Développement d'un outil d'appariement client-fournisseur dans un contexte de transformation numérique

Le contexte actuel de transformation numérique et d'industrie 4.0 pousse l'intégralité des entreprises à se mettre à jour au niveau de la numérisation de leurs processus ou de l'automatisation de leurs procédés. Cependant, ce milieu est très complexe et les entreprises qui désirent s'y lancer nécessitent un guide pour s'y retrouver et s'orienter vers les personnes les plus aptes à répondre au mieux à leurs besoins. Notre partenaire industriel pour ce projet de recherche, la start-up montréalaise BRIDGR, est présente dans ce type d'accompagnement, mais fait face à une problématique d'efficacité de leur processus d'appariement entre leurs clients et le ou les fournisseurs répondant le mieux à leurs exigences. Nous avons cherché à répondre à cette problématique en proposant un outil d'appariement client/fournisseur à partir d'un modèle de système de recommandation basé sur le contenu appliqué au domaine de la transformation numérique. Nos recherches, basées sur la littérature scientifique et sur des observations réalisées chez notre partenaire, nous ont permis de mieux cerner les différentes caractéristiques « fournisseur » essentielles à mettre en avant lors de la recherche de fournisseurs, mais également de comprendre les critères de réussite d'un système de recommandation et les différentes perspectives d'évaluation possibles. De plus, lors de ce projet, BRIDGR a exprimé des exigences de construction pour l'outil d'appariement final que nous avons dû prendre en compte lors de notre développement de celui-ci comme la présence de leur expertise avant de transmettre les résultats au client. La méthodologie DRM (Design Research Methodology) a été employée afin de répondre à nos besoins spécifiques. En effet, cette méthodologie de recherche mixte lie des études empiriques à des approches scientifiques dans le but d'identifier les éléments clés à mettre en place pour la réussite de notre outil d'appariement. Cette proposition est donc un outil d'appariement entre une requête client et une liste de fournisseurs faisant partie de la base de données du partenaire. Cet outil d'appariement se décompose en deux couches, comme requis par le partenaire, afin de pondérer l'impact des différentes caractéristiques « fournisseur » sur le résultat final. La première couche relève d'un filtrage de tous les fournisseurs présents dans la base de données par rapport à des critères exclusifs que sont les expertises du domaine de la transformation numérique auxquelles répond le fournisseur, les langues parlées ou encore le type de service/produit fourni. Cette première étape fournit une liste composée de tous les fournisseurs ayant passé le filtre. Cette liste plus courte est ensuite passée dans la seconde étape qui va l'ordonner. Ce tri est réalisé en fonction de la similarité entre les fournisseurs restants et la requête émise par le client par rapport à d'autres critères comme le secteur d'activité principal ou encore le nombre d'années d'expérience. À cette étape, nous avons fourni huit algorithmes différents pour traiter toutes les variantes de calcul de similarité pertinentes identifiées dans la littérature. Pour le bon fonctionnement de notre méthode, nous avons dû modifier le format des requêtes client et également de la base de données fournisseur. Nous avons également classifié les différentes expertises présentes dans le spectre de la transformation numérique. Nous avons appliqué la méthode aux fournisseurs actuels de la base de données de BRIDGR pour des requêtes fictives, car aucune ancienne requête n'était utilisable. De plus, nous n'avons pas encore implémenté l'outil en situation réelle et nous avons uniquement fait des tests à l'interne. De ce fait, nous n'avons pas de résultats concernant la précision ou la satisfaction client, mais le critère de rapidité d'exécution autour duquel la problématique de notre partenaire était basée est résolu. Nous avons également identifié pour la suite des pistes de réflexion afin d'améliorer notre outil et ainsi de prendre en compte encore plus de caractéristiques pertinentes.