Les défis commerciaux pour l'utilisation industrielle de l'IA et les moyens de les résoudre

L'introduction des nouvelles technologies demeure un problème important pour l'industrie lourde, y compris l'industrie pétrolière et gazière et les entreprises de production, les compagnies d'extraction minière et métallurgiques.

De nouvelles solutions dans la sphère de l’intelligence artificielle arrivent rapidement sur les marchés. Elles génèrent de la valeur et des revenus à des rythmes de croissance stupéfiants. L’introduction des nouvelles technologies demeure un problème important pour l’industrie lourde, y compris l’industrie pétrolière et gazière et les entreprises de production, les compagnies d’extraction minière et métallurgiques. Ces secteurs commencent tout juste à introduire l’intelligence artificielle (IA). Comparée aux autres secteurs, l’industrie lourde accuse un retard.

Quelles sont les raisons et les prétextes qui ont conduit à cette situation ? La production dans le secteur de l’industrie lourde est très coûteuse.  Sur un marché développé la réduction des coûts et l’optimisation des process deviennent des priorités premières qui sont définies par tous les cadres et les directeurs quasiment. Aujourd’hui, l’intelligence industrielle propose de nouvelles approches permettant de réaliser ces objectifs. En générant une nouvelle valeur, l’IA fonctionne de toute évidence différemment des méthodes plus traditionnelles. Le plus grand obstacle au lancement de nouveaux projets d’études à base d’IA demeure le coût total élevé de l’acquisition de la résolution. 

Par ailleurs, le manque de spécialistes en IA disposant de toutes les compétences nécessaires est lui-aussi un problème.  Les technologies originales obsolètes font obstacle à l’arrivée des jeunes diplômés des écoles supérieures. Leur maîtrise demande une formation longue et coûteuse, ce qui limite les perspectives d’emploi. Un bon projet de développement à base d’IA nécessite de sélectionner avec justesse les outils, mais également les modèles, les algorithmes et les méthodologies d’introduction pour un secteur concret.

L’industrie lourde s’oriente en général sur des investissements à long terme et elle les réalise. La création de nouvelles installations de production et de nouvelles entreprises minières nécessite d’énormes investissements. Une fois l’activité lancée, on cherche à optimiser en permanence ces entreprises et à réduire leurs coûts. C’est là où l’IA devient intéressante. De nouvelles options d’utilisation des technologies développées pour satisfaire les besoins des entreprises commencent à apparaître. Leur optimisation entraîne une demande croissante en faveur d’une plus grande rapidité de changement des processus commerciaux. À leur tour, ceux-ci demandent des prises de décisions de plus en plus rapides et libèrent le personnel des processus routiniers.

De nombreux exemples d’objectifs de production limités, tels que la détection des défauts, semblent faciles à résoudre à l’aide de l’IA.  Néanmoins, l’IA a du mal à être appliquée à l’ensemble des processus opérationnels, comme le monitoring de toute la ligne de production et le contrôle de toute la chaîne de création des valeurs, par exemple.  Des décisions de principe importantes dans l’architecture des applications sont difficiles à transmettre aux autres. Les entreprises ne sont pas toujours prêtes à développer ces solutions avec quelqu’un d’autre. Elles préfèrent attendre, espérant voir des exemples de solutions déjà mises en œuvre apparaître, et sont réticentes à se lancer dans des expériences et des investissements.

Les valeurs traditionnelles empêchent la réduction des coûts

Dans la plupart des cas, la structure organisationnelle dans l’industrie lourde repose sur des valeurs très traditionnelles. Cela ne répond plus aux besoins d’une entreprise moderne dans un fonctionnement plus dynamique et flexible. Aujourd’hui, le développement du marché est effectué par des sociétés numériques. Leurs projets et leurs nouvelles méthodes définissent l’orientation du développement.  Ces sociétés sont suivies par les grandes institutions financières et les entreprises du commerce de détail, les sociétés de télécommunications, les secteurs du commerce électronique et des fournisseurs de services. Aujourd’hui, ceux-ci sont les plus disposés à expérimenter les technologies de l’intelligence industrielle, et ces expériences deviennent de plus en plus courantes au fur et à mesure que les résultats de son introduction deviennent probants. Les grandes entreprises, le secteur pétrolier et gazier excepté, parlent principalement des perspectives apportées par les technologies de l’IA, et non de leur introduction.

Dans le même temps, nous voyons que les services cognitifs proposant un soutien d’experts dans un large spectre de secteurs affichent une croissance. Les systèmes et les applications de l’IA cognitive aident le personnel à s’orienter dans les masses de données, résolvant partiellement le problème du manque d’analystes de données et de programmistes. L’utilisation de l’IA pour l’optimisation des processus offre un résultat rapide, mesurable, et les principaux nouveaux projets apparaissent précisément dans ce domaine.

