Alors que pays et entreprises mettent en place des conventions-cadres pour lutter contre le changement climatique et protéger les écosystèmes de la planète, l'IA pourrait-elle jouer un rôle afin d’assurer un développement durable et de réduire l'empreinte écologique de l'industrie ?
Fondamentalement, le but d'une IA est d'atteindre un objectif prédéfini par l’humain, avec des machines qui raisonnent à partir d'exemples enregistrés sous forme de données historiques et qui considèrent de multiples dimensions, là où les humains atteignent leur limite après 4 ou 5 variables. Lorsqu’il s’agit de processus de production, les données antérieures des processus de fabrication sont interprétées par des algorithmes d'IA qui tiennent compte d'un vaste ensemble de variables et de facteurs pour optimiser les processus ou résoudre des challenges complexes. Typiquement, les industriels essaient d'augmenter le rendement comme objectif principal, mais pourrions-nous faire d'une pierre deux coups et optimiser en même temps la consommation d'énergie, les émissions de gaz et la quantité de ferraille et de déchets ?
Cela vaut la peine d'être exploré avec un objectif précis en tête (ex : réduire les émissions de CO2 de 5 %), et dans la mesure où nous disposons de suffisamment de données pour que l'algorithme puisse tester des hypothèses par intelligence artificielle. Contrairement à l'approche traditionnelle fondée sur des règles figées et qui exige une théorie globale, l'IA opère dans le domaine des probabilités, où une compréhension complète du problème n'est pas nécessaire pour obtenir des gains de performance significatifs, même dans des cas limites.
L'intelligence artificielle pour lier efficacité et durabilité
L'optimisation de problématiques métier telles que le rendement, la qualité ou la fiabilité peut générer des conséquences positives immédiates : "Nous avons optimisé les performances des lignes de production en stabilisant les processus, ce qui a permis aux machines de fonctionner plus longtemps et en toute sécurité avec moins d'entretien, tout en utilisant moins d'eau et d'énergie. Nous avons également constaté une nette diminution des interruptions de production dans les industries où la production continue de l'usine est cruciale", rappelle José Andrés García, Lead Data Scientist chez Wizata.
"Grâce à la collaboration avec les équipes d'innovation de nos clients, nous définissons très tôt un équilibre entre ces objectifs, avec une IA qui vise à minimiser les effets secondaires environnementaux tout en maintenant le tonnage par heure pour lequel une ligne de production a été conçue", explique Jean-Philippe Hugo, CEO de Wizata.
L'amélioration du rendement des lignes de production, le perfectionnement de la qualité des produits, la réduction de la maintenance des machines et la diminution des impacts environnementaux ajoutent de multiples dimensions au problème. "Nous avons remarqué qu'une collaboration avec des ingénieurs experts dans leur domaine et des spécialistes des données assistés par AI peut aider à identifier la corrélation entre ces différents sous-objectifs et décider d'un objectif final astucieux pour l'IA", poursuit José Andrés García.
C'est également vrai au niveau du processus : il est plus facile de décider d'optimiser un seul processus que d'optimiser une série de processus, surtout s'ils sont aussi différents qu'un haut fourneau et un broyeur. Pourtant, en fonction du challenge métier, une approche globale et holistique peut s'avérer plus pertinente pour un succès sur le long terme.
