By Constant Ondo
Depuis son lancement à la fin de l’année 2022, ChatGPT n’en finit pas de faire le buzz. Toutes les entreprises et toutes les fonctions se demandent si elles doivent intégrer cet outil dans leurs activités, et si oui comment.
Les entreprises industrielles n’échappent pas à ce questionnement. Elles se demandent par exemple si elles doivent étudier la possibilité de « plugger » des modules d’IA générative sur leur GED pour faciliter l’exploitation de leurs connaissances.
Constant Ondo et Simon Fuhlhaber, experts de l’IA appliquée à la gestion des connaissances et créateurs de PICC Software, apportent dans cet article quelques éléments de réponse.
Qu’est-ce que l’IA Générative (GenAI) ?
Il s’agit d’une nouvelle forme d’intelligence artificielle, conçue pour répondre à des instructions formulées en langage humain naturel, les invites (ou prompts en anglais). L’IA générative apprend la structure des « contenus » qui lui sont fournies pour « imiter » la créativité humaine. Son but est de générer des contenus nouveaux, similaires dans leur forme à ceux desquels elle a appris. Dans son modèle de base, l’IA générative a un but créatif, et nous verrons plus loin à quoi cette créativité peut être employée.
Forrester a sans surprise classé l’IA générative en tête de son top 10 des technologies émergentes pour 2023. Selon lui, de nombreux cas d’usage de l’IA générative devrait se développer dans les deux ans à venir, et générer des bénéfices suffisants pour que le ROI de cette technologie soit positif. Le smart manufacturing est un des domaines d’application que Forrester envisage. Voyons ce qu’il est possible d’envisager avec les outils disponibles à ce jour (été 2023), pour l’exploitation des données de production et des savoir-faire humains.
Quels sont les principaux outils à base d’IA Générative, et à quoi servent-ils ?
L’IA générative est utilisée pour créer des contenus : génération de textes, d’images, de vidéos sont ses principales applications.
ChatGPT, d’OpenAI est un robot conversationnel (chatbot) conçu pour répondre à des séries de questions. Bard est présenté par Google comme un outil créatif destiné à stimuler notre imagination, nous faire gagner en efficacité, donner vie à nos idées.
DALL.E et Midjourney permettent de créer des images à partir de textes descriptifs. DeepBrain et Synthesia peuvent générer des vidéos.
Les métiers créatifs voient déjà comment ils vont (peut-être) pouvoir automatiser une partie de leur travail. Mais d’autre voient beaucoup plus loin : l’IA générative peut être utilisée pour créer les millions de « modèles » nécessaires à l’entraînement des algorithmes les plus complexes, pour des applications comme la reconnaissance d’images par exemple.
Bien comprendre l’objectif de l’algorithme derrière chaque outil est un préalable indispensable pour imaginer des cas d’usage pertinents. Et même si les possibilités des différents outils disponibles sur le marché évoluent à une vitesse incroyable, avec notamment l’apport des LLM (Large Language Models), il n’en reste pas moins que les algorithmes d’IA Générative ont été pensés pour créer des contenus similaires à des contenus existants. À quel genre d’application cela peut-il correspondre dans l’industrie ? Créer une nouvelle gamme de fabrication en remplaçant la référence X325S par la référence YY456W ? Word sait déjà très bien le faire.
PICC Software utilise-t-il l’IA générative ?
Non.
PICC Software est une plateforme de gestion des connaissances qui fait appel à l’intelligence artificielle pour résoudre des problèmes complexes, qui dépendent d’un nombre de paramètres trop importants pour que le cerveau humain puisse les appréhender facilement.
PICC Software fait appel aux réseaux neuronaux, au deep learning, au traitement automatique du langage naturel (TALN), aux LLM, des briques technologiques que l’on peut retrouver dans l’IA générative. Mais il utilise ces briques d’une manière très différente, pour réaliser des tâches qui n’ont rien à voir avec ce que l’on peut attendre d’un ChatGPT par exemple.
Que peut-on attendre des outils d’IA générative dans la gestion des connaissances ?
