La machine est à l’origine du monde moderne

En collaboration avec Philippe Grize, Directeur, HE-Arc Ingénierie

L’histoire s’accélère : la machine devient autonome après avoir été longtemps sous l’emprise de l’homme, elle s’émancipe donc. Faisons rapidement un petit tour de l’évolution de la machine depuis la première révolution industrielle. D’abord, il faut évoquer la « machine à vapeur » qui va produire pour la première fois de l’énergie à volonté pour la production et les transports. S’ensuivront des transformations sociétales majeures avec de nouvelles institutions et de nouvelles constitutions.

Pour notre propos sur la machine, c’est l’arrivée des usines qui représente la transformation majeure. En effet, l’usine remplacera les ateliers et les établis des artisans.

Puis la « machine-outil » va reproduire les mouvements de la main de l’homme et en amplifier la force.

L’automobile va inventer la fabrication à la chaîne, la Ford T en sera le marqueur universel et dans l’horlogerie, ZENITH produira à la chaîne pour l’armée anglaise des montres bracelets lors de la première guerre mondiale. Puis viendra ensuite, et ceci dès les années 50, l’électronique et l’automatisation.

La programmation : c’est la naissance de la « machine à commande numérique » et des « robots ». Après les américains de General Electric et les japonais de FANUC, les fabricants suisses notamment de l’Arc jurassien se rebiffent et passent à l’offensive en perfectionnant à l’extrême la machine à commande numérique. D’autres industriels suisses romands dont Tornos suivront la tendance nouvelle et prendront ainsi le marché du haut de gamme.

Aujourd’hui, c’est une nouvelle révolution qui se profile avec le « machine learning ». L’Intelligence Artificielle prend en quelque sorte le relais. On assiste à l’émergence de machines capables de s’autoprogrammer par exemple, la machine-outil 701S de Willemin-Macodel.

Les algorithmes sont au centre de la transformation.

Dès lors que l’auto-programmation devient la règle comme pour la voiture autonome, les assistants numériques (Siri, Alexa, Google Now, etc.), les drones militaires, les applications de santé « augmentée », etc. alors la machine-outil devient à son tour « intelligente », l’ordre des choses s’inverse.

Il ne s’agit donc plus du rapport hiérarchique entre des hommes qui manipulent des machines mais bien les machines autonomes qui agissent seules et influencent l’homme. La voiture nous conduit, le téléphone organise notre calendrier en prenant la liberté de fixer les rendez-vous, le drone agit en autre comme un tueur à gage, la médecine prédit avant de guérir et la machine-outil apprend et s’autogère. Ce n’est pas tant notre nouveau rapport aux machines qui compte mais bien cette inversion de l’ordre de la chaîne de commandement, cela représente même une vraie rupture. La machine possède désormais la capacité de se comporter de manière autonome et nous devrons nous adapter.

Telle est la nouvelle réalité qui se dessine.

Quant à l’enjeu économique que cela peut représenter, il est tout simplement énorme. Il est clair que les régions industrielles qui sauront maîtriser les compétences en Big Data, en IoT (Internet des Objets), en IA (intelligence Artificielle), en machine learning, et les transformer en de « Nouveaux Modèles d’Affaires » seront les vainqueurs de la 4èmerévolution industrielle.

Les autres disparaitront.

La « grande » transformation

Depuis la première révolution industrielle, la machine a pris une part importante dans la création de richesse de nos économies avancées. Le train, la voiture, l’avion mais aussi les machines à laver, à café, la photocopieuse, le fax puis l’ordinateur avant l’avènement du téléphone mobile, etc. l’évolution de notre société est ponctuée par l’apparition de nouvelles machines et objets dédiés à notre confort et à l’efficacité du travail. Avec la révolution numérique les choses vont encore changer drastiquement car la plupart des « machines » seront virtuelles. En effet, avec l’intelligence artificielle (IA) on aura avant tout à faire avec des algorithmes de type auto-apprenants qu’on appelle curieusement « machine learning ». Cette appellation n’est en fait pas usurpée car ce sont de véritables machines dont les rouages sont fait d’algorithmes.

Tout se passe -symboliquement- avec des données comme matière première, comme l’acier peut l’être dans l’industrie, qui sont transformées, assemblées, packagées et valorisées sous forme de produits commercialisables. L’économie se dématérialise en quelque sorte mais les services et la création de valeur restent bien réels.

Et le plus important changement tient dans l’autonomie de la machine, par exemple la voiture autonome, les drones sans pilote, etc. Mais attention de ne pas confondre autonomie et indépendance car ces « machines » restent pour l’instant dépendantes de l’homme en ce qui concerne leur conception, leur mise en fonction ou leur approvisionnement en énergie (l’homme pouvant heureusement toujours tirer la prise…).

Mais la machine après avoir été longtemps sous l’emprise de l’homme s’émancipe.

C’est le « marqueur » pour définir notre époque.

Les conséquences économiques que cela peut représenter sont encore à venir mais des gains en compétitivité et en productivité vont surgir de l’application de l’IA dans l’industrie et de nouveaux produits vont voir le jour, connectant directement les clients avec les fabricants. Plus encore, les nouvelles machines-outils auto-apprenantes vont remplacer celles à commande numérique et planifieront leur besoin en maintenance avant que ne survienne une panne et un arrêt de production. On change de génération ! Et les aspects économiques sont tout simplement énormes, les gains dans l’industrie sont estimés à plus de 10’000 Milliards de francs. Il est clair que seul les industriels qui sauront maîtriser les compétences en IoT (Internet des Objets), en Big Data et en machine learning, seront les vainqueurs de la 4èmerévolution industrielle.

