Comment l'IA façonne la main-d'œuvre : perspectives d'un dirigeant de l'industrie

L'industrie et la fabrication se tournent de plus en plus vers l'intelligence artificielle (IA) pour booster la productivité et la qualité. Cependant, un dirigeant affirme que l'IA doit être déployée avec soin.

Dominic Gallello est CEO de Symphony AzimaAI, entreprise d'Internet industriel des objets et d'intelligence artificielle d'entreprise. Il a dirigé trois entreprises logicielles publiques et privées au cours des 16 dernières années. Sa carrière de dirigeant inclut aussi un passage chez Autodesk.

Gallello a été interviewé par email.

QUESTION : L'intelligence artificielle (IA) peut-elle épuiser les travailleurs ? Je pensais qu'elle était censée faciliter les choses. Qu'est-ce qui s'est passé ?

GALLELLO : Si elle est implémentée correctement, non, elle n'épuise pas les travailleurs. Mais si vous voulez épuiser un opérateur de salle de contrôle, fournissez-lui une litanie d'alarmes et de recommandations disjointes qui ne synthétisent pas les problèmes qui surviennent en recommandations significatives.

C'est là que l'IA devrait intervenir et être d'une aide tremende. L'ordinateur peut traiter et corréler une quantité tremende d'informations pour inférer des insights que l'esprit humain n'est pas capable de faire.

Mais si elle est mal implémentée, oui. Nous avons vu encore et encore que quand elle est mal implémentée, l'IA déclenche de fausses alertes. L'ordinateur dit qu'il y a un problème alors qu'il n'y en a pas. Cela mène à des chasses à l'oie sauvage. Passer sa journée à éliminer de faux positifs est un exercice abrutissant pour la plupart.

QUESTION : Vous avez rapporté l'anecdote d'une entreprise de services gaziers ayant beaucoup de faux positifs. Pouvez-vous donner un peu de contexte et décrire ce qui s'est passé ?

GALLELLO : Ils utilisaient un système basé sur l'IA de deuxième génération, la soi-disant reconnaissance de motifs qui est notoire pour jeter jusqu'à 60 pour cent de faux positifs. Devoir les traquer et découvrir qu'il n'y a pas vraiment de problème est chronophage, coûteux, et aussi très inquiétant pour déterminer ce qui est réel et ce qui ne l'est pas.

L'IA est nécessaire mais insuffisante. Les systèmes d'IA hérités de deuxième génération entraînent le modèle sur les défauts machine connus et si le même défaut survient, le système le détectera. Mais que se passe-t-il quand vous n'avez aucun historique d'un défaut et qu'il survient ? Le modèle ne le détectera pas.

L'IA de troisième génération renverse le paradigme. Nous entraînons le modèle d'IA sur ce qui est un comportement de fonctionnement « normal » et puis nous détectons tout comportement anormal par rapport au normal en utilisant l'apprentissage non supervisé de troisième génération. Maintenant, nous ne faisons que commencer.

Une étape critique est de connecter l'IA à une bibliothèque d'Analyse des Modes de Défaillance et de leurs Effets (AMDE) qui identifie avec précision les composants machine dans la machine qui sont les mauvais acteurs et fournit des recommandations aux ingénieurs de maintenance sur les actions à entreprendre.

QUESTION : Les entreprises ont-elles commencé à regarder l'IA comme une panacée ?

GALLELLO : Personne ne le fait longtemps. En termes de théorie du fossé (chasm theory), nous passons au-delà des visionnaires et early adopters. La majorité précoce veut que ça marche, résolve des problèmes spécifiques, et livre des résultats financiers. C'est une foule dure, « prouvez-le-moi ».

QUESTION : Y a-t-il des conséquences non intentionnelles avec l'IA ? Si oui, lesquelles ?

GALLELLO : L'IA est comme tout autre changement technologique. Je la compare au passage à la programmation orientée objet. Il y a eu une ruée vers elle, il y a eu beaucoup de mauvaises implémentations mais finalement elle est devenue la norme. L'IA traverse ce même parcours.

QUESTION : Quels ajustements les entreprises devraient-elles faire dans la façon dont elles déploient l'IA ?

GALLELLO : Mieux vaut faire apprendre l'IA aux ingénieurs que d'avoir une division entre ingénieurs experts métier et purs data scientists. Quand les experts métier peuvent comprendre et exploiter la puissance de l'IA, cela mènera à des implémentations beaucoup plus rapides et réussies.