L’industrie est récemment entrée dans une phase de mutation vers sa version 4.0, l’industrie intelligente (smart factory). Avec une telle dénomination, il va de soi que les intelligences artificielles occuperont une place de choix dans cette future industrie, d’autant plus qu’elles ont fait leurs preuves depuis Alan Turing. Comment est-ce que l’IA changera cette industrie si avide de productivité ? Pour répondre à cette question, nous allons étudier les prouesses de l’IA dans les activités directes des industries actuelles, à savoir la R&D, la supply chain et la production, les méthodes et la qualité.
Quelques définitions
Pour bien comprendre la suite, il est nécessaire de poser quelques notions contextuelles et historiques.
Que savez-vous des intelligences artificielles, en dehors du fait qu’elles fassent certaines tâches très bien, voire parfaitement ? Sans entrer dans les détails techniques, on peut catégoriser les intelligences artificielles selon leur finalité. On peut notamment enquêter, créer des designs et prédire des tendances avec les IA (Nous développerons ces concepts plus bas).
Il faut aussi savoir que le cœur d’une intelligence artificielle est dans les données, on dit qu’elles sont “data driven”. Ce ne sont plus seulement les lignes de codes qui vont conditionner les résultats de l’opération. Les données sur lesquelles l’IA s’est entraînée sont encore plus importantes. S’il y a des biais cognitifs dans les données d’entrées, la performance de l’IA en sera aussi affectée.
En ce début du XXIème siècle, le développement de l’internet des objets (Internet of Things ou IoT), du cloud et du big data ont préparé le terrain à l’arrivée de l’industrie intelligente. Pour mieux comprendre le rôle que l’IA va jouer, regardons d’abord l’évolution de l’industrie en Occident.
- ⚙️ Industrie 1.0 – 1765: Production mécanique. Les machines fonctionnent à vapeur.
- ⚡ Industrie 2.0 – 1870 : Production de masse grâce aux chaînes d’assemblage et aux machines électriques. Cette évolution de l’industrie a été marquée par le fordisme et le taylorisme.
- 🤖 Industrie 3.0 – 1969 : Production automatisée par les premiers automates électroniques. C’est le début du développement de l’électronique et de l’informatique.
- 🌐 Industrie 4.0 – 2015 : Production intelligente qui associe l’internet des objets, le big data et le cloud.
L’IA au service de l’industrie
L’intelligence artificielle s’applique à de nombreux domaines de l’industrie : R&D, méthodes, supply chain et production, automates ou encore contrôle qualité, découvrez ce que cette technologie peut apporter !
🔬 Recherche et développement
La R&D a toujours été au cœur de l’activité stratégique de toute industrie. La procédure naturelle voulait que les chercheurs prouvent théoriquement leurs hypothèses avant d’en faire le test. L’intelligence artificielle change la donne.
En préparation du CES (Consumer Electronics Show) de janvier 2022, M. Dario Gil, Vice-Président Senior et Directeur d’IBM Research, s’est exprimé ainsi sur l’innovation par l’IA :
“Nous pouvons changer radicalement le processus de découverte, en accélérant et en suralimentant la méthode scientifique traditionnelle. Ce processus de découverte accéléré s’appuie sur les dernières innovations d’IBM en matière d’intelligence artificielle (IA), de calcul quantique à haute performance, et de cloud hybride.“
Comme nous l’avons vu plus haut, l’IA peut enquêter, créer des designs et prédire des tendances. Ce dont parle M. Gil ici concerne la faculté cognitive de certains algorithmes d’IA à créer des solutions en fonction des contraintes et des objectifs que l’on lui impose. C’est ce qu’on appelle de “l’augmented artificial intelligence“. Cette capacité est dite générative. Pour information, la capacité d’enquête d’une IA est dite passive, et la capacité de prédiction est dite intuitive.
