Malgré toutes les promesses de la transformation numérique et le rôle de l’IA dans la conduite des usines du futur, son adoption est encore relativement naissante dans une grande partie du secteur manufacturier.
A propos de l’auteur
Ted Plummer, chef de produit principal et expert résident en IA dans l’entreprise d’impression 3D industrielle Markforged.
Il y a un certain nombre de raisons à cela, notamment un manque de compréhension de ce qu’est réellement l’IA et des changements qu’elle apportera. Séparer les faits de la (science)fiction peut être un défi. La confusion, associée à l’incertitude, engendre des craintes et des idées fausses, qu’il s’agisse de risques pour la sécurité, de pertes d’emplois, de perte de contrôle et de ce que la technologie peut et ne peut pas faire.
Sommaire
Mythe 1 : l’IA est l’objectif final
Il existe une idée fausse commune selon laquelle l’IA elle-même est un avantage – j’ai eu d’innombrables conversations avec des clients qui ont mal interprété le fait que l’IA est un mécanisme, pas un avantage. J’ai entendu « J’attendrai qu’il « fasse de l’IA » » plus de fois que je ne peux en compter. La réalité est que l’avantage de l’intelligence artificielle n’est pas le processus lui-même, mais – comme tout type d’analyse de données – la valeur de l’IA découle de sa capacité à résoudre les problèmes plus rapidement, en accélérant la production. L’IA est le comment, pas le pourquoi.
La deuxième partie de l’équation de l’IA est l’apprentissage fédéré. Les smartphones Apple ou Android utilisent une technologie d’apprentissage fédéré pour s’améliorer avec chaque message texte tapé en fonction de la façon dont les utilisateurs individuels et collectifs interagissent avec leurs claviers. De même, notre réseau de plus de 10 000 imprimantes 3D connectées en toute sécurité applique cette technologie d’IA pour permettre à chaque machine de « devenir plus intelligente » à chaque impression, tout en maintenant les normes les plus élevées en matière de confidentialité, d’intégrité et de confidentialité des données des clients.
En analysant les données de la « flotte » d’imprimantes, l’IA peut repérer les corrections ou les ajustements effectués régulièrement, par exemple lorsque les angles de surplomb ou les motifs de remplissage ne sont pas tout à fait corrects. Ces opportunités d’amélioration peuvent ensuite être réinjectées dans le système, améliorant ainsi le rendement collectif des imprimantes sans intervention humaine.
Mythe 2 : l’IA n’est pas sécurisée et repose sur des données propriétaires
Il existe une idée fausse selon laquelle, parce que l’IA repose sur des données, elle oblige ceux qui les utilisent à partager leur propriété intellectuelle (IP) pour en tirer profit. Ce n’est pas le cas. En ce qui concerne l’IA dans l’impression 3D, l’adresse IP du client et les données des pièces restent séparées dans des limites sécurisées. Ce ne sont pas ces informations propriétaires qui alimentent l’apprentissage fédéré décrit ci-dessus, mais des métadonnées anonymisées. Ce sont les informations qui sont essentiellement collectées dans un « réservoir » de données qui permettent aux machines d’apprendre et de s’améliorer. Il est impossible de recréer l’une des IP source à partir des données collectives.
Cependant, comme pour toute technologie basée sur les données, la sécurité est toujours de la plus haute importance lorsqu’il s’agit d’utiliser l’IA. Il est essentiel de s’assurer qu’il est basé sur une plate-forme sécurisée avec l’intégrité et la confidentialité des données des clients – et une certification ISO 27001 est un excellent moyen de démontrer que vous avez investi dans la gestion des risques.
Mythe 3 : L’IA est en constante évolution, ce qui rend ses résultats imprévisibles et inadaptés à la répétabilité
Pour les industries hautement réglementées telles que l’aérospatiale, la répétabilité est primordiale. Lors de la création de pièces pour avions, par exemple, la 10 000e pièce imprimée doit être exactement la même que la toute première. Pour cette raison, l’IA – et en particulier l’apprentissage fédéré – est souvent rejetée par les industries réglementées. Ses avantages d’apprentissage progressif et d’améliorations sont considérés comme en contradiction avec les exigences de sécurité strictes et critiques pour la vie.
Cependant, des industries comme l’aérospatiale où la répétabilité est requise peuvent toujours bénéficier des technologies basées sur l’IA. Il peut être utilisé pour des itérations de conception, en aidant par exemple à peaufiner et à perfectionner des pièces d’avion dans les premières phases de développement. Une fois que l’équipe est satisfaite des paramètres de la pièce, le système peut alors être « verrouillé » pour s’assurer qu’aucune autre modification n’est apportée ou que des mises à jour de données sont intégrées à partir de la flotte. À ce stade, la technologie peut alors être utilisée comme un outil de vérification pour s’assurer qu’il n’y a pas de dérivations dans le processus d’impression et que chaque pièce est exactement la même que la précédente.
À plus long terme, la même technologie pourra assurer une répétabilité encore plus grande en détectant et en compensant les changements de comportement du système comme un manque de lubrification ou l’usure des machines.
Mythe 4: l’IA remplacera les humains et prendra nos emplois
Ce mythe réside encore beaucoup dans le monde de la science-fiction. Je dis, laissez la machine prendre le relais lorsqu’il s’agit de problèmes liés à la machine ! Très peu d’opérateurs, d’ingénieurs ou de concepteurs industriels se plaindraient si les machines pouvaient « s’auto-réparer », les soulageant ainsi des tâches de dépannage banales et leur permettant de s’acquitter de leurs tâches quotidiennes.
Plutôt que de nous rendre paresseux ou redondants, l’utilisation de l’IA et de l’apprentissage automatique contribue à alimenter l’innovation et des pratiques de travail plus intelligentes. Dans la fabrication ou la conception de produits, au lieu de se concentrer sur des problèmes plus axés sur les processus « quoi » et « comment », cela permet aux ingénieurs de poser les questions « pourquoi » et « et et si » et d’explorer les implications de différents scénarios lorsqu’il s’agit de augmenter l’efficacité ou créer de nouveaux produits – conduisant finalement à de plus grandes opportunités commerciales.
Mythe 5 : Le coût de l’IA freine son adoption
Il y a deux réponses courantes que j’entends lorsque je parle aux clients de nos machines alimentées par l’IA : (1) « Je n’arrive pas à croire à quel point c’est abordable ! » ou (2) « Cela coûte trop cher ! » Comme pour toute technologie en développement, il y a ceux qui peuvent voir la valeur qu’elle peut apporter et ceux qui la voient comme un luxe coûteux.
Nous commençons à voir ce changement à mesure que l’IA progresse au-delà de la phase d’adoption précoce. Ceux qui défendent les solutions basées sur l’IA dans l’usine se concentrent sur la valeur qu’elles peuvent apporter – essentiellement en permettant aux machines de résoudre les problèmes liés aux machines, en libérant les ingénieurs et les opérateurs pour qu’ils investissent leurs efforts dans l’innovation, le développement de produits et d’autres efforts liés à l’homme.
Il est important de se rappeler que bon nombre de ces mythes existent parce que toutes les IA ne sont pas créées de la même manière. Pour être un outil efficace, l’IA nécessite l’accès à de grandes quantités de données – les machines ne peuvent pas « apprendre » sans un flux constant de données fiables. Avant d’investir dans une technologie basée sur l’IA, assurez-vous qu’elle dispose d’une source de données fiable qui peut évoluer avec les machines qu’elle alimente.
