L’intelligence artificielle dans tous ses états L’intelligence artificielle est aujourd’hui un vecteur de progrès important pour de nombreux domaines. Toutefois, il semblerait que les industriels ne soient pas encore vraiment convaincus. Que se passe-t-il dans l’usine du futur ? Où en sommes-nous en 2019 des applications de l’IA ? Quelles perspectives pour l’avenir ?
Parmi les domaines professionnels où l’IA s’est particulièrement développée, on trouve le domaine médical, les transports ou celui de la vente en ligne. Dans le domaine de la santé on entend parler d’algorithmes capables de diagnostiquer des pathologies et de proposer les traitements appropriés comme le ferait un médecin (Watson d’IBM s’illustre régulièrement dans ce domaine). Pour les transports, l’IA fait grand bruit pour ses prouesses à bord des véhicules autonomes (trains, voitures, camions…). Les voitures autonomes sont ainsi capables de comprendre l’environnement qui les entoure afin de s’y déplacer sans risques grâce à la reconnaissance d’images (Waymo de Google notamment). Enfin dans le domaine de la vente en ligne, les suggestions d’achats ainsi que les produits personnalisés sont deux exemples matures d’utilisation de l’IA (par exemple « Nike by you » qui permet à ses clients de personnaliser leurs chaussures en ligneou H&M qui lance des campagnes de soldes personnalisées auprès de ses clients).
Qu’en est il de l’industrie ? Il existe bien sûr des applications industrielles mais elles semblent pour la plupart beaucoup moins généralisées ou encore au stade de prototypes. Quelles sont ces applications ? Comment expliquer notre retard ?
En route vers l'usine du futur
Quels sont les terrains de jeux de l’intelligence artificielle dans l’industrie ? Parmi les apports de l’intelligence artificielle à l’industrie manufacturière on note :
La planification de maintenance avec la maintenance prédictive
L’amélioration des processus industriels grâce à l’optimisation des paramètres de fabrication et l’exploitation des données des capteurs sur les lignes de production (avec Braincube par exemple)
La mise en évidence des défauts dans les chaînes de productions par l’analyse des flux dans les usines
Quelques exemples d’avancées concrètes qui augurent le meilleur avenir pour l’intelligence artificielle dans l’industrie :
En 2017 déjà, Panasonic dévoilait son utilisation du Kaizen dopée par l’IA dans son usine de Saga au Japon. Grâce à une combinaison entre IoT et IA, Panasonic pouvait alors capter et exploiter les données de déplacements de ses opérateurs ainsi que leurs interactions avec les machines pour déterminer les pertes de temps et les difficultés d’exécution afin d’optimiser les configurations des machines. Soulignant ainsi l’avance du Japon dans le domaine de l’IA.
En Août 2019, Alstom lançait son programme « Dynamic maintenance » basé sur l’IA. Ce programme en collaboration avec les utilisateurs de ses trains permettait à la société de prédire les maintenances nécessaires sur certains éléments comme les portes, les freins ou les climatisations. Le constructeur soulignait alors que pour d’autres parties des trains comme balais d’essuie-glaces, la traction et les réducteurs, une approche continuelle suffisait du fait de la fiabilité de ces éléments.
IA installé dans une de ses usines en Pologne avec des résultats prometteurs.
L’intelligence artificielle est un outil particulièrement adapté dans le cas où l’on possède une quantité d’exemples importante pour traiter un sujet. Ceci explique le succès (médiatique au moins) de la maintenance prédictive ou de l’amélioration des processus industriels.
Pourquoi l’IA n’est pas déjà plus adoptée en France ? La quantité et la qualité des données sont le nerf de la guerre pour créer des intelligences robustes. Mais c’était sans compter sur la peur de la concurrence et la protection du savoir-faire industriel ! Ce sont elles, sans doute les plus grandes ennemies du développement de l’IA en France. Les industriels restent donc réticents à utiliser leurs données et c’est sans surprises que peu d’intelligences spécialisées sont disponibles sur le marché.
Le manque de formations adaptées en France est également pointé du doigt par le rapport Villani.
On peut aussi citer un problème d’approche top-down trop systématique. Les décisions d’implémentation de l’IA sont actées depuis des bureaux quand ces décisions devraient être prises dans les usines et relayées par la suite. L’IA arrive mieux à convaincre quand elle émerge directement des équipes terrains et de leurs besoins. C’est pourquoi passer par des Proof of Concept semble idéal pour obtenir l’adhésion des collaborateurs et concentrer les efforts pour obtenir des résultats visibles de tous.
Enfin, un autre problème de l’IA est lié à son manque d’explicabilité : la boîte noire ! En effet bien que L’IA possède un côté merveilleux en permettant à un ordinateur d’apprendre à réaliser une tâche que son programmeur ne maîtrise pas forcément lui-même. Cela devient un problème car les décisions de l’IA même dans ses formes contemporaines restent encore peu explicable. On comprend bien que dans ce cas certains usages ne peuvent être envisageables, particulièrement dans des domaines sensibles comme la sureté nucléaire ou pour des prises de décisions critiques.
Qualiticien tentant d'atteindre l'industrie 4.0
Et après ? Quelles perspectives ? Le 3 Juillet 2019, huit grands groupes industriels français s’engageaient, dans le cadre de « AI for Humanity », pour l’intelligence artificielle. Ils réaffirmaient ainsi leur volonté d’agir en coordination avec l’écosystème français de l’IA pour en faire une source de croissance et d’emploi au service de l’industrie.
On constate aussi la détermination de l’État français à booster ce domaine : La France investira 1,5 milliard d'euros dans l'intelligence artificielle , déclarait Bruno Le Maire le 3 octobre de cette année.
Sur le partage des données, les lignes commencent à bouger. Certaines initiatives d’État comme data.gouv.fr ou « AI for Humanity » permettent de centraliser la récolte de la données. Les mentalités changent petit à petit, en témoigne les quelques hackathons qui permettent aux entreprises de valoriser leurs données. Cependant l’échange ne se fait pas encore directement entre industriels établis mais plutôt d’un industriel vers des startups.
On peut supposer que la tendance des années à venir sera à la collaboration entre machines et humains. En effet, l’homme à toujours son rôle à jouer et il peut apporter à la machine en lui expliquant et en la formant. L’IA pourra ensuite à son tour aider l’homme grâce à ce savoir acquis. Enfin un cercle vertueux ! C’est notamment ce que nous faisons chez Cobbaï en permettant aux opérateurs d’avoir un regard critique sur les résultats fournis pas l’IA et de coconstruire avec elle les meilleures solutions en corrigeant ses imprécisions. L’objectif à terme serait de passer d’un mode de travail où des entreprises emploient des centaines de personnes pour former une intelligence artificielle à un mode de travail où l’IA serait formée au sein de l’entreprise un peu comme un nouveau collaborateur.
A mesure que le domaine se développe, l’intelligence artificielle devient de plus en plus appliquée. On devrait voir de plus en plus d’utilisations concrètes de l’IA dans les usines comme nouveaux vecteurs de compétitivité. Chez Cobbaï nous proposons d’avancer aux côtés des industriels pour s’attaquer au sujet de la non-qualité avec les nouvelles armes que nous fournit l’IA.
.svg)
.png)
.png)
.png)
.png)