Pour illustrer cela, le spécialiste en nouvelle technologie Maurice Conti a pris l’exemple d’une IA à qui les chercheurs ont donné pour consigne de générer un châssis de drone quadcopter léger et robuste. L’IA a ensuite proposé des millions de modèles répondant aux consignes sans qu’un humain ait eu à dessiner quoi que ce soit. Il a juste fallu beaucoup de données caractéristiques des drones. Les chercheurs peuvent prédire les solutions potentielles avec les attributs souhaités sur la base d’un modèle avec des propriétés prédites. Ces hypothèses peuvent développer la créativité des scientifiques et élargir l’espace de découverte.
IBM, comme ses concurrents directs, met sa technologie d’intelligence artificielle et de calcul quantique à disposition des professionnels et des particuliers sur sa plateforme en ligne, IBM Cloud. Par conséquent, tout le monde peut développer ses propres solutions soi-même si tant est que l’on soit initié. Pas de panique, cela reste clairement à la portée de n’importe quelle personne motivée.
Flex, un des leaders sur le marché des objets connectés, lance près de 13 000 nouveaux produits chaque année pour différentes sortes d’entreprises. Ceci comprend plus de 100 000 ordres de modification d’ingénierie par années. Comment font-ils ? Ils utilisent Watson, l’IA d’IBM pour mettre de nouveaux produits sur le marché de façon itérative. Il leur a fallu seulement 4 mois pour créer et développer Chromecast pour Google.
Les industries les plus rentables, comme celles de la défense ou encore celle de l’aérospatiale, investissent également dans les universités les plus avancés en IA pour compléter leur propre recherche. M. Hossein Haj-Hariri, de l’USC (University of South Carolina) College of Engineering explique : “We are trying to reinvent ourselves as you are trying to reinvent your industry“. L’USC travaille par exemple en partenariat avec l’armée américaine, SIEMENS et McNAIR dans le cadre de recherches en innovation.
📋 Méthodes
Grâce à l’IA, il est aussi possible de déployer des modèle de prédiction de pannes. C’est de la maintenance prédictive intelligente. Comme à chaque fois, ce processus commence toujours par la récolte de beaucoup de données.
En plus des capteurs de performance déjà intégrés à la machine étudiée, les agents de maintenance mettent en place plusieurs capteurs de sécurité. Chaque type de données pris en charge par le modèle est une dimension de plus couverte par le modèle généré.
Par exemple, les chercheurs de l’USC ont étudié huit variables différentes pour prédire les risques de pannes des hélicoptères Apache et Chinook de l’armée américaine. Puis, ils y ont ajouté l’historique de milliers d’opérations de réparation pour que l’IA puisse diagnostiquer en temps réel l’état des composants de chaque véhicule. Les informations sont ensuite traitées par IBM Watson qui dit aux opérateurs comment procéder à la suite de ses analyses.
⚙️ Supply Chain et Production
Le système de production le plus répandu actuellement est le Kanban (“étiquette” en japonais). Des étiquettes permettent aux machines en aval d’une chaîne de donner des ordres de fabrication (OF) aux machines en amont, selon le nombre de composants dont elles ont besoin. C’est ce qu’on appelle de la production en flux tiré : une machine ne produit que si elle reçoit une commande.
L’internet des objets offre une alternative numérique au système de communication des machines dans les lignes de production. Les commandes clients peuvent immédiatement être interprétés en OF pour chaque machine. Mais jusqu’ici, me direz-vous, ce n’est que de l’automatisation…
Là où l’IA fait la différence, c’est dans la gestion de l’approvisionnement. En fonction des prévisions de commandes, l’intelligence artificielle pourrait gérer intelligemment les commandes auprès des fournisseurs pour garder le stock à un niveau optimal. Quels composants ou sous-ensemble devrait-on garder en stock ? Comment procéder à un changement de série ? Cette IA pourrait aussi gérer la disponibilité des composants sur toutes les machines.
