Article

Big Data et Intelligence Artificielle : La symphonie des données !

Qui n’a jamais été ému par une musique ou une chanson, que ce soit un morceau joué par un orchestre philharmonique ou un air qui passe à la radio ? Par quelle magie une mélodie peut-elle provoquer un frisson ?

Pour nous faire vibrer, chaque note doit être rigoureusement posée à sa place, au moment précis où elle est jouée par l’instrument, corde, cuivre, percussion ou voix. C’est seulement lorsque tous ces « ingrédients » sont strictement dosés et opportuns que la « musique est bonne ».

En première approche, les 2 images ci-dessous semblent ne rien à voir entre elles. La première, une partition, permet aux musiciens de connaitre les notes qu’ils doivent jouer, et quand ils doivent les jouer. La seconde décrit les tolérances à respecter pour que l’entité réalisée soit conforme aux attentes du client.

   

Leur point commun ? Dans ces 2 cas, et sous réserves de suivre scrupuleusement les consignes indiquées, le client et le mélomane sont satisfaits …

Le chef d’orchestre a pour mission de faire jouer ensemble, dans le bon tempo, tous les instruments qui « produisent » la musique attendue par les mélomanes. Dans son usine, le pilote des procédés a finalement le même rôle : faire en sorte que tous les facteurs qui influencent la production soient maîtrisés concomitamment  pour que le produit final satisfasse les clients.

On peut remarquer quelques analogies entre « Orchestre » et « Procédé industriel » :

  • La partition = le plan
  • Les instruments = les facteurs d’influence
  • La mélodie = l’entité produite
  • Le chef d’orchestre = le pilote de la ligne de production

Mais à ce stade, il nous manque l’essentiel : le compositeur de la partition

Dans le monde industriel actuel, le concepteur du plan est généralement le service R&D dont la culture s’appuie sur l’histoire passée. Le monde d’où il vient ne disposait pas des fabuleuses capacités de stockage, de partage et d’analyse des données que le XXIème siècle nous offre. Avec ces nouveaux outils, ce sont les données qui peuvent écrire, presque toutes seules, les partitions en tenant compte des succès et infortunes des musiques – entités – produites antérieurement.

Chacun sait qu’il n’est pas toujours aisé d’expliquer « pourquoi » une note provoque une émotion particulière chez un mélomane. De même, il n’est pas toujours facile de comprendre le « pourquoi » d’un comportement, parfois atypique, d’un procédé de fabrication.

En s’attachant à observer les réactions des mélomanes – les clients pour l’industrie – les nouveaux compositeurs peuvent produire des musiques qui ont le maximum de chances de plaire. De même, en analysant les résultats historiques d’un procédé, les concepteurs peuvent optimiser la probabilité de « conformité » des entités à venir.

Mais les choses, en général, sont complexes. S’il est légitime de vouloir modéliser les phénomènes par une équation mathématique de la forme y (Résultat) = f(x1,x2, …xn) où les xi sont des paramètres influents (les instruments de l’orchestre et leur « dosage » dans la mélodie), la réalité est souvent plus compliquée.

Les algorithmes d’aujourd’hui n’ont pas l’ambition de découvrir des modèles mathématiques analytiques (Versus les plans d’expérience). Ils cherchent à décrire, sans nécessairement comprendre, comment harmoniser les musiciens pour que la musique soit bonne, autrement dit : ils permettent d’écrire la partition pour garantir que l’entité soit conforme

Le data scientist est le compositeur de la partition (c’est à dire des consignes de réglages) des procédés de fabrication dans l’entreprise (du futur). Il a à sa disposition les succès et les échecs d’hier (les données) et des méthodes nouvelles d’analyse (outils algorithmiques de l’Intelligence Artificielle) qui lui permettent d’écrire la meilleure « recette » pour obtenir la conformité. Cette partition n’est pas écrite à partir de croyances comme antérieurement, elle s’appuie sur les faits observés. Et les algorithmes disponibles sont en mesure de détecter des phénomènes qui ne sont pas forcément intuitifs, voire même parfois contre-intuitifs. Ils tiennent leur performance de cette capacité nouvelle …

Dans l’industrie, la partition prend généralement la forme d’un tableau de bord qui décrit les plages de conformité des paramètres d’entrée pour obtenir des entités conformes. Dès lors, le pilote n’a plus qu’à respecter les « zones vertes » !

Mais pour que la musique soit bonne, il y a une autre condition, primordiale Les musiciens doivent jouer juste !

Pour continuer l’analogie avec l’orchestre philharmonique, le métrologue industriel est, dans le monde du Big Data, non seulement l’accordeur des instruments de mesure mais aussi le garant que les musiciens savent jouer. Le « La », note de référence pour les musiciens, est l’équivalent du SI (Système International d’Unités) organisé par le BIPM (Bureau INternatinal des Poids et Mesures). Mais il ne suffit pas que l’instrument soit accordé (raccordé, une lettre seulement  !) pour que la musique soit bonne, il faut aussi savoir en jouer ! Voilà tout l’enjeu  : savoir jouer, et jouer « juste », tout le temps et dans le bon tempo, pour que la musique soit bonne

 

Le « Big Data » se présente comme une technologie permettant d’écrire de meilleures partitions. Il lui faut, pour produire ses résultats :

  • des compositeurs = les Data Scientist
  • des chefs d’orchestre = les pilotes de la ligne de production
  • des musiciens formés qui jouent en harmonie  = Responsabilité du métrologue. 

Les métrologues n’ont plus le choix. Ils ne peuvent pas se limiter à accorder les instruments des musiciens, ils doivent participer activement à produire la symphonie attendue par les mélomanes car la nouvelle partition elle-même relève de leur responsabilité. Si les informations disponibles pour l’écrire ne sont pas fiables, elle ne sera pas bonne. Il est alors à craindre que les mélomanes changeront d’orchestre, ils iront alors écouter leur musique ailleurs !

 

 

 

theme by teslathemes