L’intelligence artificielle générative appliquée dans l’industrie manufacturière 15 minutes

Le contexte

Les enjeux actuels de l’industrie manufacturière au Québec sont nombreux et complexes. Les ruptures dans la chaîne d’approvisionnement, qu’elles soient orchestrées par des événements mondiaux externes comme la pandémie, les conflits commerciaux ou internes comme les dilemmes logistiques, peuvent déclencher des perturbations, des pénuries de matières premières, et potentiellement engendrer des pertes financières équivalentes à 45 % des bénéfices annuels moyens d’une entreprise au cours de la prochaine décennie.

Ajoutez à cela la complexité d’une pénurie de main-d’œuvre touchant près de 80 % des entreprises manufacturières canadiennes, et nous sommes confrontés à un cocktail stimulant de défis.

Face à ces enjeux, des solutions innovantes doivent être mises en œuvre.

L’IA et l’IA générative comme solution?

L’intelligence artificielle est utilisée par les entreprises manufacturières, car elle permet d’optimiser les opérations de fabrication, augmenter la productivité des travailleurs, réduire les coûts et améliorer la satisfaction des clients.

L’IA générative peut aussi prendre un rôle dominant dans le domaine manufacturier et ce à moindre coût , plus rapidement et sans nécessiter autant de données que les projets d’intelligence artificielle dite « traditionnelle» . C’est aussi un style de solution qui est habituellement mieux adopté par les travailleurs impactés par ces changements grâce à une expérience utilisateur favorisant la collaboration et réduisant le besoin de connaissances profondes en IA.

En effet, l’intelligence artificielle générative est accessible, car il est possible de tester rapidement une solution avec une preuve de concept, sans nécessiter de disposer de données préalables ni même de compétences avancées en programmation.

Grâce à son aptitude à traiter d’énormes quantités de données et à générer des réponses intelligentes, l’IA générative peut transformer les flux de maintenance, résoudre des problèmes en temps réel, recommander des moyens d’améliorer l’efficacité des lignes de production, et  devenir un outil indispensable pour favoriser la conception de nouveaux produits!

Selon le Google Cloud Gen AI Benchmarking Study de juillet 2023, 82 % des organisations envisageant d’utiliser ou utilisant actuellement l’IA générative estiment qu’elle apportera des changements significatifs, voire une transformation radicale à leur industrie.


Série sur l’intelligence artificielle générative


L’IA générative n’est pas qu’un outil d’aide à la décision

Bien que la plupart des gens connaissent l’IA générative comme ChatGPT, Bard ou Midjourney comme une aide « générique» , il est possible de déployer l’IA générative de manière plus spécifique pour exploiter des opportunités et résoudre des problèmes particuliers.

Naturellement, l’utilisation de la barre de saisie permet de dicter nos commandes (prompts) pour obtenir réponses. Cependant, avec la même technologie, il est également envisageable de la programmer pour résoudre des problèmes ciblés.

Système d’IA générative à usage général vs à vocation étroite

Système d’IA générative à usage général: Un exemple de ce type de système est ChatGPT, où l’utilisateur obtient une réponse textuelle en fonction de sa requête. L’utilisateur peut fournir des informations relatives à une tâche quelconque qu’il souhaite accomplir et recevoir une réponse adaptée à l’étendue de sa question.

Système d’IA générative à vocation étroite: Dans le domaine manufacturier, un exemple concret d’un tel système serait un modèle génératif spécifiquement conçu pour optimiser le processus de planification de la production. Plutôt que de simplement répondre à des questions générales, ce système serait entraîné à analyser les données spécifiques de la chaîne de production, telles que les niveaux de stock, les délais de livraison des fournisseurs, et les demandes des clients.

Par exemple, un gestionnaire de production pourrait utiliser ce système en lui fournissant des informations sur les commandes en cours, les capacités de production actuelles et les contraintes de ressources. En retour, le système pourrait générer des propositions de plans de production optimisés, en prenant en compte les délais, les coûts et les ressources disponibles.

Ainsi, ce modèle d’IA générative étroitement spécialisé serait capable de fournir des solutions précises et ciblées pour améliorer l’efficacité opérationnelle dans le contexte manufacturier, allant au-delà des fonctions génériques des systèmes d’IA générale comme ChatGPT, Bard ou Midjourney.

Applications pratiques de l’IA générative dans l’industrie manufacturière

Voici comment l’IA générative est utilisée pour créer de la valeur dans l’industrie manufacturière.

La révolution de l’IA générative est qu’elle utilise VOS données, VOS façons de faire.

L’un des risques avec l’utilisation des solutions d’IA générative à usage général est la réception d’une réponse qui n’est pas véridique ou personnalisée à notre contexte. Demander à ChatGPT de générer une soumission pour une usine manufacturière est possible, mais chaque entreprise a sa propre identité, ses méthodes, ses processus, sa tonalité de marque. Il s’agit d’éléments importants à prendre en compte. Il serait farfelu de considérer que toutes les entreprises manufacturières sont identiques !

