Big Data, Intelligence Artificielle, Digitalisation, Machine Learning, Réseaux de neurones, Deep Learning, Data mining… Tous ces concepts se percutent désormais au quotidien dans les informations que reçoivent les industriels, tel un bruit de fond qui devient anxiogène pour certains.

Le monde industriel est comme submergé par des mots nouveaux qui n’ont rien d’explicite pour les néophytes. Ceci explique probablement les résultats d’un récente enquête réalisée par BPI France : 73% des dirigeants sont très peu avancés dans leur digitalisation. Ce résultat est presque dramatique sachant que les experts s’accordent à penser que ce mouvement est inexorable, les plus convaincus allant même jusqu’à affirmer que nous n’avons pas le choix :

Au-delà des mots, il me semble important de prendre une image simple pour tenter de faire comprendre au plus grand nombre quels sont les enjeux de cette digitalisation. Se digitaliser, mais pour faire quoi ???

Chacun d’entre nous connait la signification de ce panneau. Il indique un risque de verglas et les autorités nous avertissent de ce risque afin que nous adaptions notre vitesse. Chacun pourra convenir que ce risque n’est pas permanent (même si le panneau est là chaque jour) et que des informations complémentaires accessibles au conducteur (Température extérieure, état de la route, état du trafic) nous informent de la nécessité, ou non, d’adapter notre vitesse.

Ce risque est la bête noire des industriels. Lorsqu’on fabrique des éléments critiques d’un moteur d’avion ou des vaccins, on cherche légitimement à éviter ce risque, à le limiter au maximum. Et contrairement aux automobilistes, les industriels n’ont pas forcément les informations pertinentes quant aux conditions réelles, et leurs conséquences, qui concourent en chaque instant de la réalisation de leurs produits. Ils se mettent donc naturellement dans les pires conditions pour éviter qu’un problème ne surgisse. Cela revient un peu à conduire par tous les temps comme par temps de verglas, ce qui est loin d’être optimal en termes de temps de parcours⁽¹⁾…

La technologie moderne (le Big Data et l’Intelligence Artificielle) permet de voir les choses différemment⁽²⁾.

Contrairement au passé (qui est encore notre présent industriel), Waze connait en temps réel les conditions de circulation, les conditions climatiques et tous les aléas qui peuvent se produire à tout moment. Ainsi, il peut conseiller les automobilistes dans le choix optimal de leur itinéraire et les aider ainsi à optimiser leurs déplacements. Ce que fait Waze pour les automobilistes, l’Intelligence Artificielle peut d’ores et déjà le faire pour les industriels : concevoir et fabriquer « aux justes coûts » dans un souci de compétitivité internationale !

Il ne s’agit plus, désormais, que de « charger l’application », c’est à dire acquérir des connaissances et des compétences dans le domaine de la Data Science. Dans cette optique, l’école SIGMA Clermont ouvrira en septembre 2018 un Master Spécialisé « Data Science pour l’Ingénierie » au programme duquel Deltamu et le pôle AURA Industrie 4.0 ont très largement participé.

1 : Le site Manufacturing.fr publiera dans les prochains jours un livre blanc sur le tolérancement qui sera en téléchargement gratuit. Il s’agit de montrer que les stratégies « Worst Case » usuelles de nos jours sont coûteuses et qu’il est possible de faire beaucoup mieux en pensant différemment.

2 : Nous avons déjà publié différents articles sur les algorithmes de l’Intelligence Artificielle. Vous pouvez les retrouver sous les liens suivants :

• Du Déterminisme au datamining (Contrôles Essais Mesures)
• Une nouvelle intelligence est née (smart-metrology.com)

La vidéo ci-dessous montre, quant à elle, ce que le Machine Learning est capable de faire, même s’il s’agit d’une vidéo truquée. Dans la vraie vie, des phénomènes sont mélangés et impactent les productions industrielles (par exemple les billes de couleur de la vidéo) et des algorithmes (matérialisés dans la vidéo par le chemin que les billes empruntent) sont capables de les classifier, c’est-à-dire de déterminer ce qui est conforme ou pas, malgré le tumulte initial …