Reste encore la question de la valorisation par de nouveaux « business models » industriels. Ils vont aussi devoir changer de paradigmes à l’instar du modèle « Software as a Service », les fournisseurs seront rétribués lorsque leur machine aura fabriqué les bonnes pièces au bon moment, ce sera l’avènement du « Industry as a Service ». En effet, les chaines de valeurs digitales et le cloud computing vont également dématérialiser les modèles d’exploitation actuels. Les entreprises établies de longue date devront procéder à d’importants changements et imaginer de nouvelles façons de générer des profits basés sur les données valorisées en services.

Il est temps que les entreprises industrielles traditionnelles fassent de même – avant qu’un « nouveau parvenu » ne les déloge !

“Industry as a Service” 

A nouvelle vague industrielle, nouvelle vague de fabricants. Les usines deviennent « intelligentes », connectées et font appel à des nouvelles ressources en savoir-faire. Ainsi la maintenance devient prédictive et les réparations sur des machines connectées peuvent se faire à distance pour éviter tout arrêt de production. Pour cette raison, les fabricants de machine se tournent vers un nouveau business model : la machine en tant que service.

Mais la numérisation des processus de fabrication n’est pas aussi simple que de connecter des périphériques au Wi-Fi. D’une part, l’industrie manufacturière est plus reconnue pour son génie mécanique que pour ces compétences dans le numérique, sans parler de « cloud computing ».  D’autre part, l’évolution d’une organisation manufacturière vers l’Industrie 4.0 nécessite un changement de paradigme, voire de culture avec comme défi de faire communiquer des experts métiers de l’usine traditionnelle avec les data scientists.  Les industriels d’aujourd’hui n’achètent déjà plus d’équipement de production en un seul paiement, ils négocient les indicateurs clés de performance (KPI) et conditionnent une partie du paiement en fonction de la productivité de l’équipement. Par définition, ils n’achètent pas une machine, ils achètent des capacités et des performances dont ils acceptent de moins en moins de porter seuls les risques. Et les notions de maintenance prédictive de machines connectées ouvrent la porte à une gestion des équipements de production par les fabricants eux-mêmes, ce que l’on peut voir comme une menace parce que les risques reposeraient de plus en plus sur eux, mais aussi comme une immense opportunité par le développement de nombreux services associés. Par exemple, sous forme d’un « abonnement » qui garantirait aux industriels que leur parc machine est en permanence sous surveillance et opérationnel et avec un « abonnement premium », ils pourraient même bénéficier des dernières évolutions technologiques.

Les services à développer ne se limitent donc pas à la maintenance et à la réparation des équipements, ils prendront la forme de mises à jour logicielles, par définition nécessaires pour des machines connectées  mais permettant également d’en améliorer les fonctionnalités, l’ergonomie d’utilisation et les performances. Les mises à jour de nos smartphones sur des machines en tant que service générant de nouveaux profits. Les entreprises doivent regarder au-delà de leurs machines pour répondre aux attentes croissantes de leurs clients et trouver de nouveaux moyens d’accroître leur satisfaction. Une solution consiste à développer un large panel de service pour couvrir au maximum leurs besoins, sous forme de plateforme dédiée à des domaines d’activités spécifiques. Par exemple, les entreprises du numérique les plus performantes aujourd’hui ont étendu leur portefeuille de moteurs de recherche et de librairies à des méga-conglomérats technologiques, offrant aux clients finaux une possibilité de choix complet au lieu de produits individuels. En fin de compte, le client vient toujours en premier et l’Industrie 4.0 va atteindre le summum de la satisfaction du client grâce à cette philosophie de la machine en tant que service. La transformation numérique ne se limite pas à la connectivité des machines. Elle implique une approche globale basée par de nouveaux business modèles qui valoriseront machines et services en tant que solution packagée selon le besoin de chaque client.

La guerre industrielle du 4.0

Des plans nationaux ont été lancé par tous les pays industrialisés pour relancer et moderniser leur secteur industriel. L’idée étant que le numérique allait affecter profondément la manière de concevoir, fabriquer, diffuser et entretenir les produits industriels. Il fallait donc que les États donnent le signal du changement.

Ces plans ont pris dès le départ des formes différentes selon les nations concernées. Le concept a été mis publiquement en avant, pour la première fois, lors de la foire industrielle mondiale de Hanovre en avril 2011 sous le terme d’Industrie 4.0. Repris immédiatement par les américains en juin de la même année dans un projet nommé « Advanced Manufacturing initiative ». Les français ont choisi le nom d’« Industrie du Futur » en avril 2015 suivis immédiatement par les chinois avec leur « Made in China 2025 » dès juin 2015. Le Japon, quant à lui, vient de relancer cette année un ancien plan renommé pour l’occasion « Futur Vision Towards 2030s ».

Voilà le décor posé de ce que nous pourrions appeler la « guerre industrielle 4.0 ». Reste à analyser pays par pays les choix, les avancées et les succès accomplis. On finira cette série d’articles par un bilan comparatif entre ces grandes nations.

Commençons donc par un pays qui nous a tous montré la voie : l’Allemagne.

Ce pays joue un rôle déterminant pour les suisses car grosso modo nous suivons la même stratégie industrielle que notre voisin.

Organisé en « bottom-up » le plan est basé essentiellement sur les initiatives des entreprises privées. Mais deux axes transversaux ont été également mis en avant : la formation et les briques numériques indispensables aux changements comme les Big Data, l’Internet des Objets (IoT), le machine learning (IA), le cloudcomputing, la 3D ou le digital thinking, etc.

