Pourquoi les industriels devraient penser au moins un peu à l'IA

Il semble que tout le monde parle d'intelligence artificielle (IA) et d'apprentissage automatique ces jours-ci. Les grands industriels multinationaux adoptent l'IA dans le but de rendre les machines plus intelligentes, afin qu'ils puissent rivaliser efficacement dans la révolution industrielle numérique qui est en cours. En témoigne l'article de 2016 de la revue MIT Sloan Management Review qui se concentre sur la façon dont GE réalise des investissements majeurs dans l'IA et l'analyse industrielle pour aider à conduire sa transformation numérique. Mais même les petites et moyennes entreprises industrielles et manufacturières devraient penser à l'IA… au moins un peu.

Après tout, si vous ne pensez pas à l'apprentissage automatique et à l'IA, pourquoi collectez-vous toutes ces données à partir des systèmes de production ? Dans de nombreux cas, les entreprises collectent plus de données qu'elles ne peuvent en consommer. L'analyse des données n'est pas une fin en soi; il doit être utilisé pour conduire quelque chose. Et c'est là que l'IA jouera un rôle crucial et croissant.

Certes, l'apprentissage automatique peut jouer un rôle précieux en passant au peigne fin ces montagnes de Big Data pour identifier des modèles importants et extraire des informations précieuses pour la transformation de l'entreprise. Mais ce n'est qu'une partie de l'histoire. La vraie valeur réside dans l'utilisation de l'IA pour tirer parti de ces informations pour réellement faire bouger les choses, de manière autonome, éventuellement en temps réel.

Cela pourrait signifier qu'un programme de ligne de production se modifie automatiquement en raison de changements dans la disponibilité des ressources et gère ce changement sur l'ensemble de la chaîne d'approvisionnement pour éviter les interruptions ou les conflits. Alors que les chaînes d'approvisionnement mondiales deviennent de plus en plus complexes, cette intelligence basée sur l'IA jouera un rôle crucial pour aider les entreprises à être compétitives dans l'économie « à la demande/juste à temps ».

Voir aussi : Dans un monde alimenté par l'IA, quels sont les emplois potentiels du futur ?

Grande contre petite IA

Cela vous semble ambitieux ? Ramenons-le sur terre. Je pense qu'il y a en fait "Big AI" et "Little AI". Big AI utilise l'intelligence artificielle et des quantités massives de données, souvent dans le cloud, pour résoudre des problèmes vraiment complexes à grande échelle, dans plusieurs secteurs d'activité. C'est ce que font des géants mondiaux comme GE. Little AI se concentre sur la résolution des « micro-problèmes », comme trouver comment optimiser une seule ligne de production tout en minimisant le besoin d'interaction humaine. Peu d'IA peut être mieux gérée sur site, à proximité des systèmes opérationnels en cours d'automatisation. Pensez à l'analyse en temps réel et à la périphérie sur des systèmes hautement disponibles conduisant à une automatisation intelligente.

Bien entendu, la première étape vers une utilisation efficace de l'IA consiste à mettre votre infrastructure à niveau. Cela signifie souvent mettre à niveau votre réseau pour permettre le flux d'informations et les systèmes traitant les choses à la périphérie. Ce n'est qu'alors qu'il est logique de déployer des capteurs pour collecter des données et des analyses pour donner un sens à tout cela. Enfin, cette progression peut conduire à embaucher des data scientists pour optimiser votre environnement afin de tirer pleinement parti de l'IA.

De nombreux industriels ne sont qu'au début de cette progression. Mais étant donné le rythme de la transformation numérique dans des secteurs aussi divers que l'énergie, les transports, la fabrication et les télécommunications, penser à l'IA dans le contexte de votre entreprise, même un tout petit peu, a beaucoup de sens.