L’intelligence artificielle et au-delà

Intelligence artificielle et au-delà : comment les technologies de pointe transforment les opérations industrielles

27 juin 2024

Les agents d’IA peuvent amplifier l’impact de grands modèles linguistiques comme ChatGPT en augmentant leur capacité à planifier, hiérarchiser et exécuter des actions.

Image : Getty Images/iStockphoto

Kiva Allgood

Directeur, Centre pour la fabrication avancée et les chaînes d’approvisionnement, Forum économique mondial

Daniel Cooper

Directeur général et associé principal, BCG (Boston Consulting Group)

Notre impact

Que fait le Forum économique mondial pour accélérer l’action sur les chaînes de production et de valeur ?
INNOVATION CROWDSOURCE
Engagez-vous avec notre plateforme de crowdsourcing numérique pour produire un impact à grande échelle.
Cet article fait partie de : Réunion annuelle des nouveaux champions
L’émergence de technologies de pointe telles que l’intelligence artificielle transforme rapidement les opérations industrielles et de fabrication dans le monde entier.
Les agents d’IA peuvent amplifier l’impact de grands modèles linguistiques comme ChatGPT en augmentant leur capacité à planifier, hiérarchiser et exécuter des actions.
À l’avenir, voici comment les agents de connaissance permettront aux travailleurs et aux agents d’automatisation d’automatiser les tâches dans les opérations industrielles.

Nous nous trouvons à un moment clé des opérations industrielles, porté par l’émergence de technologies de pointe qui transforment le domaine. L’intelligence artificielle (IA) est au cœur de cette transformation, alimentée par les progrès exponentiels de la puissance de calcul. L’IA améliore non seulement les technologies existantes, mais ouvre également la voie à des innovations entièrement nouvelles.

Une avancée significative dans le domaine de l’intelligence artificielle a été le développement de modèles de base à multiples facettes, qui ont ouvert un large éventail de nouvelles applications industrielles. La multimodalité étend les capacités de l’IA, permettant aux modèles de traiter du texte, de l’audio, de la vidéo et d’autres types de données en production.

Parallèlement, les grands modèles de langage (LLM) comme le célèbre ChatGPT-4 démontrent le potentiel de l’IA pour aller au-delà des applications réservées aux experts et rendre l’IA avancée accessible à tous dans tous les secteurs.

Les agents IA constituent la prochaine étape de l’intelligence artificielle. Ces facteurs renforcent l’impact du LLM en leur donnant accès à des outils et en augmentant leur capacité à planifier, prioriser et mettre en œuvre des actions. En combinaison avec d’autres technologies, les agents d’IA débloquent des technologies de pointe dans les opérations : avec la robotique, ils font des humanoïdes une réalité. Grâce aux outils numériques, ils permettent des systèmes autonomes.

Ces technologies de pointe génèrent des avantages significatifs en termes de productivité, de flexibilité, d’autonomisation des travailleurs et de durabilité tout au long de la chaîne de valeur. Le potentiel est énorme, mais à quoi ressembleront ces programmes dans la pratique ? Quel est le degré de maturité de ces technologies et quels sont les principaux défis à relever pour une mise en œuvre réussie ?

Comment l’IA et l’automatisation des tâches transforment les opérations

On s’attend à ce que les agents d’IA transforment les opérations de deux manières. Les agents de connaissance autonomisent les travailleurs, tandis que les agents d’automatisation automatisent les tâches dans les opérations.

Facteurs de connaissance et facteurs d’automatisation. Image : Forum économique mondial

Facteurs de connaissance

Les agents de connaissance utilisent l’ensemble de la plateforme de données de l’entreprise pour aider les travailleurs et les ingénieurs dans la prise de décision. Ces agents aident les équipes à atteindre leur objectif en fournissant des informations et en recommandant les actions nécessaires, en exploitant des sources de données pertinentes et en utilisant tous les outils numériques.

L’interaction homme-agent est possible avec la parole ou l’écriture, tandis que plusieurs technologies peuvent être utilisées pour la visualisation – par exemple, des appareils intelligents tels que des tablettes et des montres ou des technologies immersives telles que la réalité mixte.

Par exemple, un agent de recommandation de maintenance combine les capacités existantes de l’apprentissage automatique (ML) pour prédire les pannes avec des instructions de réparation spécifiques qu’il reçoit de diverses sources, telles que le manuel de la voiture.

De plus, il peut identifier la cause profonde de la panne, communiquer les actions nécessaires au travailleur de l’atelier et préparer un bon de commande pour la pièce requise. Des programmes similaires peuvent également être développés pour la planification de la production.