Sans surprise, le marché des entrepôts intelligents a augmenté. En 2018, 4,1 millions de mètres carrés d’entrepôts ont été commercialisés, un record selon BNP Paribas Real Estate. De son côté, Amazon a pris de l’avance sur les géants de la grande distribution avec l’adoption des robots collaboratif dans leurs magasins. L’entreprise américaine a notamment racheté en 2012 le fabricant Kiva Systems, dont les machines ont déjà fait leurs preuves outre-Atlantique. Les palets oranges développés par Kiva Systems peuvent soulever des étagères de près de 2,50 mètres de haut, et les transporter jusqu’à un salarié, qui prend le bon produit.
Pour prendre un dernier exemple, Cdiscount a aussi misé sur des robots qui vont chercher un objet précis, comme on peut le voir sur l’image ci-dessous. Les trajectoires de ces robots et leur organisation sont gérés par une intelligence artificielle passive qui cherche la meilleure solution possible à chaque fois.
🦾 Co-bots et drônes
Ces innovations concernent la plupart du temps la mécanisation des tâches les plus pénibles et répétitives. Par exemple, le bras articulé conçu par l’entreprise Nomagic est capable de trier des objets grâce à de la reconnaissance d’images. Il peut saisir 225 objets par heure, les scanner avec ses sept caméras et les déposer délicatement dans des cartons.
Bras automatisés Nomagic
🔍 Qualité
C’est dans la gestion de la qualité que l’intelligence artificielle a fait une de ses entrées les plus fracassantes, et notamment avec la réduction des coûts. Bret Martin, Directeur de clientèle IoT mondial chez Flex affirme : “Si un produit quitte notre usine avec un défaut, ce produit nous reviendra avec un coût 100 fois supérieur à son coût initial.” Les résultats que Flex a obtenu ont dépassé toute attente. En plus d’avoir les analyses de la qualité des produits, ils ont aussi identifié les causes premières des défauts : certaines machines étaient mal calibrées.
IBM Visual Insights permet à n’importe quel utilisateur de faire des analyses comme chez Flex. Tout le monde peut entraîner son modèle sur des photos ou des vidéos. M. Walker, l’ingénieur travaillant sur Visual Insights a énoncé lors de la conférence d’ouverture du projet : “Une image peut valoir 1000 mots. Et si on avait des milliers d’images,et une dizaine de caméras différentes ?“. En plus le modèle de reconnaissance de défauts s’améliore au fur et à mesure qu’il récolte plus de données.
Conclusion
L’intelligence artificielle marque l’avènement d’une nouvelle ère pour toutes les industries. Cette technologie nous a déjà laissé bouche bée plus d’une fois et ce n’est encore que le début. Toutes les activités d’une usine industrielle seront “améliorées”. La productivité, si chère à l’industrie, peut être maximisée. Les risques pour l’être humain peuvent être éliminés, pour les domaines où ils existent toujours. Enfin, les coûts pourront aussi être réduits au minimum grâce au contrôle qualité et à l’efficacité RH.
L’IA promet d’inventer la meilleure solution possible à chaque problème scientifique, si tant est qu’elle soit bien programmée. Les entreprises comme IBM, Amazon ou encore Google font que ces innovations soient accessibles à tous depuis internet. Il ne reste plus qu’à l’appliquer dans notre domaine d’expertise.
Maintenant que la comparaison entre l’homme et la machine ne se pose même plus dans certains domaines, que se passera-t-il quand nous aurons atteint la productivité maximale possible ? Quels types de challenges pensez- vous que nous aurons à faire face ? Des challenges moraux ? Humains ? Économiques ? La question reste entière.
Par Jaona Andriamasy
Pour en savoir plus sur les autres technologies qui vont révolutionner l’industrie, n’hésitez pas à lire notre article sur le sujet 👩💻
Cet article a été publié pour la première fois le 24 septembre 2021 sur Hypertext, le blog de l’association Plug’n’Play. N’hésitez pas à y faire un tour pour trouver d’autres articles sur le numérique !
