L’usage de l’IA dans l’Internet Industriel des Objets : (r)évolutions en cours

Déjà bien installé dans l’industrie 4.0, l’Internet Industriel des Objets (IIoT) bénéficie désormais des avantages de l’IA. Que ce soit en périphérie, avec l’arrivée du Machine Learning dans l’edge computing, ou à l’échelle macro, les IA participent à l’automatisation la transformation digitale de l’industrie dans son ensemble.

Des enjeux majeurs pour le futur de l’industrie 

De manière globale, le marché de l’internet industriel des objets est en expansion continuelle : le cabinet McKinsey estime à 500 milliards de dollars la valeur totale des dépenses enregistrées dans le domaine des IIoT pour 2025, contre 290 en 2020. Une croissance qui s’accompagne d’une amélioration continuelle des technologies employées, que ce soit la taille et la consommation des capteurs, le coût du stockage de data ou la connectivité.
En parallèle, les solutions IA et les plateformes IIoT dopées au machine learning se généralisent dans des domaines de plus en plus spécifiques : elles étendent leurs performances sur l’edge computing à basse consommation, mais aussi sur la reconnaissance d’image avancée, qui apportent un niveau de finesse inégalé aux capteurs présents sur ligne de production, pour l’analyse de l’alignement de pièces, par exemple.
Signe des temps, la plupart des acteurs de l’industrie, comme Siemens ou Rockwell dans le hardware, se positionnent actuellement pour favoriser l’intégration de l’IA dans les différents dispositifs pilotés par leurs machines. Les plateformes et concepteurs d’outils assurant la connexion entre systèmes de production, équipements et chaîne logistique intègrent également de plus en plus de logique d’IA dans leurs produits, qu’il s’agisse d’un chatbot ou d’appli avancée de monitoring et d’analyse de données. De quoi assurer à la fois de nouvelles capacités de maintenance prédictive, de contrôle qualité et de productivité dans les usines.

L’IA dans l’IT industrielle : la conception avant la production 

L’essor de l’IA dans l’industrie est déjà largement visible au stade de la conception des lignes industrielles. Les jumeaux numériques, permettant de reproduire des infrastructures sous forme digitale pour y produire des simulations, font appel à des technologies de machine learning, par exemple. Même chose du côté des algorithmes d’apprentissage, développés à partir de données industrielles connues afin d’améliorer le design d’une machine-outil, voire l’organisation d’une chaîne logistique. Solvers et logiciels de CAO intègrent de plus en plus de chatbots, de LLM et autres modules IA afin d’améliorer la conception et de fournir des aides à la décision aux ingénieurs, notamment en articulant conception et présence de capteurs IIoT.
Du côté des développeurs intégrés à des projets industriels de ce type, il y a donc une acculturation nécessaire aux outils IA de design et de simulation. NVIDIA a par exemple mis au point la solution Omniverse pour visualiser une ligne de production. Les modèles entraînés par des GPU, via CUDA ou OpenCL, sont aussi à étudier, afin de personnaliser par exemple un outil dévolu à l’IA en conception de ligne de production avec IIoT.
Un autre prérequis qui peut concerner les ingénieurs IT dès la conception d’une infrastructure IIoT, en particulier, demeure la connectivité. En effet, les protocoles dédiés (TSN, OPC UA) diffèrent d’une usine à l’autre, et désormais, les gateways eux-mêmes intègrent directement des capacités d’IA en « périphérie ».

IA dans l’IIoT : des enjeux d’automatisation à connaître en phase de développement IT

La présence d’IA à la périphérie représente la principale évolution récente en production. Désormais, même dans des conditions sévères (température, vibrations), des PC traitent directement les données des capteurs IIoT ou des outils de vision industrielle. Cela implique de développer des solutions adaptées à ces ordinateurs perfectionnés et « résistants », dont les progrès récents améliorent l’inspection automatisée, le contrôle qualité et la maintenance.
Qui dit révolution hardware dit aussi maîtrise de nouveaux protocoles et outils software. Avec l’automatisation de la chaîne de production via l’essor des modules IIoT sont apparus différents systèmes : Intel met à disposition des industriels son toolkit OpenVINO afin d’optimiser les LLM installés à la périphérie sur des machines équipées de CPU et GPU de la marque, constituant un équivalent à ce que l’on retrouve du côté de RAPIDS pour les cartes NVidia. La runtime ONNX permet d’accélérer et de déployer des modèles de deep learning sur l’ensemble d’une ligne de production avec un format standardisé.
Les développeurs et chefs de projet impliqués dans le développement d’outils de machine learning à la périphérie doivent encore s’initier à des modèles architecturaux différents, en fonction des sites, des échelles et des usages. À l’échelle de l’entreprise, par exemple, il s’agit de la centralisation des datas « produites » par les capteurs et caméras IIoT via des applications comme SAP Leonardo ou Microsoft Dynamis. L’ensemble des données est analysé via un système ERP pour mesurer la dépense énergétique, optimiser la planification, prédire la maintenance sur une large échelle. On utilisera à plus petite échelle des IA décentralisées sur des systèmes autonomes : une IA d’inspection visuelle peut par exemple déclencher des alertes, ajuster des paramètres de fonctionnement voire activer un coupe-circuit en cas d’anomalie, sans intervention humaine. Deux cas d’espèce différents qui peuvent être complémentaires, mais qui nécessitent des connaissances spécifiques pour les services IT impliqués dans le déploiement et la continuité de ce type de services.
L’automatisation accrue implique enfin l’intervention de spécialistes en cybersécurité. L’IIoT, qui plus est « dopé » à l’IA, nécessite une maîtrise de toutes les techniques de défense possibles pour se protéger d’actes malveillants, dans la mesure où de nombreux éléments critiques se trouvent connectés dans les architectures actuelles.

Aujourd’hui mature, l’IIoT amorce une nouvelle révolution : les capacités augmentées des capteurs, le boost de leurs « compétences » par l’intelligence artificielle et l’auto-amélioration des modèles via le machine learning amènent une nouvelle ère, qui engendre des progrès significatifs en matière de contrôle qualité, de monitoring in situ et de maintenance prédictive. Autant de paramètres qui sont aussi des leviers d’économie pour les entreprises qui franchissent le pas de l’automatisation.

agap2IT, catalyseur de transformation digitale et d’innovations industrielles

Au cœur des (r)évolutions technologiques telles que l’IA appliquée à l’Internet Industriel des Objets, agap2IT se positionne comme un partenaire stratégique des entreprises industrielles. Forts de 20 ans d’expertise et d’une présence nationale à travers 7 agences, nous accompagnons nos clients sur l’ensemble du cycle de vie de leurs projets digitaux : de la définition des besoins à la maintenance applicative, en passant par le développement, l’intégration, et l’optimisation continue des systèmes. Grâce à nos expertises croisées en infrastructure & cloud, développement applicatif, data, IA, cybersécurité et pilotage de projet, nous concevons des solutions sur mesure, sécurisées, performantes et pérennes. Chez agap2IT, nous croyons en une transformation digitale pragmatique, agile et créatrice de valeur pour l’industrie de demain.

Vous explorez les opportunités de l’IA et de l’IIoT pour moderniser vos systèmes industriels ? Contactez-nous pour bâtir ensemble vos solutions technologiques de demain.