Ce qui va vraiment révolutionner votre approche avec l’IA générative, c’est la prise en compte de VOTRE propre base de données. En rendant les données de votre entreprise disponibles dans un environnement sécurisé, cela permet à votre « GPT d’entreprise » de comprendre votre réalité et le format des soumissions historiques, générant ainsi un résultat fidèle à vos méthodes. En plus, quand on parle de base de données, ici on peut parler de n’importe quelles données, qu’elles soient structurées ou de simples pages web contenant de l’information utile.

Dans le secteur manufacturier, cette approche permet aux entreprises d’exploiter pleinement leurs propres données, telles que les données historiques, les soumissions passées, les appels d’offres, les plans de production, les plans d’ingénierie. En utilisant ces ressources spécifiques à chaque entreprise, l’IA générative façonne des solutions sur mesure à l’image de l’entreprise elle-même, rivalisant (et souvent dépassant) la qualité obtenue par des processus manuels. C’est une capitalisation sur l’expertise accumulée au fil du temps, ouvrant la voie à une innovation rapide et extrêmement efficace.

Avec une solution d’IA générative basée sur vos données, vous pouvez (entre autres)

  • Générer instantanément une nouvelle soumission pour un nouveau client, avec de nouveaux paramètres, mais basée sur vos soumissions du passé.
  • Créer de nouveaux plans de projet basé sur votre historique de plans
  • Répondre à des appels d’offres selon vos réponses du passé et votre façon de répondre aux appels d’offres
  • etc.

1. Automatisation du service client

Les agents conversationnels, également connus sous le nom de chatbots, qui sont de plus en plus propulsés par l’IA générative, offrent une interaction naturelle et fluide avec les utilisateurs tout en respectant les politiques de gouvernance interne et l’image de marque. Capables de générer des réponses pertinentes et cohérentes en réponse aux questions posées, les chatbots améliorent significativement l’expérience utilisateur et l’efficacité du service client.

Dans le secteur manufacturier, les entreprises tirent parti de ces agents conversationnels pour faciliter le dépannage des produits, la commande de pièces de rechange, la programmation des services, ainsi que pour fournir des informations sur les produits et leur fonctionnement.

Les manufacturiers et industriels peuvent également bénéficier d’agents conversationnels internes, qui aident les employés à rechercher et récupérer rapidement des informations au sein de vastes bases de données, y compris leur propre base de données interne. Les employés peuvent interagir de manière naturelle avec ces agents pour poser des questions complexes et obtenir des réponses pertinentes, facilitant ainsi la prise de décision et l’accès aux connaissances internes.

Imaginez équiper vos collègues d’assistants virtuels et instantanés qui donnent les réponses aux difficiles questions d’opérations ou de maintenance de vos machines et équipements ou assistent vos ingénieurs dans la rédaction de documents qui doivent se conformer avec les nombreuses normes avec lesquelles votre compagnie doit jongler.

2. Recherche, synthèse et production de documents

L’IA générative excelle dans la compréhension de texte et peut grandement aider à la synthétisation, modification et création de texte grâce à une recherche poussée de documents internes provenant de diverses sources.

Un mécanicien du secteur manufacturier peut bénéficier de la technologie pour avoir en quelques secondes un résumé des instructions de maintenance et ainsi sauver du temps de réparation et ultimement retourner en production plus rapidement.

Par ailleurs, un ingénieur peut utiliser cette technologie pour générer des manuels d’instructions et de documentation destinés aux machines en usine ou accompagnant les produits finis.

Voici ce que cela signifie pour les entreprises manufacturières.

Chatbot interne pour les employés : Déployer un chatbot interne pour aider les employés à accéder rapidement aux informations et aux procédures internes, ce qui peut améliorer l’efficacité opérationnelle.
Analyse des données de fabrication : Analyser les données de production et identifier des tendances, des inefficacités ou des anomalies, contribuant ainsi à l’optimisation des processus de fabrication.
Soutien aux experts techniques : Générer des résumés de rapports d’ingénierie complexes, de brevets et de documents de recherche pour aider les ingénieurs et les experts techniques à rester au courant des dernières avancées de l’industrie.
Vue 360 des clients dans la fabrication : Centraliser les données clients pour avoir une vue complète de leurs besoins, de leurs interactions et de leurs historiques, ce qui peut améliorer la personnalisation des produits et des services.
Analyse des commentaires : Résumer les avis et les commentaires des clients ou des employés pour identifier les problèmes récurrents, les améliorations possibles et les retours positifs, ce qui peut aider à améliorer la qualité des produits et de votre production.
Segmentation de la clientèle : Utiliser l’IA pour segmenter les clients en fonction de leur historique d’achat, de leurs préférences et de leurs besoins, ce qui peut aider à personnaliser les offres et les campagnes marketing.

3. L’IA générative pour accélérer le prototypage

L’une des principales contributions de l’IA générative réside dans sa capacité à créer. L’un des avantages cruciaux est sa capacité à accélérer le processus de conception.

Traditionnellement, la création de prototypes est un processus laborieux et chronophage, impliquant de nombreuses itérations. L’IA générative, en revanche, peut proposer des idées pour ensuite générer des prototypes rapidement, réduisant ainsi le temps nécessaire pour passer de la phase de conception à la phase de production.