Facteurs d’automatisation

Les agents d’automatisation peuvent effectuer des tâches d’automatisation de manière indépendante en fonction de leur raisonnement et de leurs compétences exécutives, permettant ainsi aux agents d’automatisation virtuels et virtuels. Selon le rapport du BCG, les agents autonomes peuvent dire directement aux autres systèmes d’entreprise ce qu’ils doivent faire, transformant ainsi fondamentalement les opérations de l’entreprise et permettant une automatisation plus complète et réduisant considérablement les coûts de main-d’œuvre.

Agents d’automatisation virtuels

Ces agents automatisent les logiciels grâce à leur capacité à accéder et à utiliser de manière indépendante divers outils. Un exemple bien connu est celui d’une agence de réservation de voyages automatisée. En fonctionnement, les programmes peuvent inclure une optimisation des points de consigne, où un paramètre machine spécifique est automatiquement adapté par l’agent pour optimiser les performances.

Ce système combine l’analyse des performances basée sur le ML et la vision artificielle du système qualité avec des mises à jour automatiques des paramètres de la machine qui améliorent la production en temps réel. Ces facteurs peuvent également être utilisés dans la planification de la production pour tester automatiquement les scénarios de calendrier de production en fonction de la demande des clients, des stocks et des performances de l’usine.

Agents d’automatisation incarnés

Ces facteurs transforment l’automatisation physique en combinant des robots dotés de capacités de connaissance de la situation, de raisonnement et d’exécution. Ces nouvelles capacités élargissent considérablement le champ d’application de l’automatisation.

Ils persévèrent et surmontent les défis existants.

Les agents d’intelligence artificielle donnent aux robots la flexibilité de s’adapter à différents environnements et la capacité de manipuler n’importe quel objet. Des entreprises comme Covariant ont mis en œuvre avec succès des robots dans des centres de distribution capables d’effectuer des tâches complexes de préparation de kits, de prélèvement et de placement d’articles aléatoires avec une grande précision.

Au-delà des robots articulés, les agents d’IA incarnés améliorent les capacités de nombreux types de robots, notamment les robots mobiles autonomes (AMR) pour la manutention et les drones. Une autre avancée est le développement de robots humanoïdes bipèdes capables d’effectuer des tâches semblables à celles des humains.

Des startups comme Agility Robotics avec Digit et Boston Dynamics avec Atlas ont lancé ces développements ces dernières années. Bien que les applications actuelles soient en grande partie démonstratives et expérimentales, des développements supplémentaires sont nécessaires pour un déploiement plus large.

Technologies nécessaires pour permettre aux agents d’IA de participer aux opérations

Les agents d’IA ne fonctionnent avec succès qu’en combinaison avec d’autres technologies et couches sous-jacentes :

Couche de données : une plate-forme de données unifiée permet l’intégration horizontale des données et les tests automatisés sur une chaîne d’outils industriels hétérogène. Cette suite combine toutes les données des opérations, de l’ingénierie aux données de production en temps réel. La couche de données comprend également des données synthétiques générées pour une formation efficace des modèles d’IA.
Couche d’intelligence : l’intelligence artificielle est au cœur de cette couche, avec des modèles formés dans des environnements physiques simulés pour améliorer considérablement leurs performances. L’amélioration des modèles d’IA bénéficiera considérablement aux agents.

Au-delà de ces couches, une puissance de calcul adéquate (à la fois dans le cloud et en périphérie), une connectivité réseau et une cybersécurité sont des technologies habilitantes essentielles.

Couches de base pour les agents d’automatisation. Image : Forum économique mondial

Considérations lors du déploiement d’agents d’automatisation

Certains défis subsistent dans le déploiement des agents d’automatisation. La fiabilité et la sécurité de ces systèmes sont des préoccupations que les entreprises technologiques doivent prendre en compte avant de les déployer à grande échelle. En attendant, les entreprises doivent encore se préparer et prendre en compte ces technologies dans leurs stratégies à moyen terme.

Comprendre leur impact potentiel sur les industries concernées et comment ils peuvent être déployés à grande échelle dans la chaîne d’approvisionnement sera essentiel pour conduire une transformation réussie et responsable dans le secteur industriel.

Pour aider les fabricants à comprendre l’impact transformateur des futures technologies de pointe, le Forum économique mondial, en partenariat avec le Boston Consulting Group, a lancé l’initiative mondiale « Frontier Technologies for Operations: Artificial Intelligence and Beyond », en s’appuyant sur les enseignements d’une initiative précédente sur l’industrie basée sur l’IA. Opération.

Ce nouvel effort vise à créer un aperçu des technologies de pointe qui transforment les opérations, en plongeant profondément dans l’IA, en travaillant avec l’AI Governance Alliance, ainsi qu’avec d’autres technologies avancées pour évaluer leur potentiel de valeur et leur maturité en développant des scénarios cibles. 2030.

Le Forum économique mondial invite les entreprises manufacturières à se joindre à cette initiative pour accélérer collectivement la transformation vers des opérations industrielles alimentées par l’IA.