Comment les entreprises se servent de l’intelligence artificielle
L’institut allemand Fraunhofer-Gesellschaft mène des recherches sur l’utilisation de l’IA, axées sur les applications et destinées à soutenir l’économie.
Qu’est-ce que l’intelligence artificielle fait mieux que les humains ? « Le cerveau humain est extrêmement doué pour la reconnaissance des formes », explique le professeur Thomas Rauschenbach, directeur de la partie « technologie des systèmes appliqués » de l’Institut Fraunhofer-Gesellschaft d’optronique, de technologie des systèmes et d’évaluation des images. « Ils peuvent par exemple différencier facilement une tasse de café d’un verre d’eau. En revanche, la tâche est nettement plus difficile lorsqu’il s’agit de reconnaître des modèles dans des données dites massives, également appelées “Big Data”. Ici, l’intelligence artificielle est supérieure à l’homme ». Les chercheurs de l’Institut Fraunhofer-Gesellschaft se penchent sur les avantages que pourrait en tirer l’industrie. Forte d’environ 30 000 collaborateurs, elle constitue la principale organisation de recherche appliquée non seulement en Allemagne, mais aussi dans le monde entier.
Vous découvrirez ci-dessous trois projets d’IA menés par l’institut Fraunhofer-Gesellschaft pour l’industrie :
REMORA — condition et base pour le déploiement de l’IA
L’utilisation de l’intelligence artificielle dans les entreprises fait face à de nombreux obstacles, tels que des systèmes d’âges différents et des machines de différents fabricants. Ils « parlent » souvent de nombreuses langues différentes et stockent les données dans des formats et des bases de données différents. Le projet REMORA (Multi-Stage Automated Continuous Delivery for AI-based Software & Services Development in Industry 4.0) a pour but, en tant que cadre ouvert et technologiquement neutre, de permettre à tous les systèmes d’une entreprise de se comprendre et d’utiliser ainsi l’IA de manière transversale.
Condition Monitoring und
Condition Monitoring et Predictive Maintance pour que les machines fonctionnent
La « surveillance conditionnelle » détecte, sur la base d’infimes modifications au niveau des séries de données de valeurs mesurées (par exemple le son d’une machine), les problèmes potentiels d’installations de production en fonctionnement, comme l’usure ou les dysfonctionnements. Il les classe et enclenche des réactions. La « maintenance prédictive » anticipe, à partir de l’analyse de séries de données, les erreurs et l’usure de machines individuelles ou de parcs d’installations entiers. De cette façon, il est possible de planifier avec précision le service et la maintenance. Les temps d’arrêt sont ainsi minimisés et la recherche d’erreurs ainsi que les réparations sont accélérées.
« Explainable AI » (XAI) - comment l’IA obtient-elle ces résultats ?
L’IA présente-t-elle aussi des inconvénients dans l’industrie ? Thomas Rauschenbach répond à cette question : « L’un des grands défis de l’utilisation de certaines méthodes d’apprentissage en profondeur réside dans le fait que nous ne pouvons pas comprendre clairement les résultats de l’IA ». S’il est possible d’expliquer de manière concluante les résultats des évaluations statistiques, il en va autrement des algorithmes plus complexes et autodidactes. « Dans les processus d’IA, de nombreuses choses ressemblent à une boîte noire. Si le résultat ne convient pas, il est difficile de savoir pourquoi », explique Rauschenbach. C’est pourquoi l’« Explainable AI » (XAI) constitue un thème de recherche important au sein de l’institut Fraunhofer-Gesellschaft. Le but est de garantir la transparence et la compréhension de la manière dont l’IA parvient à de tels résultats.
Tu souhaites recevoir régulièrement des informations sur l'Allemagne ? Cliquez ici pour vous inscrire :