Les solutions dans le domaine de l’IA sont déjà disponibles et prêtes à être introduites

Certaines entreprises pionnières introduisent déjà partout des solutions à base d’IA dans l’industrie lourde et procèdent à de nombreuses expériences dans ce secteur.  Tulip Interfaces, une startup du domaine de l’IA, société dérivée de l’institut technologique du Massachusetts, propose une plateforme d’applications compatibles avec IIoT qui est utilisée par de plus petits fabricants.  Fanuc Corporation, leader industriel en robotique, a créé un outil basé sur l’intelligence artificielle pour raccourcir le processus d’apprentissage machine de la robotique de quelques heures.  Ou encore cette société d’extraction de cuivre, Freeport -McMoran, qui a testé avec succès la technologie de l’IA sur sa carrière intellectuelle en Arizona, aux Etats-Unis. Elle envisage une augmentation de 90 000 tonnes de la production de cuivre avec des investissements minimaux.

La technologie de l’IA est prête, mais elle poursuit aussi constamment son développement.  Le traitement analytique des données permet aux entreprises d’extraire du savoir d’un grand volume de sources d’information diverses. Les technologies de l’IA complètent les actions de l’homme et sont capables de mettre à jour des lois et d’élaborer des recommandations sur la base de l’analyse des résultats obtenus. A la différence des technologies d’information les plus répandues, l’intelligence artificielle a la capacité d’élargir son potentiel avec le temps.  L’utilisation des processus et des technologies à base d’IA génère des données supplémentaires à partir desquelles se poursuit leur perfectionnement. Les exemples de projets réussis et de croissance des bénéfices grâce à l’utilisation des technologies de l’IA seront un argument convaincant en faveur de nouveaux projets basés sur son introduction.

Pourquoi rien est fait ?

Les exemples d’utilisation industrielle tiennent compte des spécificités d’un tel ou tel secteur et de ses processus opérationnels.  Ils sont encore rarement utilisés, mais les entreprises examinent les options d’introduction de ces solutions d’ici 1 à 2 ans. 40% des entreprises envisagent d’automatiser la maintenance préventive, 48% les chaînes d’approvisionnement et la logistique et 34% la surveillance et la gestion qualité. Ces scénarios reflètent les plans des entreprises-fabricantes chargés de numériser les affaires dans leur ensemble.

En dépit de ces intentions, l’industrie lourde est confrontée à des problèmes de gestion et de prise de décisions. Les sociétés de ce domaine restent prisonnières de la séparation traditionnelle des intérêts.  La gestion de leurs affaires est rarement effectuée grâce aux technologies de l’information ou avec la participation d’acteurs clefs du domaine l’IA. Le plus souvent, les directeurs et les dirigeants se concentrent exclusivement sur les finances.  Cette situation est très différente de celle des secteurs, portés par les technologies de l’information, comme le commerce, les finances ou l’hôtellerie et les loisirs.

Dans le domaine de l’IA, la participation de petites entreprises aux projets de recherche à base d’IA est essentielle pour obtenir des revenus sur investissements.  Les résultats positifs d’un projet dépendent non seulement de scénarios correctement choisis, mais aussi du soutien de la direction. Le marché peut croître encore plus vite, compte tenu de l’effet de sa base de départ peu élevée. Les aspects suivants influencent positivement les rythmes de croissance :

• Les transformations numériques dans les entreprises et les administrations publiques.
• L’association d’acteurs locaux possédant une expérience dans le domaine de l’intelligence artificielle et dans l’introduction de ces solutions.
• Les résultats positifs apportés par l’introduction de projets pilotes et les avantages économiques qui en découlent.
• Les initiatives d’introduction de projets déjà lancés.
• La présence de programmes nationaux pertinents.

Les excuses pour refuser ces changements se résument au fait que tout va bien pour l’instant. Les affaires courantes continuent souvent de fonctionner à un bon rythme. Et on peut très bien obtenir quelques améliorations mineures à l’aide des méthodes traditionnelles.  Dans le même temps, une large introduction large de l’IA ne se résume pas à une évolution soudaine et ponctuelle.  L’influence du retard pris dans ce processus est plus lente, mais sera plus difficile à rattraper si vous avez déjà pris du retard à l’étape de la collecte de ce qu’on appelle "les grandes données".

