Loin des annonces, quelques applications passent réellement l'épreuve de l'atelier. Elles ont un point commun : un périmètre étroit.
Nous voyons passer beaucoup de projets d'intelligence artificielle industrielle. Très peu survivent au passage en production. Ceux qui tiennent partagent une caractéristique : ils résolvent un problème étroit, dont la réponse attendue est vérifiable immédiatement.
1. Le contrôle visuel de défauts d'aspect
C'est l'usage le plus mature. Une caméra, un éclairage maîtrisé et quelques milliers d'images annotées suffisent à détecter rayures, manques ou salissures avec une régularité qu'aucun opérateur ne tient sur huit heures. Le point dur n'est pas le modèle mais l'éclairage, et la procédure de ré-entraînement quand le produit évolue.
2. La prédiction de dérive de réglage
Sur un procédé stable et bien instrumenté, un modèle apprend la relation entre paramètres machine et caractéristiques produit. Il signale au régleur qu'une cote va sortir des tolérances avant que le premier rebut n'apparaisse. L'intérêt tient à l'avance donnée, pas à la précision absolue.
3. La recherche dans la documentation technique
Retrouver la bonne consigne dans trois cents pages de documentation, en langage naturel, fait gagner un temps réel aux équipes de maintenance. Cet usage ne touche pas au pilotage du procédé, ce qui réduit considérablement le risque et la charge de validation.
Ce qui ne marche pas encore
Le pilotage automatique de procédé par apprentissage reste, dans la plupart des contextes, prématuré : la question de la responsabilité en cas de défaut n'est pas tranchée, et les procédés dérivent plus vite que les modèles ne se ré-entraînent. Nous conseillons de garder l'humain dans la boucle de décision tant que cette dérive n'est pas maîtrisée.
Retour au blog