Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
AVEVA formalise une gouvernance qui place la sécurité et la supervision humaines au cœur des déploiements d’IA dans l’industrie. Arti Garg évoque des méthodologies en cours à l’IEEE pour mesurer l’empreinte environnementale de l’IA et décrit des usages concrets allant de la corrélation de données à l’intervention robotisée. L’adoption a fortement progressé, malgré des comportements de modèles jugés moins prédictibles.
Mesurer l’empreinte de l’IA et maintenir la responsabilité humaine
AVEVA estime que les organisations doivent mieux comprendre l'empreinte environnementale de l'IA. Arti Garg participe à un groupe de travail de l’IEEE qui développe une méthode standard pour évaluer l'impact de l'IA sur l'électricité, l'énergie, les ressources, l'eau et le carbone. Cette démarche est en cours. L'entreprise met en avant un triple mandat pour une IA responsable : sécurité, efficacité (y compris environnementale) et priorité à la sécurité et à la supervision humaines. Arti Garg insiste sur le maintien des humains au centre de la décision, avec des garde-fous définissant les domaines d'action des systèmes automatisés et ceux où les superviseurs restent responsables. Le cadre d’AVEVA privilégie ainsi la sécurité, l’efficacité et la sécurité humaine, avec une supervision effective.
Autonomie sur le terrain : robots et diagnostics sans exposition des opérateurs
La prochaine étape pour l’IA industrielle pourrait voir une présence accrue de robots autonomes et de drones dans les environnements physiques. Arti Garg prévoit que ces systèmes autonomes transformeront le travail dans les usines, les systèmes énergétiques et les sites miniers, rendant les opérations plus efficaces, plus sûres pour les humains et plus productives. Des robots sont décrits comme capables de se déplacer, de collecter des données et de permettre un diagnostic rapide, soit par calcul embarqué, soit en lien avec un opérateur, évitant ainsi d’exposer ce dernier à des environnements dangereux. Ces robots pourraient aussi recueillir des informations sans intervention directe des travailleurs.
Du chaos des données à l’appui temps réel des opérateurs
Dans l’industrie, les données proviennent de sources variées comme la télémétrie, les journaux de service ou les documents d’ingénierie, et doivent être rapprochées. Ce travail de corrélation est jugé essentiel pour exploiter les technologies numériques. Arti Garg cite l’exemple de l’assemblage d’informations sur une pompe ou un mélangeur à partir de la télémétrie, des historiques d’intervention et des documents de conception et de maintenance. Les bases de données graphiques et l’IA permettent d’associer plus rapidement ces ensembles disparates. L’objectif est d’apporter un soutien quasi en temps réel aux opérateurs lors d’un incident, avec la possibilité d’utiliser une tablette pour récupérer, corréler et diagnostiquer les informations.
AVEVA applique un cadre commun à l’IA interne et aux produits clients
AVEVA décrit une gouvernance à plusieurs niveaux couvrant à la fois l’usage interne de l’IA et son intégration dans les produits destinés aux clients. Un cadre similaire est appliqué dans les deux cas afin de maîtriser les déploiements. Cette approche vise à encadrer l’usage de l’IA tout en en tirant parti. Arti Garg soutient que l’IA doit compléter les humains, non les remplacer, dans les boucles de décision critiques.
Adoption en accélération malgré des modèles moins prévisibles
Selon Arti Garg, les deux dernières années ont vu une forte progression de l’IA physique, qui accélère la robotique et les systèmes autonomes, tandis que l’IA agentique soutient l’automatisation logicielle. Les modèles de base à usage général élargissent l’accès à des techniques avancées. Malgré une hésitation passée liée à l’imprévisibilité des résultats, l’adoption s’accélère dans l’industrie. L’adoption de l’IA industrielle a augmenté de 78 % au cours des deux dernières années, ce que Garg considère comme un point d’inflexion. Elle souligne cependant que ces nouveaux types d’IA restent moins prévisibles dans leur comportement.
Objectif : une automatisation plus sûre, efficace et durable
L’IA industrielle est présentée comme entrant dans une nouvelle phase, portée par les modèles de base, l’IA physique et l’IA agentique, mais confrontée à l’interaction directe avec des systèmes physiques où une décision imprévue peut affecter la sécurité, la fiabilité et les infrastructures critiques. Le déploiement responsable est mis en avant. La programmation assistée par IA est citée comme un moyen pour les experts de domaine de concevoir de nouvelles applications. Arti Garg estime que concrétiser ces perspectives suppose de repenser les processus, d’établir des garanties adaptées et d’offrir aux personnels expérimentés de nouveaux moyens d’exprimer leur expertise, en visant une automatisation plus autonome, plus sûre, plus efficace et plus durable. AVEVA, qui travaille sur l’IA industrielle depuis plus de 20 ans, se concentre sur des environnements à opérations critiques où la sécurité humaine est un facteur clé, et cherche à concilier promesse technologique et maintien de la sécurité et de la fiabilité.
