Intelligence Artificielle : Quelles applications pour l’entreprise ?

Lorsque l’on évoque l’application de l’Intelligence Artificielle, les promesses  affichées  sont souvent surestimées au regard de son application réelle, ce qui provoque un sentiment oscillant entre fascination et incrédulité. Cependant, sur la durée, il est acquis qu’une bonne application de l’Intelligence Artificielle confèrera un avantage certain aux entreprises concernées.

Spontanément, les débats sur l’innovation et la concurrence technologique nous font, par ailleurs, penser au Gafa (Google, Apple, Facebook, Amazon) pour le continent américain et au Batx (Baidu, Alibaba, Tencent, Xiaomi) du côté de la Chine. L’Europe en général, et la France en particulier étant perçue, bien souvent, comme  en retrait de cette compétition.

Sans prendre parti sur le sujet, nous avons rencontré une entreprise technologique Française qui utilise avec succès l’Intelligence Artificielle depuis de nombreuses années dans ses applications, pour la plus grande satisfaction de ses clients à travers le monde.

Son métier ? Le  développement de logiciels de développement, fournis sur une plate-forme 3DEXPERIENCE dédiée à la conception 3D, l’ingénierie 3D, la modélisation, la simulation, la gestion des données et des processus, notamment dans le domaine industriel et médical.

Décryptage et plongée dans un futur étonnamment présent, avec Patrick JOHNSON, Vice President Recherche & Développement, Corporate Research et Sciences chez Dassault Systèmes.

 

 

Quelle application faites-vous de l’Intelligence Artificielle chez Dassault Systèmes ?

 

Nous avons une vision de l’intelligence Artificielle qui est différente car elle est indissociable de la modélisation d’une part et d’autre part nous la considérons comme un moyen, pas une fin.  La fin étant le savoir et le savoir faire structurant pour un secteur, avec une finalité haute centrée sur les utilisateurs et non pas sur l’IT (Technologies de l’information).  Cette vision pose donc dès le départ un contexte de travail. Avant toute chose il faut revenir à la raison d’être de [Dassault Systèmes]. Notre métier est d’ inventer des mondes virtuels, mais nous les inventons pour « anticiper le réel ». On le fait dans l’entreprise, dans l’industrie, dans l’éducation, dans la vie, dans la médecine mais la conséquence de la formule « anticiper le monde réel » signifie que tout ce que l’on va faire en virtuel doit correspondre en tout point  à la réalité matérielle.

Si je caricature, à la différence des films en 3D qui sont faits à Hollywood, on ne peut pas faire semblant. En ce qui nous concerne, il faut que cela soit physiquement et scientifiquement réaliste, que cela repose sur des théories établies, que cela repose sur des choses qui soient particulièrement tangibles parce qu’au passage dans le réel, il faudra qu’il y ait une réactivité et une conformité parfaite. Donc d’une certaine manière, la distance de ce que l’on fait en virtuel et ce que l’on observe en réel doit être égale à 0.

Qu’est-ce que cela signifie ? La plupart du temps les entreprises partent des informations, des données, des photos, c’est à dire des éléments dont elles disposent, et elles analysent le corpus  à travers des techniques actuelles de l’Intelligence Artificielle , (le machine learning] qui constitue une boite noire. Nous sommes partisans de ces techniques mais nous pensons qu’elles doivent être encadrées par la connaissance et la maîtrise des modèles. Parce que sans cela, c’est en réalité une sorte d’alchimie que l’on produit.

 

Avez-vous  un exemple concret de ce type d’application de l’Intelligence Artificielle ?

 

Prenons  l’usage de l’Intelligence Artificielle  dans l’analyse d’images médicales ou dans le diagnostic.  Effectivement, on va identifier des patterns (Structures) visuels avec le machine learning. Mais en l’état, il n’y a pas de connaissance métier, de ce qu’est une biopsie, une tumeur, un stade 3 ou un stade 4. L’avantage et la vraie valeur, c’est  quand vous faites se rencontrer les technologies d’apprentissage, la maitrise de la modélisation et la structuration d’un domaine d’expertise.