Cette accélération du cycle de développement permet aux entreprises de répondre plus rapidement aux demandes du marché et de rester compétitives dans un environnement commercial en constante évolution.

En termes de coûts, l’IA générative offre des avantages significatifs. En automatisant une partie du processus de conception, les entreprises peuvent réduire les coûts liés à la main-d’œuvre et aux itérations de prototypes. De plus, la capacité de l’IA à optimiser les matériaux et les structures peut entraîner des économies substantielles sur les coûts de production à long terme.

Imaginez que vous puissiez générer des plans en 3D plus rapidement, recevoir des suggestions sur le meilleur emballage pour un produit donné ou générer automatiquement une base de conception aux couleurs du client.

4. Conseiller en chaîne d’approvisionnement, dans l’amélioration en continu et pour les documents légaux

L’intelligence artificielle générative se positionne comme un guide stratégique au sein des chaînes d’approvisionnement, élargissant la perspective au sein de réseaux complexes et émettant des recommandations pour les fournisseurs les plus adaptés en se basant sur des critères pertinents. Ces critères englobent non seulement les spécifications détaillées des nomenclatures, mais également des paramètres tels que la disponibilité des matières premières, les échéances de livraison et les indicateurs de durabilité.

Dotée d’une compétence particulière dans l’analyse des langages naturels, l’IA générative excelle dans l’extraction de dispositions pertinentes issues de documents légaux et contractuels. Cette capacité à déchiffrer les tenants et aboutissants des accords légaux permet à l’IA générative de jouer un rôle essentiel dans l’amélioration continue des opérations, renforçant ainsi l’efficacité globale de la chaîne d’approvisionnement.

5. L’IA générative dans la maintenance prédictive

L’IA est déjà bien utilisée dans la maintenance prédictive avec des prévisions (forecasting). Prenons exemple dans le domaine de l’aérospatial. L’entreprise Pratt & Whittney utilise un modèle d’intelligence artificielle qui prédit le calendrier des activités de maintenance pour un moteur donné. En croisant ces activités avec les clients de P&WC, nous avons produit une liste hiérarchisée de clients à contacter pour leur équipe de vente.

L’IA générative, quant à elle, se distingue par sa capacité à non seulement suggérer des solutions potentielles lors de l’identification d’un problème, mais également à élaborer de manière proactive des plans de service complets.

Dans ce contexte, prenons le cas où un problème est détecté. L’IA générative entre en scène pour non seulement fournir des suggestions de solutions, mais aussi pour élaborer un plan détaillé guidant les équipes de maintenance tout au long du processus de résolution, le tout, utilisant vos données et vos guides.

Une caractéristique clé de cette technologie est son accessibilité accrue aux ingénieurs de fabrication. Ces derniers peuvent interagir de manière intuitive avec l’IA, utilisant un langage naturel et des requêtes courantes. Cette facilité d’utilisation rend l’IA générative non seulement accessible à la main-d’œuvre existante, mais aussi particulièrement attrayante pour les nouveaux employés, ouvrant ainsi de nouvelles perspectives dans le domaine de la maintenance prédictive dans le secteur manufacturier. Voici une vidéo produite par Google qui démontre comment l’IA générative aide une entreprise de transport à résoudre un problème avec une locomotive défectueuse.

6. Génération de métadonnées pour les ERP

Pour les nouveaux produits, l’IA génère automatiquement des descriptions basées sur des produits similaires dans l’inventaire ou sur de brèves informations fournies par l’utilisateur. Le système d’IA générative peut être intégré à SAP, Oracle ou Microsoft Dynamics. Cela peut être réalisé via des intégrations API ou des modules personnalisés, garantissant que les métadonnées générées s’intègrent parfaitement dans le système de gestion des matières premières et de stocks.

Cette innovation simplifie et rationalise la gestion de l’inventaire, permettant aux équipes de se concentrer sur des tâches à plus forte valeur ajoutée et d’accélérer la mise sur le marché de nouveaux produits.

Je présente dans cet article une démonstration du fonctionnement de la génération de métadonnées à partir de texte et à partir d’une image.

Mise en place de l’IA générative dans l’industrie manufacturière

Pour intégrer avec succès l’IA générative, les responsables des opérations et de l’innovation doivent suivre quelques étapes cruciales, notamment la sélection de partenaires et d’outils appropriés, développement de la solution robuste et fonctionnelle, formation du personnel et gestion du changement, et la mise en place d’une stratégie à long terme pour maximiser les avantages de l’IA générative. Voici un lien vers un ebook qui guide les gestionnaires dans leur premier projet d’IA.

En résumé, l’IA générative représente une opportunité sans précédent pour l’industrie manufacturière québécoise. Dans un paysage industriel en constante évolution, l’adoption de l’IA générative représente un pas audacieux vers l’efficacité, l’innovation et la compétitivité. En suivant ces tendances émergentes, l’industrie manufacturière au Québec peut non seulement surmonter les défis actuels, mais également prospérer dans un avenir technologiquement avancé.