Il y a donc dans ce pays une anticipation forte à faire évoluer rapidement les savoir-faire en impliquant très tôt les centres de formation, les apprentissages et les organisations patronales comme par exemple, les chambres de commerce. La mobilisation passe aussi par les jeunes et les dirigeants d’entreprises. La clé du succès est pour eux à chercher dans la force de travail et par conséquent dans des plans de valorisation des ressources humaines. L’effort est considérable. Tout le système s’est mis au travail : université, instituts technologiques, fachoschulen, formation en apprentissage et même des écoles privées du digital. Le pays tourne sa formation massivement vers le numérique !

Les briques du numérique

Au lieu de mettre principalement l’accent sur les start-ups du numérique comme en France ou aux USA, l’Allemagne a choisi de porter son effort sur le tissu industriel existant des PME. Il faut dire qu’une majorité d’entre elles sont orientées à l’export et doivent lutter par l’innovation contre leur concurrent asiatique ou des pays de l’Est européen aux salaires des travailleurs très compétitifs. L’industrie 4.0 qui est gourmande en capital mais moins en main- d’œuvre est vu dans ce pays comme un chance vers une réindustrialisation du pays !

Donc brique par brique, plutôt que par secteur ou parle biais des start-ups, le pays cherche à innover avant tout dans son tissu industriel déjà en place comme l’automobile ou la machine-outil.

Les entreprises jouent le jeu car in fine elles n’ont guère le choix si elles veulent rester allemandes.

Les USA

Obama avait lancé en 2011, le projet nommé « Advanced Manufacturing initiative » répondant ainsi à l’offensive allemande d’Industrie 4.0. Le choix américain avait pour but dès le départ de favoriser une approche digitale en s’inscrivant ainsi dans la révolution numérique. Pas question d’affronter les autres pays sur le hardware mais bien avec le software pour lequel les Etats Unies avaient une longueur d’avance. Ainsi des projets phares dans l’industrie automobile, comme ceux de la Google Car ou Tesla ont influencé le monde de l’automobile. Cette industrie est désormais autant software que hardware car il s’agit évidemment de rendre la conduite automobile autonome. C’est un problème d’algorithmes plus que de ferraille … Cette extraordinaire perspective indique bien la direction de la transformation du tissu industriel américain. 

Le software est l’enjeu pour eux. Les Big Data mais surtout les algorithmes de l’Intelligence Artificielle sont les éléments centraux de toute cette transition digitale. La course à la voiture autonome dans laquelle tous les constructeurs se sont lancés, est au cœur de la révolution industrielle américaine. Dans ce pays, la voiture et l’industrie qui la produit, ont ensemble façonner le pays. Routes, autoroutes mais aussi style de vie en mouvement (on the road) sont à la base de la vie américaine du 20èmesiècle et se prolonge dans le nouveau siècle. C’est certain. On ne se rend pas bien compte ici à quel point la voiture autonome est un challenge mobilisant presque tous les efforts industriels aux USA. Certes, d’autres industries comme notamment l’industrie spatiale avec SpaceX participent également au renouveau industriel mais l’automobile reste la pièce maîtresse de la révolution industrielle. Les autres compétiteurs dans ce secteur comme les constructeurs allemands, français, japonais, chinois ou coréens l’ont bien compris. Ils font tout leur possible pour rester dans le coup, mais on le voit bien le centre des opérations de cette guerre industrielle est la Californie.

L’arrivée de Donald Trump à la Maison blanche a changé encore un peu la donne. Bien que son administration ne semble pas lancer de grands plans d’innovation, ses initiatives verbales comme America Firstou parlementaire comme lescoupes importantes d’impôts pour les entreprises (sur sol américain) et les renégociations des accords commerciaux internationaux, redistribuent totalement les cartes. L’Amérique redevient fiscalement et économiquement très compétitive. Ainsi la guerre industrielle ne sera pas tant technologique que commerciale. En d’autres termes, les conditions cadres américaines pour l’industrie se sont grandement améliorées. 

La Chine

Dans cet affrontement industriel on pourrait dire que la Chine privilégie plutôt les plateformes (la sur-traitance économique en quelque sorte, on y reviendra). 

Il est clair que cette description est un peu sommaire mais elle a l’avantage d’éclairer rapidement sur la différence des approches choisies par ses trois pays. 

Grosso modo : le hardware est l’approche par les machines industrielles, le software par les Big Data et les Algorithmes (dont notamment le « machine learning ») et les plateformes, c’est la sur-traitance industrielle. Lors d’une visite à Shanghai et sa région, avec un groupe d’industriels neuchâtelois, nous avons découvert ce concept industriel chez Envision Energy, une société orientée vers la fabrication d’éoliennes et de panneaux solaires pour la production d’électricité verte qui a développé dans le cadre d’une vision de « smart energy » un concept de plateforme de sur-traitance extrêmement efficace. Envision Energy ne fabrique pas seulement, elle gère pour ces clients (des sociétés de production et de distribution d’électricité) l’ensemble de leurs activités. La plateforme est le centre névralgique de leur modèle économique. 

Comment cela marche ?

Eh bien, c’est très simple : à partir d’une plateforme software la compagnie oriente les éoliennes, les panneaux solaires en fonction des conditions météo et des besoins du marché…une sorte d’immense bourse en temps réel entre besoin et production, le tout en fonction des prix. Comme cette plateforme marche bien pour leur client, elle a été ouverte à d’autres producteurs venant de l’hydroélectrique, du charbon, du pétrole ou du nucléaire. Une gestion intelligente (smart energy) n’est possible qu’à partir de plateforme de sur-traitance. C’est lorsque tous les acteurs sont réunis sous la même baière que l’on peut offrir une gestion « intelligente ». Il fallait y penser. Les chinois l’ont fait !

