PwC Insights : exploiter l'IA et le Big Data pour transformer la fabrication

Manufacturing Global s'entretient avec Kaveh Vessali, associé PwC Moyen-Orient (Digital, Data & AI), sur l'application de l'IA et du Big Data dans la fabrication.

Pourriez-vous définir ce qu'est l'intelligence artificielle et le Big Data ?

L'IA est la capacité d'une machine à percevoir son environnement et à effectuer des tâches qui requièrent normalement l'intelligence humaine ; c'est tout un champ de technologies, techniques et applications différentes.

Le Big Data est un ensemble d'outils et de capacités pour travailler avec, pour traiter, des ensembles de données extrêmement volumineux.

Comment l'IA et le Big Data fonctionnent-ils ensemble ?

Le Big Data n'est qu'un des activateurs de l'IA, mais à mesure que les volumes de données augmentent, c'est l'un des plus importants.

Comment cela peut-il s'appliquer à un contexte manufacturier ?

Globalement, il y a de nombreux bénéfices de l'IA et de l'utilisation des données : réduction des coûts, minimisation de l'erreur humaine, augmentation de la productivité et de l'efficacité. L'important est de considérer, pour l'utilisation de toute technologie, quel est le problème que vous essayez de résoudre ? Qu'il s'agisse simplement d'automatiser des tâches répétitives ou de réinventer la nature du travail en usine en faisant collaborer humains et machines pour prendre de meilleures décisions, plus rapidement.

Pourquoi les fabricants devraient-ils utiliser l'IA et le Big Data en adoptant des capacités de fabrication intelligente, quelle est la valeur pour les fabricants ?

Un point de vue est, à nouveau, les bénéfices économiques de l'IA, qui en fabrication résultent de :

1. Gains de productivité grâce à l'automatisation des processus et à l'augmentation du travail des effectifs existants avec diverses applications de technologies d'IA.

2. Augmentation de la demande consommateur due à une capacité accrue de personnaliser et d'adapter les produits manufacturés, ainsi que des produits et services numériques et enrichis par l'IA de meilleure qualité.

La fabrication (et la construction) sont par nature intensives en capital, et dans notre rapport 2018 « L'impact potentiel de l'IA au Moyen-Orient », nous estimions que l'adoption d'applications d'IA pourrait augmenter la contribution des secteurs aux gains de PIB de plus de 12,4 % d'ici 2030.

Comment l'IA et le Big Data peuvent-ils aider les fabricants à évoluer dans la révolution Industrie 4.0 ? Et pour ceux qui regardent déjà vers l'Industrie 5.0 ?

C'est vraiment une question d'investissement que vous faites maintenant pour pérenniser votre business.

Nous voyons généralement deux grandes stratégies ou approches pour l'adoption de l'IA. Il y a des choses qu'on peut faire immédiatement, sans recourir au Big Data — c'est adopter des technologies qu'on qualifie de « Sensing », impliquant par exemple la vision par ordinateur. Il y a plein de cas d'usage où ces technologies peuvent être utilisées immédiatement en fabrication, comme la détection automatique de défauts. Cependant, il y a un jeu long terme qui nécessite d'investir dans la data — mettre en place les bons mécanismes de collecte, stockage, gouvernance des données, capacités Big Data — pour développer des cas d'usage d'IA pilotés par le machine learning de plus en plus précieux. C'est absolument nécessaire pour le succès de l'adoption long terme.

Quelle est la meilleure stratégie pour les organisations cherchant à réaliser la valeur de l'IA et du Big Data en fabrication ?

L'IA et le Big Data ne sont qu'une partie d'une usine intelligente réussie. Les organisations qui mènent l'adoption de l'IA sont celles qui ont déjà fait le plus de progrès dans la numérisation des processus métier cœur. Pour prendre de l'avance dans l'utilisation de solutions d'IA à grande échelle, il y a un certain nombre d'investissements technologiques et de décisions organisationnelles à prendre, notamment :

1. La numérisation des processus mène ultimement à une meilleure capacité à générer de la data, et en contexte manufacturier — avec des centaines de capteurs générant des milliers de mesures en temps réel, le résultat est du Big Data. La data est clé pour construire l'IA, donc une acquisition, gestion et gouvernance de données fiables et précises sont essentielles. La ligne de production et les usines jouent un rôle critique et direct dans le processus d'acquisition de données.

