Plus de la moitié des chefs d’entreprise pensent que, dans les cinq prochaines années, l’IA contrôlera des actifs de grande valeur tels que des installations industrielles, des équipements et des machines. C’est une des étonnantes tendances internationales que révèle une enquête réalisée par Longitude Research et Siemens. Plus de 500 hauts dirigeants du secteur de l’énergie, de la fabrication, de l’industrie lourde, des infrastructures et du transport ont été interrogés sur l’utilisation, les avantages, les obstacles et leur approche de l’IA. Leurs réponses dressent un tableau particulièrement intéressant du futur de l’IA dans les entreprises industrielles.

 

Imaginez que vous puissiez automatiser certaines des décisions prises quotidiennement dans votre entreprise afin que vos collaborateurs puissent se concentrer sur des projets stratégiques tels que le développement de nouvelles gammes de produits ou l’extension des activités. Quel niveau de performance exigez-vous d’un modèle d’IA pour pouvoir lui laisser le contrôle ? Lui faut-il, par exemple, égaler les performances des techniciens humains, voire les dépasser ? Que faire quand la moindre erreur risque d’entraîner une énorme perte financière ou des blessures physiques ? Dans quelle mesure cela conditionne-t-il votre réponse ?

 

Cette nouvelle enquête a proposé des scénarios de ce genre à 515 hauts dirigeants d’entreprises industrielles (du secteur de l’énergie, de la fabrication, de l’industrie lourde, des infrastructures et du transport) dans le cadre d’une étude portant sur l’utilisation, les avantages, les obstacles et leur approche de l’IA. Leurs réponses dressent un tableau particulièrement intéressant du futur de l’IA dans les entreprises industrielles.

 

A industrie lourde – conséquences lourdes

Dans ces secteurs d’activité, l’IA est dans de nombreux cas utilisée pour contribuer à éviter les catastrophes et à rendre les lieux de travail plus sûrs. Il s’agit d’un point important car, bien que les méthodes d’application de l’IA soient identiques d’un secteur à l’autre, les conséquences d’une défaillance le sont beaucoup moins. Dans de nombreuses entreprises industrielles, une mauvaise décision peut priver des milliers de personnes du train qu’elles prennent pour se rendre au travail ; des millions de dollars peuvent se volatiliser en cas de surchauffe des machines; une modification minime de la pression peut déclencher un désastre environnemental ; et une multitude de scénarios sont susceptibles d’entraîner la perte de vies humaines.

 

Il est donc important de noter qu’un grand nombre des personnes interrogées (44 %) pensent qu’un système IA pourra, dans les cinq prochaines années, contrôler de manière autonome des machines susceptibles de causer des blessures ou la mort. Ils sont d’ailleurs encore plus nombreux (54 %) à penser que, dans le même temps, l’IA contrôlera de manière autonome certains de leurs actifs les plus précieux.

 

Cependant, pour que de telles responsabilités soient accordées à l’IA, l’IA industrielle va devoir se perfectionner, grâce notamment à de nouvelles approches de la gestion, de la génération, de la représentation et du partage des données. Voici quelques exemples :

 

  • Données contextuelles et simulations: aujourd’hui déjà, nous voyons l’IA s’appliquer à des ensembles de données créés et organisés sous de nouvelles formes pour améliorer nos perspectives et notre compréhension. C’est le cas notamment des graphes de connaissances, qui capturent la signification et les interrelations des éléments de différents ensembles de données, et des jumeaux digitaux, qui offrent des simulations et des représentations digitales détaillées des systèmes, des équipements et des processus réels.
  • IA intégrée et perspectives globales : l’Internet des objets (IoT) et les technologies de pointe donnent le jour à des ensembles de données générées par des machines, qui peuvent aider à atteindre de nouveaux niveaux de conscience situationnelle et de visibilité en temps réel dans le Cloud ou directement sur le terrain.
  • Des données qui viennent de l’autre côté du mur: les protocoles et les technologies améliorées pour le partage des données entre les entreprises pourraient soutenir le développement de modèles d’IA puisant simultanément dans les données des fournisseurs, des partenaires, des régulateurs, des clients et peut-être même des concurrents.

