Les fabricants reconnaissent que l’intelligence artificielle offre des perspectives passionnantes en matière d’automatisation, de maintenance prédictive et de personnalisation de masse. Si l’adoption est encore lente, les experts s’accordent à reconnaître que la clé du succès réside dans la combinaison de l’expertise humaine et de la collaboration au sein de l’industrie tout entière.

Les progrès en matière d’intelligence artificielle (IA) – définis par la société informatique basée à San Francisco NVIDIA comme une “intelligence humaine manifestée par des machines”, atteignent une vitesse fulgurante. L’IA entre en jeu chaque fois que nous interrogeons Siri ou Alexa, que nous consultions une recommandation de Netflix ou que nous ajoutions un ami suggéré par Facebook. Si l’IA permet de nombreuses interactions au quotidien, sa puissance ne se fait réellement sentir que depuis peu dans le monde de l’entreprise.

“L’IA a atteint un point de bascule dans ce qu’elle peut apporter aux entreprises”, affirme Mark Purdy, directeur général et économiste en chef chez Accenture Research à Londres. “Ce phénomène provient notamment des développements effectués dans les secteurs de la puissance de traitement, du stockage et de la récupération des données, des capteurs et des algorithmes. Par conséquent, les entreprises sont maintenant capables d’optimiser les processus avec des systèmes d’automatisation intelligents, d’augmenter le capital physique et de travail humain et de développer de nouvelles innovations.”

Les avancées de la Business AI sont partout. Les spécialistes des sciences informatiques du laboratoire d’IA de l’Université de Stanford en Californie ont mis au point un algorithme qui diagnostique visuellement les cancers de la peau. Microsoft a fait la démonstration d’un système de reconnaissance vocale qui ne commet pas plus d’erreur que des transcripteurs professionnels. Des scientifiques du laboratoire de science informatique et d’intelligence artificielle du MIT dans le Massachusetts ont analysé des données provenant de plus de 3 millions de courses en taxi afin d’optimiser la circulation des personnes dans Manhattan. Et des constructeurs automobiles majeurs ont utilisé l’apprentissage profond, une technique de mise en œuvre de l’apprentissage machine, pour créer des véhicules autonomes qui scannent, analysent, puis répondent à leur environnement pour aider les conducteurs à optimiser leurs décisions et leurs actions.

ADOPTION DANS LA FABRICATION

Le secteur industriel hésite à rejoindre le mouvement. Dans un article pour Meltwater, cabinet spécialisé dans les médias, Brent Dykes, directeur de la stratégie des données chez Domo, éditeur de logiciels basé dans l’Utah, affirme que « la maturité des fonctions d’analyse est un jalon clé sur le chemin du succès avec l’IA. » Cependant, selon la société de conseil mondiale McKinsey, le secteur industriel n’a à ce jour capturé que 20 à 30 % de la valeur potentielle des données et des capacités d’analyse, et l’essentiel de ce chiffre est le fait d’une poignée de leaders de l’industrie.

“L’intelligence artificielle a atteint un point de bascule dans ce qu’elle peut apporter aux entreprises” — Mark Purdy, Directeur général et économiste en chef chez Accenture Research

Forrester déclare qu’une grande partie de cette valeur se trouve dans la maintenance préventive, une spécialité du producteur mondial d’équipement d’automatisation industrielle FANUC. La société gère une application ZDT (Zero Down Time ou “zéro temps d’arrêt”) sur son nouveau système FIELD, qui collecte des données de plus de 6 000 robots dans 26 usines et les analyse avec une application d’apprentissage machine. Tout problème susceptible d’engendrer une panne est signalé, et FANUC envoie des pièces et de l’assistance pour traiter le problème avant la panne.

“Le système FIELD de FANUC permet aux entreprises d’exploiter la quantité considérable de données dont elles disposent.”, déclare Steve Capon, responsable technique chez FANUC UK. “La fabrication s’apprête à devenir plus intelligente que jamais. Grâce à l’IA, la planification des exigences de la maintenance prédictive pour réduire les temps d’immobilisation est une réalité.”

UN POTENTIEL QUI DEMEURE IMMENSE

Le potentiel est immense dans d’autres secteurs comme l’automatisation industrielle.