Le principal axe de réflexion qui est travaillé aujourd’hui par les entreprises industrielles est celui de l’intégration de modules d’IA générative que l’on ferait travailler en interne, sur le corpus documentaire de l’entreprise. On imagine en effet assez mal un opérateur sur une chaîne de production aller demander à ChatGPT de rechercher sur internet les causes de l’arrêt de sa machine. Quitte à sortir de l’entreprise, autant se connecter au service d’assistance du constructeur.
Voyons donc ce que l’on pourrait attendre d’un module d’IA générative appliqué à une GED par exemple. On pourrait lui demander d’extraire des informations : trouve-moi toutes les occurrences de l’expression « fuite d’huile ». Et l’on pourrait affiner les résultats en précisant dans notre prompt le modèle de la machine, l’endroit de la fuite….
On pourrait aussi essayer de lui demander de nous aider à trouver une solution : « j’ai une fuite d’huile au niveau du vérin n°1 de la machine XX, que dois-je faire ? ». Dans ce cas, et en l’état actuel des performances des outils que nous avons testés, tout ce que l’iA générative peut faire est de vous proposer un résumé des différentes solutions listées dans votre base de connaissance. Elle pourra éventuellement classer ces solutions de la plus probable à la moins probable… mais sans vous donner de garantie.
À ce jour, on ne peut pas envisager de résoudre efficacement des problèmes en faisant uniquement appel à l’IA générative. L’IA générative ne fait au mieux que compenser les problèmes d’accès à la connaissance que présentent la plupart des GED. Mais elle ne permet pas d’automatiser l’analyse de problèmes complexes ni de proposer des solutions avec un degré d’exactitude et de sécurité suffisants pour être utilisés dans des processus industriels. Les coûts liés à une seule heure d’arrêt sont trop importants pour que l’on puisse tolérer l’erreur.
L’IA générative permet aujourd’hui, au mieux, de générer une feuille de route d’investigation d’un problème. Il faudra une longue conversation avec le chatbot, ou un long prompt avec toutes les connaissances de vos experts, pour extraire une solution exploitable. Quel gain de temps pour vos équipes ? Quel bénéfice pour l’opérateur qui doit corriger un paramètre de toute urgence ou pour les responsables de production qui cherchent à augmenter leur productivité ?
Comment PICC Software génère-t-il un ROI rapide sur la gestion des connaissances ?
PICC Software a été conçu et entraîné pour réaliser 3 fonctions majeures :
- identifier dans tous les supports de connaissance chaque information liée à un problème et/ou à une solution
- extraire et réorganiser toutes les connaissances sous formes de problèmes et de solutions interconnectés
- identifier les causes racines et la meilleure solution pour chaque problème, avec 100% d’exactitude.
PICC Software n’a pas besoin de prompts complexes pour fournir des réponses.
PICC Software est fait pour résoudre des problèmes. Il sait trouver, parmi toutes les solutions déjà utilisées dans l’entreprise, laquelle je dois utiliser et me dire pourquoi. Il peut conforter sa recommandation en intégrant des données issues de capteurs IoT. Il peut étayer sa recommandation en expliquant que la solution a été utilisée X fois par le passé, sur telle ou telle machine, dans tel ou tel pays. Il peut me recommander un expert (KOL) de mon problème. Il sait me dire quels sont les risques associés à cette solution pour les machines/opérations situées en aval ; quels sont les problèmes liés au mien que cette solution peut également résoudre. Il peut également m’alerter quand une solution n’est pas conforme à la réglementation de mon pays.
L’IA générative n’a pas été conçue pour comprendre et structurer les connaissances. Tout ce qu’elle est capable de faire en 2023 est de lire les connaissances et de les résumer.
Bien sûr, cette nouvelle forme d’IA va sans doute progresser rapidement. Mais si la rapidité est la clé du succès, pourquoi attendre plusieurs mois ou plusieurs années avant de résoudre les problèmes industriels du quotidien avec l’IA ? PICC Software a une très grande longueur d’avance et peut être opérationnel en 1 à 2 mois.
Vous demandez à voir ? Contactez-nous pour planifier une démo !
