. Anderson a déclaré que la mission de Peak Consulting est d’aider les banques à maximiser leur investissement dans les systèmes de base, notant que les clients pourraient ne pas tirer pleinement profit des caractéristiques et des fonctionnalités de ces systèmes. La société joue désormais un rôle similaire avec RPA, en offrant des services de conseil pour aider les banques à comprendre l’étendue des capacités de la technologie.

L’utilisation de la RPA pour relier des systèmes bancaires disparates est un cas d’utilisation émergent qui amène les banques communautaires au-delà du nettoyage des données. Anderson a cité l’exemple des passerelles entre les systèmes d’octroi de prêts et les systèmes bancaires centraux. Les systèmes d’octroi de prêts et les systèmes centraux proviennent de fournisseurs différents. Pour les faire parler, il a fallu naviguer entre différents systèmes de middleware et outils d’ingestion de données. Mais RPA peut remplacer ces ponts, a déclaré M. Anderson.

« Nous pouvons injecter de l’APR et … obtenir ce dont nous avons besoin du système [d’octroi de prêts] et le transférer », a-t-il déclaré.

Quant à l’avenir, M. Anderson a noté que la RPA évolue dans une direction axée sur l’IA. Mais ses clients ne sont pas prêts pour ce niveau d’adoption. Il a déclaré que les banques sont nerveuses lorsqu’il s’agit d’utiliser l’IA pour prendre des décisions concernant les données bancaires de base. Cela dit, l’utilisation de l’APR par les banques communautaires est de plus en plus complète.

« Nous commençons à le voir pénétrer le marché et il se développe », a déclaré M. Anderson.