Ce n’est pas le seul domaine où les chinois avancent leur sur-traitance. Tencent, la plus grosse compagnie au monde qui détient notamment WeChat (messagerie) est conçue comme une entreprise de sur-traitance. Bien sûr, nous sommes ici face à une compagnie qui est d’abord une entreprise d’informatique et de télécommunications (réseaux sociaux et e-commerce) … mais les chinois ne s’embarrassent pas de ce genre d’étiquette. Tencent fait aussi dans la finance et les jeux !

Des conglomérats d’un nouveau type surgissent en Chine et auront un effet sur la planète entière. La vision chinoise de la sur-traitance sera un modèle économique dominant qui entraînera d’une manière ou d’une autre toute la révolution industrielle. On peut d’ores et déjà dire que si le numérique joue un rôle clé dans l’industrie 4.0, les plateformes de la sur-traitance seront à la base de toute l’économie 4.0 mondiale. 

La Chine montre le chemin, à n’en pas douter.

Et la Suisse…

Dans cet affrontement industriel entre géants mondiaux ; si l’Allemagne privilégie le modèle autour du hardware et les USA celui du software et la Chine plutôt les plateformes (en quelque sorte la sur-traitance industrielle), alors on peut se poser la question quel modèle va suivre la Suisse ? 

Juste pour rappel : le hardware est l’approche par les machines industrielles, le software s’intéresse aux Big Data et Algorithmes (dont notamment le « machine learning ») quant aux plateformes, c’est simplement de la sur-traitance.

Eh bien, la Suisse comme toujours suit l’Allemagne. Cependant, il faut voir que dans la révolution numérique, la Suisse possède deux caractéristiques qui la différencie de tous avec deux compétences technologiques fondamentales qui lui donnent une position tout à fait enviable. La première concerne l’Internet des Objets (IoT) notamment en « microchip ultra-low energy » (chip développé au CSEM et chez EM Microelectronic Marin dans la Canton de Neuchâtel) et la deuxième s’inscrit dans l’Intelligence Artificielle en particulier, le « machine learning » avec la Fondation Dalle Molle à Lugano (TI) et l’immense Centre de recherche Google à Zurich. Ces deux avantages compétitifs font que la Suisse est un acteur non négligeable dans cette guerre industrielle d’autant plus que l’entreprise suisse ABB fait partie des cinq géants avec Siemens, GE, Hyundai et le chinois Sinomach qui se disputent la suprématie industrielle mondiale.

Mais la Suisse, c’est aussi l’innovation notamment celle des PMI. Et dans cette perspective, il n’est pas rare de tomber sur de véritables pépites d’or. Factory5 du très dynamique patron Samuel Vuadens, en est un bon exemple. Une plateforme de sur-traitance industrielle pour l’Industrie 4.0 tel est le produit. Cela veut dire que très concrètement les industriels partenaires de cette plateforme sont capable de fabriquer des pièces industrielles à partir de fichier numérique produit par d’autres entreprises et qui transiteront par la plateforme : la chaîne de la valeur « digitale » n’est plus interrompu ! C’est un saut immense pour l’industrie…et la Suisse est dans le coup !

La révolution industrielle 4.0 est en marche dans le pays que ce soit la fabrication additive (impression 3D) ; la connectique (usine entièrement connectée (la 51 de Swatch) et également de objets produits comme la Tag Heuer ; l’Internet des Objets (IoT avec Em Microelectronic Marin), L’Intelligence Artificielle notamment le « machine learning » (Lugano-Zurich); l’automatisation extrême (Usine de Novartis à Stein) ou maintenant les plateformes de sur-traitane (factory5).

Swissmem lança en 2015, avec trois autres associations professionnelles, une initiative allant dans le sens des Allemands et de l’industrie 4.0. Aujourd’hui, les résultats sont très encourageants même si la Confédération et ses différents organes d’encouragement à la recherche et à l’innovation ont assuré un service minimal. Cela n’a pas empêché les entreprises de s’adapter et évoluer rapidement …et ce n’est pas plus mal !

 

(R)évolution industrielle: de la machine à vapeur au machine learning

L’évolution des sociétés avance par à coup. Elle est souvent dictée par les grandes découvertes technologiques comme l’imprimerie, la machine à vapeur, le moteur à explosion, l’électricité ou encore Internet. Mais ce qui change à chaque fois, c’est notre rapport aux autres et à la société à travers de nouvelles lois et de nouvelles institutions, sans oublier aussi nos rapports nouveaux aux objets, aux outils et surtout aux machines. Ainsi le rapport de l’homme à la machine est évidemment central dans cette (r)évolution. On pourrait même qualifier les quatre révolutions industrielles à travers quatre marqueurs montrant nos nouveaux rapports.