Les problèmes spécifiques de l’industrie

Dans la plupart des cas où elle est utilisée dans l’industrie, l’objectif de l’IA est d’augmenter la productivité du travail des employés, l’efficacité des processus opérationnels et d’améliorer le contrôle de la qualité.  Le potentiel le plus important d’utilisation de l’IA est concentré dans des sphères très étroites : la prévision, la formulation des recommandations, la création de systèmes de reconnaissance des modèles et d’analyse du streaming vidéo.

Généralement, les personnes prenant des décisions dans l’industrie lourde s’accordent à dire que l’IA reste "un domaine très particulier".  L’ampleur et la complexité de la production amènent les spécialistes d’un secteur à concentrer leur réflexion uniquement sur les défis de leur propre secteur. L’IA exige des connaissances profondes dans les processus opérationnels et la compréhension des spécificités de l’IA industrielle. C’est pourquoi les entreprises industrielles utilisent rarement des applications tierces pour des services de conseil dans ce domaine. La situation reste celle-ci, en dépit de l’absence dans le secteur de spécialistes propres dans cette sphère.  Outre cela, de mauvaises stratégies de tarification et de modèles d’affaires conduisent à la création d’outils industriels très spécialisés, et non de solutions déjà prêtes.

Dans les sociétés de production, les assistants virtuels sont capables de donner des recommandations sur le choix des paramètres optimaux et des méthodes technologiques à adopter pour parvenir à une productivité maximale.  Leurs recommandations sont basées sur les données historiques et les modèles de prévision, ce qui exclut les erreurs humaines et augmentent l’efficacité du processus. À l’avenir, il faudra aussi prendre compte les particularités de l’interaction entre l’homme et la machine.  Le fait est que les productions, surtout de fabrication, servent de lieu de concentration du personnel et des machines où ils interagissent mutuellement. 

Comment se mettre au travail

Une fois que la décision d’introduire des applications à base d’intelligence artificielle a été prise, il faut élaborer un plan détaillé pour que commence le travail. La sensibilité du processus d’introduction face aux dépenses et à l’absence d’experts en IA possédant les savoir-faire nécessaires et une compréhension dans la plupart des entreprises peuvent le rendre difficile.

Une des solutions prouvées et viables est l’interaction avec de grandes sociétés IT capables et expérimentées. Google, Microsoft, IBM, Huawei, Amazon, Baidu ont une grande expérience de travail avec les entreprises et peuvent satisfaire certains besoins de l’industrie lourde. Leur autorité fournit le niveau de confiance nécessaire et elles disposent elles-mêmes des ressources indispensables.

Le manque de données nécessaires peut être surmonté grâce à l’échange de données entre les secteurs.  Les entreprises ont peur de partager leurs informations, car elles y voient un risque de perdre un avantage concurrentiel et veulent protéger leurs droits de propriété intellectuelle (PI).  Les données ont une valeur monétaire, quoique immatérielle, valeur que les sociétés ne veulent pas partager avec d’autres.  Les secteurs doivent aussi évaluer la mesure dans laquelle les grands ensembles de données peuvent être utiles pour tous les participants, sans que cela viole la législation sur la confidentialité et les dispositions fixées dans les contrats.

En raison de leur manque d’expérience, les clients affichent souvent des attentes exagérées par rapport aux capacités des systèmes de vision par ordinateur, leur coût et les délais de retour sur investissement. Par conséquent, pour l’étude des applications à base d’IA et l’accumulation de connaissances pertinentes, il est recommandé de commencer par l’introduire dans un petit projet. La formation les investissements dans la préparation des employés est la clef du projet, parce que l’intelligence artificielle ( IA ) n’est pas une technologie de l’information (IT).  Malheureusement, l’IA fait peur. cette peur est alimentée par une couverture médiatique négative à son sujet, ce qui explique la raison pour laquelle le personnel résiste à son introduction. Les projets d’introduction de l’IA se concentrent sur l’utilisation d’une grande quantité des données et exigent une approche plus globale.

Les projets d’introduction de l’IA reposent sur le responsable du service de transformation numérique

Les institutions doivent commencer par travailler sur la stratégie et les feuilles de route du déploiement de l’IA.  L’IA est la partie essentielle de la transformation numérique et doit être introduite dans les affaires en étroite collaboration étroite avec le service des IT pour lequel le service de gestion des affaires détermine le résultat précisément attendu. Le service IT doit être à son tour responsable de toutes les solutions et technologies nécessaires. L’initiative de la réalisation du projet va du haut vers le bas et demande un leader fort, souvent au niveau du directeur général ou du directeur du service de transformation numérique pour aider les modèles des projets de ce genre à devenir une partie des processus opérationnels et à prouver leur valeur.