2. La stratégie IA, court et long terme, commence par les cas d'usage, les applications métier. Les fabricants doivent se demander où ils veulent utiliser l'IA, rassembler ces cas d'usage et prioriser les projets sur la base d'un équilibre entre impact attendu et complexité d'implémentation.

Bien sûr, en plus de la technologie et des processus métier, les gens sont au cœur de toute adoption technologique réussie. Les équipes IA doivent être composées non seulement de data scientists, mais aussi de data engineers et solution architects pour permettre leur travail, de data stewards pour assurer la précision, et de plus en plus de « traducteurs Analytics/IA » capables de communiquer avec les dirigeants business et les experts technologiques. La culture est aussi clé, et les fabricants doivent permettre une culture data- et IA-driven, en construisant la confiance dans les données et algorithmes par l'éducation de leurs effectifs sur l'IA et ses capacités, comment en extraire le mieux de la valeur. Ce n'est pas que le positif, mais aussi les risques et limites, car ceux-ci, rencontrés sans attentes définies, peuvent impacter significativement la volonté d'investir.

Quels sont les défis pour l'adoption de l'IA et du Big Data en fabrication ?

Des recherches ont montré que l'un des principaux défis pour implémenter l'IA est l'incertitude autour du retour sur investissement (ROI). Comme je l'ai dit, un investissement significatif est requis pour une stratégie data et IA long terme réussie, et les attentes sur le temps pour voir des retours tangibles doivent être fixées réalistement.

Beaucoup d'entreprises luttent aussi côté data : collecter et fournir les données dont un système IA a besoin pour opérer, et s'assurer qu'elles sont précises. Encore une fois, cela parle des investissements plus larges requis dans la numérisation.

Parmi les principaux défis pour les entreprises manufacturières implémentant l'IA à grande échelle, selon nos recherches :

• 40 % → Technologies pas matures
• 40 % → Effectifs manquent de compétences pour implémenter et gérer l'IA
• 36 % → Incertitude sur le retour sur investissement
• 33 % → Data pas encore mature
• 32 % → Manque de transparence et de confiance
• 24 % → Conseils d'entreprise et syndicats
• 22 % → Obstacles réglementaires sur marchés domestiques & importants

Un élément souligné ici, particulièrement autour du manque de confiance et des syndicats, est que l'IA est généralement mal représentée dans les médias comme « remplaçant » les travailleurs et supprimant des emplois. Oui, il y a des gains d'efficacité à faire par l'automatisation, comme depuis la première révolution industrielle. Mais nous pensons que la Data et l'IA sont à leur plus grande valeur quand elles sont utilisées pour augmenter les travailleurs, en améliorant leurs capacités et les produits manufacturés.

Un autre défi qui émerge : les cyberattaques ciblant de plus en plus les équipements et machines interconnectés dans les usines intelligentes. PwC a récemment organisé un webcast, en coopération avec la National Association of Manufacturers aux US et Microsoft, pour en discuter.

Quelles sont les tendances actuelles en IA et Big Data dans la fabrication ?

• Les entreprises mettent légèrement plus l'accent sur l'ajout de solutions IA aux processus de production cœur : ingénierie, assemblage, tests qualité
• La sécurité est d'une importance significative, avec des techniques adoptées dans les capacités d'adhésion aux protocoles (ex: maintien distance de sécurité vis-à-vis de machines spécifiques) étant adoptées dans plus de scénarios quotidiens pour l'adhésion aux protocoles COVID-19
• Il y a un intérêt considérable pour la maintenance prédictive des gros équipements impliqués dans les processus de fabrication, et aussi l'optimisation de la chaîne d'approvisionnement

Que voyez-vous se passer dans l'industrie IA et Big Data en fabrication dans les 12-18 prochains mois ?

Honnêtement, je pense qu'on verra une continuation de là où on en est déjà depuis 12-18 mois. L'IA et la data sont déjà utilisées en fabrication mais cette utilisation n'attire pas autant l'attention médiatique que, disons, la santé, mais les success stories sont là, et elles continueront alors que les opérations poursuivent leurs parcours numériques.