Démonstration:

D’abord, la « machine à vapeur » va produire de l’énergie à volonté pour la production et les transports de l’homo-industriel. Le chemin de fer sera l’objet révolutionnaire de cette époque. Puis la « machine-outil » va amplifier la force et les mouvements de la main de l’homme. La production automobile à la chaîne (la Ford T) en sera le marqueur. Puis viendra l’électronique d’après-guerre et l’automatisation. La programmation : c’est la naissance de la « machine à commande numérique » et des « robots ». L’Intelligence Artificielle et en particulier le « machine learning » prennent aujourd’hui le relais. On assiste à l’émergence de machines et d’objets capables de s’autoprogrammer ! Ainsi on pourrait s’imaginer que la machine va libérer petit à petit l’homme des tâches de production. La boucle est bouclée. L’homo-cognitif pourra retourner à la nature et se promener. Le « Jardin d’Eden « se fabrique à nouveau sous nos yeux. Bien sûr ce n’est qu’une parabole. La réalité est plus complexe.

Bref récit d’une nouvelle émancipation.

Les données sont au centre de la transformation. Elles sont produites en quantités inimaginables par ces nouveaux objets. On peut même dire que les Big Data sont nées avec les smartphones. Personne n’en parlait auparavant car il n’y en avait pas autant. Maîtriser ce flot de données sera confié aux « data scientist » qui sont en train de surgir. Ils s’appuieront rapidement sur des procédures d’automatisation empruntées à l’Intelligence Artificielle.

Dès lors que l’auto-programmation devient la règle comme pour la voiture autonome, les assistants numériques (Siri, Alexa, Google Now, etc.), les drones de guerre, les applications de santé « augmentée » ou encore la machine-outil, on change de monde.

Il ne s’agit donc plus d’un rapport hiérarchique entre les hommes et les objets manipulés par nous mais bien d’objets qui dictent leur conduite. La voiture suit son chemin, le téléphone organise notre calendrier en prenant la liberté de fixer les rendez-vous, le drone tue de manière chirurgicale et la médecine guérit avec précision en quelque sorte sans coup férir. Ce n’est pas tant notre nouveau rapport aux objets qui choque mais bien cette inversion de l’ordre, de la chaîne de commandement. L’objet dicte son rythme et nous devrons nous adapter. Telle est la nouvelle réalité qui se dessine.

Encore une dernière réflexion sur l’enjeu économique que cela peut représenter.

Il est clair que les régions industrielles qui sauront maîtriser les compétences en Big Data, en IOT, en IA  grâce à de « Nouveaux Modèles d’Affaires » seront les régions vainqueurs de demain.

 

Apple “Watch4Health” fait mal à l’industrie horlogère suisse !

Les analystes sont formels: la montre suisse se vend moins bien (en volume).

D’abord les statistiques de la Confédération montrent une baisse des exportations horlogères au courant du troisième trimestre 2018 (extrait du communiqué: “La plus forte baisse a concerné les exportations horlogères (-5,2%), qui accusent leur premier revers depuis janvier 2017.” Et même-ci les statistiques de la Fédération Horlogère Suisse montrent des résultats globaux optimistes en valeur cela ne concerne pas les volumes car au total le nombre de pièces exportées a diminué de 9,8% en une année (octobre 2017/18). Cette tendance à la baisse des volumes est lourde puisqu’en 2012 la Suisse produisait plus de 29 millions de montres pour moins de 24 millions aujourd’hui.

Ensuite, selon l’institut d’analyse UBS, Apple aurait vendu 18 millions d’unités en 2017. En 2018, la progression des ventes atteindrait 33 % par rapport à l’année d’avant, avec une prévision de 24 millions d’unités vendues.

Et la hausse devrait continuer l’année prochaine. UBS prévoit en effet 33 millions de ventes d’Apple Watch pour 2019. Cela équivaudrait donc à une progression de 83 % sur deux ans.

La montre d’Apple reste loin de l’iPhone cependant en termes d’unités écoulées. En effet, la société californienne vend ces derniers temps plus de 200 millions d’iPhone par an. L’iPad est plus proche dans une certaine mesure, avec moins de 45 millions d’unités écoulées sur l’année fiscale 2018 (octobre 2017 à octobre 2018).

Si l’Apple Watch continue sur cette lancée cependant, aidée par un rythme de renouvellement annuel, il ne serait pas impossible qu’elle dépasse le score des tablettes Apple, dans quelques années. Il faudra cependant pour cela que le public soit plus réceptif avec les montres connectées. Car comme le rapporte CultofMac via une étude menée par UBS, à ce jour, moins de 50 % de la population se dit intéressés par l’achat d’une montre connectée.

Cependant les choses pourraient changées tellement l’apport de l’Apple Watch 4 pour la santé (Apple Watch4Health) devient déterminant: ” Surveillance du rythme cardiaque, alerte automatique pour les chutes accidentelles, réveil lors de sommeil au volant, etc.” que la montre s’impose aux personnes âgées   qui sont pourtant les derniers adeptes incontournables des montres suisses…. la fin s’annonce dramatique pour toutes les montres qui ne sont pas considérées comme des bijoux …

(sources: IFon.fr et Admin.ch et FHS)

Politiciens : réveillez-vous, la santé est malade !

Les primes prennent encore et toujours l’ascenseur.

Cela devient pénible pour beaucoup de gens et surtout les familles..Mais pour certains cela devient insupportable et ils cessent de payer.

En 2014, 7’300 suisses ne payaient plus leur primes … ils ont été plus de 30’000, selon “santésuisse” en 2016 . C’est une croissance de 300%. Et cette année ils vont sans doute être plus de 60’000 *.

Des manifestations – en Romandie – ont encore une fois sonné l’alarme car le système de la santé va en Suisse droit dans le mur.

Car au niveau du pays, cela menace d’affecter les équilibres politiques et sociaux comme aux Etats Unis. Mais quel est exactement le problème ? Et qui va arrêter cette croissance vertigineuse des dépenses ?

Qui va venir au secours des familles ?

