S’il n’existe pas aujourd’hui de définition stricte de l’intelligence artificielle, les experts s’accordent à dire qu’elle permet de simuler les capacités cognitives humaines comme la perception, le raisonnement, l’action et l’apprentissage. Les recherches sur l’IA débutent dès les années 50 mais ce n’est que grâce aux progrès réalisés en terme de puissance de calculs, de quantité de données et de nouveaux algorithmes depuis début 2010 que le champ des possibles s’ouvre réellement. Largement utilisée dans l’industrie, elle promet désormais de transformer le secteur en profondeur.
L’intelligence artificielle : une aide à la décision en milieu industriel
Dans l’industrie, l’IA a d’abord pour but d’aider à la décision. On distingue trois niveaux d’aide. En premier lieu, l’IA descriptive permet, à partir d’une masse de données ou connaissances importantes, de simplifier l’information et de la présenter sous forme de tableaux de bord et de KPI (Key Performance Indicator). Un gain de temps non négligeable puisque les analyses réalisées grâce à l’IA sont plus rapides, moins coûteuses et surtout beaucoup plus fiables. L’IA prédictive, quant à elle, fournit, sur la base de probabilités, des projections. On anticipe donc aisément les situations futures et on prévoit mieux les risques en terme de supply chain et de défauts de manufacturing par exemple. Enfin, l’intelligence artificielle prescriptive ne se limite plus à donner les informations nécessaires à la prise de décision mais aiguille également les salariés en leur proposant des recommandations vis-à-vis de l’état du système. C’est ce qu’on appelle la “next best action”. Dans certains cas, on l’utilise également pour décharger l’homme de certaines tâches à faibles risques ou sans enjeux stratégiques. De plus en plus d'entrepôts par exemple, confient des portions de transport logistique à des véhicules autonomes
Quel que soit le type d’intelligence artificielle utilisé, le système va donc permettre de capter un flux de données important, par exemple via des plateformes IoT (Internet of Things) et de les analyser, à des fins stratégiques, tactiques ou opérationnelles.
L’intelligence artificielle et ses applications industrielles
Aujourd’hui, beaucoup d’usines se dotent de double digitaux, leur donnant ainsi la possibilité de virtualiser process, machines ou encore déplacements humains. Ces simulations, encore appelées jumeaux numériques, permettent, par exemple, de tester des scénarii de rétablissement de conditions opérationnelles optimales après la détection prédictive d’un problème sur une machine ou encore d’optimiser une chaîne de production grâce au process mining. De même, les collaborateurs se trouvent aidés dans leurs tâches quotidiennes au travers de nouveaux outils (MR, AR, VR, mobiles, etc) qui leur autorisent une meilleure compréhension de leur environnement. On parle alors de “pick-to-light” (procédure de préparation de commandes assistée par ordinateur) ou de détection visuelle de process incohérents par exemple. Ces collaborateurs, dits « augmentés » grâce à l’intelligence artificielle, ne sont plus cantonnés à certains postes : l’opérateur peut alors se concentrer sur des tâches à plus forte valeur ajoutée, et se détacher de celles qui sont répétitives, monotones et chronophages. Enfin, les progrès en matière d’IA ont transformé profondément la robotique. Plus autonomes, plus légers et moins rigides, les robots se déplacent désormais pour rejoindre le lieu où le process qu’ils portent doit être déployé. Les process que les robots peuvent opérés ne repose plus uniquement sur un algorithme déterministe mais peut également être affinés via l’utilisation de l’IA et l’apprentissage. . L’humain et le robot coexistent, cohabitent et coopèrent.
Démocratisation de l’intelligence artificielle : défis et enjeux
Malgré des bénéfices certains, de nombreux freins persistent encore à la démocratisation de l’IA. En effet, cette dernière suppose d’abord que les salariés soient formés : un travail long et fastidieux qui pourrait être simplifié dans les prochaines années grâce aux progrès réalisés dans le domaine de la communication homme-machine (par la vue au travers de casques de réalité augmentée ou par des outils basés sur la voix par exemple).
À cela s’ajoute quelques contraintes légales, réglementaires & éthiques : la mise en place de la RGPD en France ainsi que la volonté des industriels de sécuriser l’accès aux données limite naturellement leur exploitation, ce qui n’est pas forcément le cas d’entreprises concurrentes étrangères.
La qualité des données et l’industrialisation de leurs traitements doivent également être davantage maîtrisées. Enfin, s’il est relativement aisé de mettre en place des procédés d’intelligence artificielle sur un site industriel, les contraintes d’échelle et de management global restreignent largement leur installation au niveau d’un groupe.
Il reste donc beaucoup à faire pour surmonter les défis techniques, humains et législatifs qui limitent l’utilisation de l’intelligence artificielle. Mais les pressions exercées sur l’industrie, en terme de compétitivité, de flexibilité et de performance énergétique, ne pourront être levées que grâce à l’aide de celle-ci. C’est en ce sens que portent les recherches actuelles ; vers des usines intelligentes où la gestion des ressources sera plus efficace (moyens, matières, énergies) et où l’opérateur sera au centre de cette nouvelle révolution industrielle.