L’importance des changements de contexte

Pour reprendre un exemple parmi ceux qui précèdent, l’utilisation des graphes de connaissances offre un énorme potentiel pour améliorer les modèles d’IA en combinant différents ensembles de données. « Les graphes de connaissances ajoutent du contexte aux données que nous analysons », explique Norbert Gaus, chef de la R&D digitalisation et automatisation chez Siemens. « Les données machine, par exemple, peuvent être analysées dans le contexte des données de conception, y compris celles relatives aux tâches pour lesquelles la machine a été conçue, aux températures de fonctionnement, aux seuils critiques intégrés des composants, etc. A cela s’ajoute le dossier de service de ces machines où sont consignés les pannes, les rappels et les résultats d’inspection prévus pendant toute la durée de vie de la machine. Les graphes de connaissances facilitent considérablement l’augmentation du nombre de données machine que nous utilisons pour expérimenter les modèles d’IA, et apportent par ailleurs de précieuses informations contextuelles ».

L’enquête a analysé les types de données contextuelles que les chefs d’entreprise considèrent comme les plus utiles aujourd’hui. Les données provenant des fabricants d’équipements arrivent en tête, avec 71 % des personnes interrogées qui estiment qu’elles constituent un avantage majeur ou mineur. Viennent ensuite les données internes venant d’autres divisions, régions ou départements (70 %), les données des fournisseurs (70 %) et les données de performance des produits vendus utilisés par des clients (68 %).

 

Une entreprise qui utilise des graphes de connaissances pour rassembler différents types de données – telles que l’historique des produits, les performances opérationnelles, les conditions environnementales – a la possibilité de créer un modèle d’IA unique pour booster les prévisions, les idées, la productivité et la puissance de l’automatisation.

 

Développer la confiance dans les algorithmes

Il ne fait aucun doute que l’utilisation d’applications de plus en plus puissantes posera de nouveaux défis. Celles-ci vont exiger de confier à l’IA des responsabilités qui, jusque-là, étaient confiées aux humains. Mais pour ce faire, les applications d’IA vont devoir gagner la confiance des décideurs et les entreprises devront développer de nouveaux cadres de gestion des risques et de gouvernance.

 

Pour étudier ces questions, l’enquête a demandé aux personnes interrogées d’imaginer plusieurs scénarios tels que celui décrit en début d’article. 56 % d’entre elles ont, par exemple, décidé d’accepter la décision prise par un modèle d’IA de haut niveau plutôt que celle d’un employé expérimenté (44 %), en dépit des lourdes conséquences financières que cette décision pourrait avoir. 56 %, c’est beaucoup ou c’est peu ? On pourrait penser que c’est peu lorsqu’on sait que ce modèle d’IA a été présenté aux personnes interrogées comme ayant fait mieux que les employés les plus expérimentés de l’entreprise pendant un projet pilote d’un an. Cela suppose que les 44 % restants ont un parti pris pour les décisions humaines, même lorsque les preuves jouent manifestement en faveur de l’IA.

Pour en savoir plus sur ces questions et sur d’autres sujets importants, consultez le next-gen industrial AI research report.

 

Au-delà de ces difficultés, l’étude laisse entrevoir des perspectives optimistes pour l’IA. Avec la sophistication croissante de l’IA, les dirigeants comptent sur une baisse des cyberattaques nuisibles, une gestion plus facile des risques, davantage d’innovation, de plus fortes marges et des espaces de travail plus sûrs. Globalement, face à la promesse d’une série si riche et si variée d’effets positifs dans un proche avenir, la motivation ne devrait pas manquer pour surmonter toutes les difficultés qui jonchent encore le parcours de la prochaine génération d’IA industrielle.   

 

Plus d’infos sur ce lien. 

Ou contactez nous via industrie.be@siemens.com