Contrairement à ce que dit le monde politique (et avec eux, certains acteurs du domaine de la santé) le problème n’est pas du tout complexe car la solution est très simple : Il suffit de contrôler l’emploi. En effet, Il faut savoir que celui-ci est responsable de près de 80% des coûts totaux et que l’embauche du personnel dans la santé s’est envolée ces dernières années : +100’000 emplois en dix ans. Cela correspond à 10 milliards de charges en plus pour le système et les assurances individuelles ont été ajustées en conséquence. On a simplement payé. Voilà la réalité crue. Le domaine de la santé semble échapper à toute rationalité et à toute recherche de productivité. Si l’on a un projet ou un problème nouveau, alors on embauche. Incroyable ! C’est ainsi que l’on fonctionne. Personne ne s’en inquiète puisqu’à la fin, c’est l’assuré qui paye !

Alors la question qu’il faudrait désormais se poser est la suivante : Qui va pouvoir contrôler les coûts en réduisant le personnel ? En tout cas, pas les politiques qui proposent la caisse unique. Pas les pharmas qui cherchent de l’argent pour la recherche. Pas les assurances qui essaient de reconstituer leurs réserves. Pas les hôpitaux qui multiplient l’offre notamment en ambulatoire. Pas les médecins qui cherchent à compenser les effets négatifs du TARMED sur leur salaire. Donc, il va falloir chercher ailleurs.

Devinez où ?

Eh bien, comme toujours ce sont les entreprises orientées Internet comme les GAFAIM (Google, Apple, Facebook, Amazon, IBM, Microsoft) qui vont faire le boulot. On sait comment elles vont procéder. Regardez ce qui s’est passé avec les librairies, les médias, le tourisme, etc. Ils ont été à chaque fois capables de faire effondrer les prix tout en empochant de jolies marges et en sortant la concurrence du marché. C’est exactement ce qui va arriver dans le domaine de la santé. Watson d’IBM va être notre oncologue ou notre médecin de référence. Apple, notre cardiologue (Apple Watch). Google, notre opticien (lunette augmentée). Facebook, notre réalité virtuelle. Amazon, notre cloud pour le dossier médical. Microsoft, notre analyseur de Big Data, etc., etc.

Bref, la maîtrise de la santé change de main. Et les nouveaux partenaires santé sauront sans doute faire ce que personne ne veut faire aujourd’hui : baisser les primes.

Il ne faudra pas ensuite se plaindre de leur domination, n’est-ce pas Mesdames et Messieurs les politiciens ?

* Caritas a déclaré hier : ” Les ménages à faibles revenus ne peuvent plus payer des primes d’assurance-maladie sans cesse en augmentation. Ces primes poussent ces personnes dans la pauvreté, et beaucoup de familles sont impuissantes à faire face à cette évolution. Cette situation est intenable d’un point de vue politique et social, et extrêmement lourde pour les personnes concernées. En quatre déclarations, Caritas Suisse prend position à ce sujet et montre ce qu’il faut faire pour que les primes d’assurance-maladie ne soient pas un piège”.

Xavier Comtesse est l’auteur du livre : Santé 4.0, le tsunami du numérique, Georg, Genève, 2017 et co-auteur de “Médecine augmentée”, 2018 avec Daniel Walch.

La SUVA économise 60 millions grâce à l’IA !

La Suva a économisé plus de 5% du total des frais de traitement en 2017 en vérifiant systématiquement les factures des médecins et des hôpitaux de ses assurés à l’aide de logiciels issus de l’IA.

Cela représente plus de 60 millions de francs d’économies.

Les contrôles s’améliorent chaque jour, grâce à l’utilisation de systèmes d’apprentissage automatique (IA) a indiqué récemment la Suva.

En 2017, l’assurance a reçu 2,5 millions de factures. Elle en a corrigé ou refusé 160’000, en légère augmentation par rapport à l’année précédente.

Le système informatique identifie automatiquement environ 10% des erreurs. Dans 90% des cas restants, il signale un problème qui nécessite l’intervention des spécialistes des frais de traitement de la Suva. Le logiciel apprend des décisions prises par les spécialistes et s’améliore ainsi de jour en jour.

En 2017, les frais de traitement totaux se sont élevés à environ 1,2 milliard de francs. Sur les 60 millions de francs économisés par la Suva, 60% sont le résultat du contrôle des factures émises par des hôpitaux et 40% du contrôle des factures établies par des médecins.

En suivant ce modèle de logiciels IA et en le généralisant on pourrait économiser plusieurs milliards de francs dans le système suisse de la santé soit 5% du total.

C’est exactement ce qu’il faudrait faire: n’est-ce pas Monsieur Berset!

page1image3703504

Des gains en productivité… pour une médecine au service des gens !

Dans le domaine de la santé, la loi de Baumol sur la croissance déséquilibrée (loi qui démontrait que des services tels que santé, éducation, spectacles vivant n’étaient pas susceptibles de dégager des gains de productivité) se trouve aujourd’hui remise en cause. En effet, l’Intelligence Artificielle peut produire un changement de paradigme (voir livre : Médecine Augmentée de Daniel Walch et Xavier Comtesse, éditions G d’Encre).

La santé connaîtra en particulier des gains de productivité. Ainsi, les coûts croissants dans ce secteur ne relèvent plus de la fatalité. Conjuguer les technologies de l’information à l’IA, même si nous ne sommes pas encore sûrs de toutes les formes que prendront ces arrangements, ouvre pour la première fois la possibilité de gains de productivité massifs dans ce domaine.

