INTELLIGENTE
Dans l’usine du futur, l’intelligence artificielle (IA) aura assurément sa place. Est-ce que son arrivée sera toujours bienvenue ? En fait, elle est déjà remise en doute – et à tort ! Car comment un opérateur ou une dirigeante d’entreprise peuvent-ils avoir confiance en un nouveau système qui les invite à faire un geste qui semble contraire à leur intuition ? C’est ce qui arrive parfois dans l’industrie. « Les clients avec lesquels nous travaillons demandent pourquoi ils devraient appliquer les solutions offertes par nos systèmes [intelligents], explique Thibaut Vidal, professeur au Département de mathématiques et de génie industriel à Polytechnique Montréal. Avec nos avancées, on peut comparer des solutions entre elles, les expliquer en fonction de leur contexte et trouver les arguments expliquant pourquoi on doit prendre une décision au lieu d’une autre. »
Derrière chaque système qui sait prendre des décisions se cachent des centaines d’algorithmes, chacun donnant une réponse ; au bout du compte, c’est la réponse majoritaire qui est proposée à l’utilisateur ou à l’utilisatrice. Or, les algorithmes actuels emploient des millions, voire des milliards de paramètres et, bientôt, on pense que cela sera des billions ! « On ne peut pas présenter à un utilisateur un système contenant des milliers de paramètres opaques qui restent hors de sa portée, estime le professeur Vidal. Il existe de nombreuses applications critiques où l’humain veut garder un certain degré de contrôle. »
Simplifier le tout pour permettre à l’utilisateur de mieux comprendre l’origine de la réponse qui lui est donnée représente un immense travail de recherche fondamentale et appliquée qui a cours à Polytechnique Montréal. L’équipe du professeur Vidal travaille à transformer ces systèmes complexes en des systèmes plus simples qui, mathématiquement, prennent les mêmes décisions que les mécanismes complexes.
Pour conquérir l’industrie, l’IA devra aussi faire preuve de flexibilité. En contexte de production, les algorithmes doivent s’adapter à la réalité du terrain et travailler malgré l’incertitude. Des événements imprévus, des bris matériels, des retards dans la chaîne d’approvisionnement : tout cela est aussi fréquent qu’aléatoire en entreprise.
Encore là, des équipes y veillent. « On ajoute des données historiques à nos systèmes pour comprendre les processus de production et faire de meilleures prédictions, poursuit Thibaut Vidal. Avant, on faisait de la prédiction, puis on s’en servait pour optimiser nos systèmes, mais, maintenant, on fait les deux de manière intégrée, ce qui donne de meilleures performances. »
Ces changements permettront de justifier les décisions d’une intelligence artificielle en industrie et ainsi d’augmenter les chances qu’elle soit acceptée pour tout ce qu’elle a à offrir.