Je m’explique : nous faisons en sorte que ce soit les facettes d’un même bloc. On peut le faire uniquement parce que cela fait 30 ans que l’on maîtrise cette modélisation là et que l’on capitalise sur les données. Donc, on utilise des outils de Deep Learning, mais on utilise aussi nos solutions propres pour la modélisation et la simulation. Puis, on adapte les architectures de ce type à nos outils de telle manière qu’il y ait un de triptyque indissociable : les données, enrichies avec de la modélisation et de la simulation. Ceci permet à chacun d’obtenir un résultat directement exploitable et  constitue une valeur très peu atteignable par d’autres approches.

 

 

Intelligence Artificielle Application & Vision

Intelligence Artificielle Application & Vision

 

Quelle est la valeur ajoutée de l’Intelligence Artificielle dans vos solutions ?

 

L’économie actuelle n’est plus une économie de produit, c’est une économie de services et d’expériences, ce qui sous-entend que  c’est l’usage du produit qui va constituer la valeur perçue. Et l’usage du produit génère un nombre croissant de données. Donc, les données d’usage, leur synthèse et leur analyse, va être ensuite une partie exploitable au moment même de la conception de futur projet.

 

 

« La vraie valeur c’est que quand vous faites rencontrer les technologies d’apprentissage,  la maîtrise de la modélisation et la structuration d’un domaine d’expertise »

 

 

Je prends un exemple récent pour illustrer mon propos. Voilà plusieurs années, le staff exécutif de Boeing cherchait à inventer une cabine intérieure avec un silence absolu, c’est à dire ou l’on n’ entende pas les moteurs.

Du point de vue de la compagnie aérienne ceci constituait donc, on peut le dire, une expérience de haut niveau pour les passagers. Le problème c’est que dans un avion, le bruit se propage en fonction de votre position, de votre siège, de vos déplacements. Lors de la conception, vous n’aurez donc pas la perception du consommateur si vous ne vous mettez pas dans chacune des situations possibles.

Cela a eu des tas d’impacts sur la science des matériaux, sur la cabine,  la ventilation. Au lieu de faire simplement de  la modélisation  technique, des sièges, des parois, de l’ensemble des objets techniques participants à la cabine etc, il a fallu intégrer des simulations, des scénarios de vie à l’intérieur de la cabine avec des données acoustiques, des données thermiques comme si ça se passait dans le réel, c’est-à-dire vraiment lors d’un voyage.

 

 

Dans la conception technique des produits, l’application de l’Intelligence Artificielle permet de simuler tous les cas d’usages, mais comment est-ce possible a priori ?

 

Il faut voir Dassault Systemes non pas comme une simples société de logiciel mais comme une société de transformation des pratiques industrielles, qui utilise le logiciel.

Par exemple dans une première phase, pour les sciences de la vie, nous sommes allés rencontrer les plus grands laboratoires pharmaceutiques, ainsi que les plus grande « Bio Tech » du monde. Puis nous avons cartographié tous les processus utilisés, jusqu’à un niveau très fin, disons pour les Sanofi, Pasteur ou Novartis, pour concevoir la plupart des médicaments, petites molécules ou biologics.

Nous avons observé depuis la phase de recherche amont en passant par la phase de Discovery, la phase de lead-optimisation, les phases d’essais cliniques, la phase de soumission du médicament, la phase de production etc.. Ainsi on a cartographié tous les savoirs et les savoirs- faire intrinsèques de chacun des acteurs. Apres cela, nous avons analysé et compilé tous les éléments afin d’en déduire un  processus générique pour l’ensemble du secteur. Nos solutions permettent maintenant de couvrir l’ensemble des phases de ce processus.

 

L’application de l’Intelligence Artificielle permet donc d’ intégrer nativement  l’UX (expérience utilisateur) dès la conception produit ?

 

Oui, mais pas uniquement dans la conception produit, c’est beaucoup plus large que cela, ce sont toutes les fonctions dans l’entreprise qui sont concernées.