Cependant un point risque de faire problème politiquement : celui de la mise en œuvre. Car il y a un très gros risque à éviter qui tient au fait que les acteurs actuels du système de santé ne sont pas motivés pour entreprendre quoi que ce soit.

Le système aujourd’hui convient grosso modo à tous. Seuls les patients, qui sont aussi des électeurs, voient leur situation se détériorer avec les augmentations systématiques et constantes de leurs primes.

C’est pourquoi nous pensons qu’effacer ce risque tient du devoir politique “au sens large”  .

Comment s’y prendre ?

Sans doute faut-il d’abord respecter les pouvoirs réels du Parlement, à savoir la capacité de légiférer d’une part, et d’attribuer des crédits d’autre part.

En restant strictement dans les compétences du Parlement fédéral, on peut piloter un changement en profondeur qui favorisera l’éclosion des technologies (matérielles et logicielles) pour développer un système de santé « soutenable ».

Pour bien faire, pensons-nous, il faudrait construire une action coordonnée sur quatre axes :

« La régulation (1), l’éducation (2), la recherche (3) et enfin l’innovation (4) »

La régulation d’abord : Les bases légales de SwissMedic pourraient valablement être révisés pour inclure dans le cahier des charges de cette institution la capacité de valider, d’autoriser l’usage de certains algorithmes de l’IA qui favorisent la baisse des coûts du système de santé. Il faut penser en termes de « durabilité » du système et pas seulement en termes de « sécurité ». Une thérapie, un médicament, un dispositif et un algorithme doivent à la fois être efficaces mais aussi acceptables au niveau des coûts pour ne pas mettre en péril tout le système. Cette vision pourrait donc être inscrite dans la loi.

Utopiste ? Pas forcément, car, comme on l’a vu, la très exigeante Food and Drug Administration américaine (FDA) a autorisé la mise sur le marché d’une IA capable de diagnostiquer une déficience visuelle liée au diabète.

L’éducation ensuite :  Introduire dans le « cursus » général de la formation médicale des connaissances et savoir-faire en matière de Big Data, d’IoT et d’IA. Des cours MOOC permettraient de rapidement former des milliers de médecins à ces techniques. De manière plus spécifique, la mise en place de véritables filières de « data scientists » médecins experts en IA devrait être développée. La formation est le premier pilier du changement. Les médecins doivent maîtriser le fonctionnement des technologies et les algorithmes auto-apprenants du futur.

Rappelons que le MOOC de l’Université de Stanford « Machine Learning: Master the Fundamentals » qui couvre entre autres le domaine de la santé, est le MOOC le plus suivi de l’histoire de l’éducation online (plus d’un million d’étudiants). Plus de 20% des meilleurs MOOC du moment aux Etats-Unis concernent l’IA.

La recherche: Par le biais du Fonds National Suisse de la Recherche (Division III), un programme de recherche pour l’amélioration des coûts de la santé utilisant les nouvelles technologies notamment par le recours à l’IA, devrait être lancé. Ce programme inciterait des jeunes chercheurs à s’engager dans une quête qui pourrait déboucher sur de nouvelles idées, voire de nouvelles applications. C’est la meilleure méthode pour créer autour d’une problématique une émulation fructueuse. Pas de plans nationaux (top-down), juste une incitation à la créativité (bottom-up). Pourquoi alors recourir au Fonds national de la recherche et ne pas commanditer directement une ou plusieurs entreprises ? Tout simplement parce que le problème risque d’être récurrent. En effet, de nouvelles pratiques apparaîtront avec le temps et il faudra à nouveau les corriger. Il va falloir donc adapter à nouveau la réponse en fonction de l’évolution des pratiques et ce champ d’investigation risque de devenir une économie en soi.

L’innovation pour finir : InnoSuisse, le fonds pour l’innovation suisse, pourrait aussi s’impliquer afin d’encourager le monde des start-ups et des PME aux enjeux de l’IA. Un grand réservoir d’innovation, notamment en IA, s’offre effectivement à ces entreprises et il faudrait pouvoir soutenir concrètement leurs efforts.

En esquissant rapidement ces quatre axes d’un projet politique qui devrait être national, on comprend comment on peut enclencher le changement. Bien sûr, nous sommes conscients que beaucoup de choses devront être fixées le long du parcours politique d’une telle proposition, mais nous sommes convaincus que la technologie et notamment l’IA, peuvent venir au secours d’un système de santé à bout de souffle et menacé.

 

 

Machine Learning… ces algorithmes qui apprennent par eux-mêmes !

avec Lev Kiwi, mathématicien et maître IA

Depuis une dizaine d’années, on assiste à un développement sans précédent de l’intelligence artificielle. Afin de comprendre comment de tels exploits sont possibles, il faut s’intéresser notamment aux algorithmes d’apprentissage automatique (machine learning).

L’approche classique consiste à préprogrammer tous les cas possibles en amont. On a ainsi une approche déterministe et un algorithme relativement compréhensible. Pour un même input, on aura toujours le même output. C’est en quelque sorte une mécanique digitalisée. Cette approche a été le standard dans le domaine. Bien que la puissance de calcul croissante des ordinateurs permette l’exécution d’algorithmes de plus en plus complexes, ce n’est que lorsque ces algorithmes sont enrichis de modèles statistiques que le vrai potentiel d’une intelligence artificielle est libéré. La programmation suit ainsi une approche probabiliste. Conséquemment, pour un même input, nous n’aurons plus forcément le même output. Il dépend du jeu de données utilisé pour l’apprentissage.