“Ce secteur offre d’immenses opportunités pour n’importe quelle entreprise, y compris Boeing”, écrit Harish Rao, Directeur des procédures analytiques des données, dans le bulletin interne de février 2017 de l’avionneur, Innovation Quarterly. “

“Les tâches complexes peuvent être automatisées pour plus de productivité, de qualité et de sécurité tout en contribuant au respect des délais. Les données des capteurs installés sur les machines peuvent être connectées à des données traditionnelles, comme les archives de conception, d’inventaire et de sécurité pour optimiser les tâches. Au lieu de se contenter d’identifier une tâche à automatiser, un modèle d’apprentissage profond peut analyser toutes les données, déterminer des modèles et recommander la meilleure tâche à automatiser.” — Harish Rao, Directeur des procédures analytiques des données chez Boeing

Consciente du potentiel de l’automatisation industrielle pilotée par IA, le société FANUC a investi 7,3 millions de dollars US (900 millions de yens) dans le spécialiste japonais de l’apprentissage profond Preferred Networks (PFN) pour créer un robot qui utilise l’IA pour se former à de nouvelles tâches.

“Quelle que soit la qualité du système d’IA, sans capital humain pour son application et sa maintenance, les fabricants n’en verront pas les bénéfices.” — Robert Atkinson, Président de la fondation pour la technologie de l’information et l’innovation

“FANUC est la première société de ce type à intégrer la technologie d’IA dans ses produits de cette manière”, explique Shohei Hido, Responsable de la recherche au bureau californien de Preferred Networks. “Nous mettons au point la technologie de l’IA de robots de collecte des poubelles, en utilisant l’apprentissage profond pour estimer quel point serait le meilleur à l’intérieur d’une poubelle pour y récupérer un objet. Ce processus requiert normalement deux semaines de travail à un ingénieur à l’usine pour affiner le système qui repose sur des règles. Mais avec le système doté d’IA, le robot peut apprendre à ramasser n’importe quel type d’objet en quelques jours, avec plus de 90 % de réussite. Nous pensons que cette technologie sera mise en œuvre par les constructeurs plus tard dans l’année.”

BESOIN DE MACHINES QUI APPRENNENT

L’IA permet également de faciliter la création d’entreprises plus adaptables et agiles. “Si la fabrication est passée d’une ère de production de masse à une ère de production au plus juste, la tendance est aujourd’hui à la production de masse personnalisée.”, déclare Sreenivasa Chakravarti, Responsable de l’innovation et de la transformation dans la fabrication chez Tata Consultancy Services. “Celle-ci implique une plus grande réactivité et des décisions prises sur-le-champ. À mesure que des fonctionnalités du produit sont reportées à la deuxième moitié des opérations, les systèmes doivent répondre plus rapidement que jamais. Cela n’est possible qu’avec des machines qui apprennent et s’adaptent à ces besoins.”

LA MACHINE EST EN ROUTE…

Pour que tout ce potentiel se réalise, les fabricants devront toutefois combler des lacunes majeures en termes de compétences. “Quelle que soit la qualité du système d’IA, sans capital humain pour son application et sa maintenance, les fabricants n’en verront pas les bénéfices”, déclare Robert Atkinson, Président de la fondation ITIF (Information Technology and Innovation Foundation), dont le siège est à Washington, DC. “McKinsey estime qu’il manquera entre 140 000 et 190 000 scientifiques spécialistes des données rien qu’aux États-Unis en 2018, en plus d’une pénurie encore plus importante de responsables et d’analystes disposant des compétences analytiques requises dans le monde du big data.” Milind Lakkad, Directeur mondial et vice-président exécutif de la fabrication chez Tata Consultancy Services, constate également un fossé entre l’état actuel du secteur industriel et le rythme de progression de l’IA.

20-30%

Selon McKinsey, le secteur industriel n’a à ce jour capturé que 20 à 30 % de la valeur potentielle de l’IA.

“Pour qu’un site de production soit efficace, le succès de l’IA ne repose pas uniquement sur une machine ou un équipement”, dit-il. “Le succès de l’IA repose sur la compréhension des interdépendances entre les équipements pour planifier des séquences d’opérations.” Pour y parvenir, trois besoins parallèles doivent être satisfaits, affirme Lakkad.

“Des protocoles ouverts et standard pour les échanges d’informations sont nécessaires pour faciliter l’apprentissage cognitif”, déclare Lakkad. “De plus, tous les OEM doivent faire des efforts soutenus pour emmener une part plus importante de leur base installée “administrée” dans un processus intelligent. La question du pronostic de sécurité dans ces conditions doit aussi être abordée. Rien de cela ne peut être fait à l’échelle d’une seule société, mais exige la collaboration de l’industrie tout entière.”

ALLER DE L’AVANT

Pendant que le secteur industriel rattrape le temps perdu, l’IA continue de faire des progrès. “Je pense réellement que nous serons émerveillés par ce qu’il sera possible de faire dans quelques années”, prédit Bill Franks, Analyste en chef de l’antenne d’Atlanta de la société de gestion et de services de données Teradata. “Au bout du compte, l’IA produira plus d’efficacité, plus de stabilité du niveau de qualité et moins de déchets ou de gaspillage pour les fabricants.”