Avant, nos solutions permettaient la planification des opérations d’une usine, aujourd’hui elle permettent de l’opérer en temps réel, ce qui signifie qu’en temps réel, on a toutes les données d’opération d’assemblage. On sait quels sont les problèmes de contention, quels sont les problèmes de flux qui s’arrête, quels sont les problèmes d’allocation de ressources, de matières, de pénibilité des positions des ouvriers. Tout ceci est collecté et vient enrichir les inputs (de données) pour la définition du futur produit que nos clients souhaitent réaliser et produire.

 

 

Intelligence Artificielle Application Opérationnelle

Intelligence Artificielle Application Opérationnelle

 

 

En fait, si vous connaissez un peu notre histoire, nous sommes passés au PLM (Product Life Cycle Management) ; c’est-à-dire au cycle de vie du produit. Vous avez maintenant le déroulé depuis la conception du bureau d’étude en amont, jusqu’à la production en aval dans les sites de production dans les usines, jusqu’à la vente et même jusqu’au recyclage. D’une certaine manière, en faisant ce décentrage là, nous avons du englober de plus en plus de fonctions dans l’entreprise, par couche successives.

Nous sommes maintenant à l’ère de l’Expérience. Nous avons dû intégrer l’ensemble des fonctions depuis les designers, les ingénieurs, les manufacturiers, les gens de la production, voire même les gens du recyclage. Quand on en arrive à la notion d’expérience et que vous êtes  amené à monitorer l’usage des produits une fois qu’ils sont vendus, vous avez toutes les fonctions économiques, commerciales, de support, de stratégie, de gestion de portefeuille. En réalité, vous êtes en train de modéliser toutes les fonctions régaliennes de l’entreprise et leurs interactions avec le terrain.

 

 

L’application de l’Intelligence Artificielle dans vos solutions a-t’ elle un impact sur l’organisation de vos clients ?

 

Nous avons une plate-forme qui centralise deux valeurs  :  ce qu’on appelle l’innovation collaborative et l’Innovation sociale. Puis au-dessus,  vous avez nos 12 solutions dédiées à l’innovation industrielle.

On agit un peu comme un révélateur des points de contention et des problèmes presque topologiques de création de valeur chez nos clients, car tout le monde commence à voir la même chose. Puis, quand on collecte des données en temps réel et bien d’une certaine manière, le run de l’entreprise devient le cadre d’apprentissage pour se perfectionner.

 

« Quand on collecte des données en temps réel et bien d’une certaine manière, le run de l’entreprise devient le cadre d’apprentissage pour se perfectionner »

 

Cela a un impact majeur sur la formation, et les parcours professionnels . Chez  Toyota, par exemple, tous les manuels d’éducation ont été remplacés par des expériences virtuelles binoculaires subjectives (Réalité Virtuelle). C’est – à – dire que  pour apprendre à quelqu’un à faire du collage,  on ne va plus lui donner un manuel de 250 pages à lire. On va lui passer par exemple 10  expériences virtuelles en vue subjective d’un mannequin avatar qui fait du collage.

 

En conclusion, à la lumière des propos de cet expert

 

Nous comprenons que lorsque l’application de l’Intelligence Artificielle et des systèmes d’information rencontrent une vision adéquate de l’entreprise, le triptyque  culture, expérience utilisateur et performance économique devient naturellement plus fluide et vertueux.

Mais ce qui apparait désormais comme central dans ce processus, c’est la question de la donnée. En effet, il semble évident au regard de ce témoignage, que sa collecte,  son traitement et son utilisation, contextualisés dans un processus métier, sont plus que jamais nécessaires. Nécessaires pour organiser la transmission de la connaissance et des savoir faire, mais également pour simplifier les collaborations et flux  à l’intérieur même de l’organisation. Nous pouvons donc affirmer que la donnée est un pivot essentiel à la transformation digitale, notamment, des secteurs industriels.

Aussi, à l’ère de l’ Intelligence Artificielle, l’intelligence des données est donc plus que jamais un enjeu pour l’entreprise.

 

 

Lire aussi :  Intelligence Artificielle Opportunité ou menace ? Mythe et réalité

 

Sources :

Interview &

https://www.3ds.com/fr/

 

À propos de l'auteur :

#Entrepreneur #Actif #Mbamci Parlons #Artificialintelligence #Blockchain #IoT #Robotics #Innovation #Startup

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.