Aujourd’hui, il existe une quantité astronomique de modèles statistiques, chacun avec ses avantages et ses inconvénients. L’atout majeur d’une telle prolifération de modèles réside dans la possibilité de créer plusieurs représentations différentes d’un même problème. Évidemment, un modèle s’appliquant dans un contexte ne s’applique pas forcément dans un autre. L’art de la science de la donnée repose notamment dans la découverte de patterns favorisant l’utilisation d’un modèle plutôt qu’un autre.

Selon la fameuse définition de Mitchell (1997), on dit qu’un algorithme apprendde son expérience à une tâche lorsque sa performance à cette tâche s’améliore avec l’expérience. Pour de tels algorithmes, l’expérience prend en général la forme de données informatisées. Par ailleurs, un algorithme a besoin d’une mesure de sa performance pour apprendre. Cette mesure se traduit souvent par la minimisation d’un taux d’erreurs. Ainsi, pour une tâche donnée, ces algorithmes d’apprentissage automatique ou machine learning utilisent des données afin de minimiser de façon automatique et optimal leurs taux d’erreurs. Conséquemment, il n’y a pas vraiment d’intelligence ou d’apprentissage au sens biopsychologique du terme, mais uniquement un problème d’optimisation à résoudre.

En règle générale, un algorithme a besoin de données d’entrainement pour apprendre. Ce n’est que dans un deuxième temps que le modèle est capable de faire des prédictions. Lors de la première phase, dite d’apprentissage, l’algorithme essaye de découvrir des patterns dans ces données d’entrainement afin de maximiser la probabilité de faire une prédiction correcte. C’est un raisonnement purement statistique et probabiliste. Pour un certain input, l’algorithme prédit un certain output car ce dernier est le plus fréquent dans les données d’entrainement. Evidemment, les associations input / output suivent différents patterns et là se trouve tout l’art de la science de la donnée.

Comment est-ce que l’industrie de la santé va utiliser ces composantes informatiques cognitives ?

à voir ici le graphe synthétique du machine learning IA_2018_InfoGra

Les logiciels IA font économiser 5% des frais médicaux : le patient va-t-il en profiter Monsieur Berset ?

La Suva a économisé plus de 5% du total des frais de traitement en 2017 en vérifiant systématiquement les factures des médecins et des hôpitaux de ses assurés. Cela représente plus de 60 millions de francs d’économies.

Les contrôles s’améliorent chaque jour, notamment grâce à l’utilisation de systèmes d’apprentissage automatique (machine learning) a indiqué aujourd’hui 16 octobre la Suva.

En 2017, l’assurance a reçu 2,5 millions de factures. Elle en a corrigé ou refusé 160’000.

Le système informatique identifie automatiquement environ 10% des erreurs.

Le logiciel apprend des décisions prises par les spécialistes et s’améliore ainsi de jour en jour.

En 2017, les frais de traitement totaux se sont élevés à environ 1,2 milliard de francs.

Sur les 60 millions de francs économisés par la Suva, 60% sont le résultat du contrôle des factures émises par des hôpitaux et cliniques tandis que les 40% restant provenaient des factures établies par des médecins !!!

(extrait/awp)

URGENT : les études de médecine doivent inclure l’IA !

L’intelligence artificielle (IA), basée notamment sur des algorithmes d’apprentissage de « Machine Learning » (ML), est une branche du domaine de l’informatique qui gagne très rapidement de l’importance dans le secteur de la santé. Cependant, l’enseignement médical universitaire dans le monde n’a pas encore inclus cette technologie dans le cursus, la Suisse ne fait pas exception à la règle !

Le grand public est pourtant devenu conscient de l’impact futur de l’IA et attend aussi des résultats positifs pour les soins de santé, par exemple en fournissant aux cliniciens de meilleurs diagnostics ce à quoi les professeurs de médecine « semblent » oculter.

Vijaya B. Kolachalama, Professeur adjoint de médecine à la Boston University School of Medicine vient de publier un article * choc qui conclut que l’enseignement de l’IA est indispensable aux nouveaux médecins.

Les chercheurs ont effectué en premier lieu une recherche avec « apprentissage automatique » pour constater que le nombre d’articles publiés dans le domaine du « blanchiment de capitaux » avait augmenté depuis le début de la décennie. En revanche, le nombre de publications relatives à l’enseignement médical est resté inchangé depuis 2010.

« Il est donc urgent de sensibiliser tout le corps professoral, mais aussi les étudiants et les internes sur le campus médical de l’université de Boston », tel est le verdict du Professeur. Pour ce faire, il a conçu un cours ayant pour but de sensibiliser la prochaine génération de professionnels de la santé et de jeunes chercheurs issus des domaines du biomédical et des sciences de la vie aux nouveaux concepts et de les préparer à la révolution numérique en cours dans la science des données.

Alors que l’éducation médicale pense aux compétences classiques des médecins notamment par l’approche statistique, le « Machine Learning » ouvre la voie à la prédiction et à la médecine de précision hautement prometteuse. Les auteurs espèrent que cet article incitera les facultés de médecine à réagir rapidement face à l’évolution fulgurante de l’IA et à son utilisation dans les soins aux patients. « Une technologie sans connaissance de son potentiel et de ses applications par les médecins n’a aucun sens et ne fera que perpétuer les coûts des soins de santé. »  –

Cet article a été republié à partir de matériel fourni par le Boston Medical Center.  * Kolachalama, V. B., et Garg, P. S. (2018). Apprentissage automatique et éducation médicale. Npj Digital Medicine, 1 (1), 54. https://doi.org/10.1038/s41746-018-0061-1