Chat avec données de machine

Grâce à une intelligence artificielle générative, les données de production et de machine seront plus facilement accessibles. © Université de Stuttgart IFF/Fraunhofer IPA, Photo : Rainer Bez

Grâce à l'IA, les données de machine deviennent accessibles à tous : une équipe de recherche travaille au Fraunhofer IPA sur une intelligence artificielle générative, permettant aux employés d'interroger des données de production et de machine via un chat. Elle illustre des données complexes et facilite ainsi l'analyse au quotidien.

Dans une usine, de grandes quantités de données de production et de machine sont générées chaque jour. Mais dans de nombreux cas, elles restent inutilisées. L'effort nécessaire pour analyser ces données est particulièrement difficile à supporter pour les petites et moyennes entreprises. En effet, il faut que du personnel spécialisé rassemble les données provenant de plusieurs sources, les prépare manuellement avec soin, puis les illustre enfin sous forme de graphiques et de diagrammes.

»L'accès et l'analyse des données de production et de machine doivent devenir plus simples«, déclare Matthias Schneider de l'équipe de recherche en architectures informatiques pour la production au Fraunhofer Institut pour la technologie de la production et l'automatisation IPA. C'est précisément ici que le projet de recherche »Visualisation des données de production en tant qu'extension générative interactive« (ViPGeniE) intervient. En collaboration avec les trois entreprises du Bade-Wurtemberg ads-tec Industrial IT GmbH, Data Coffee GmbH et Ulrich GmbH & Co. KG, le Fraunhofer IPA souhaite rendre les données de production et de machine plus accessibles via une intelligence artificielle générative.

Analyser des données sans expertise spécialisée

Tout comme de nombreuses personnes échangent aujourd'hui avec une intelligence artificielle générative dans leur vie privée, les employés pourront à l'avenir interroger via un chat des données concrètes – comme certains états de machines ou des courbes de température. En réponse, ils recevront non seulement du texte, mais aussi des diagrammes appropriés, que l'IA générera spécialement pour leur interlocuteur humain.

Sur cette base, les employés pourront poser d'autres questions à l'IA. Il en résultera un dialogue entre l'homme et la machine, au cours duquel des relations ou des causes d'erreurs deviendront compréhensibles. Cela sera rendu possible grâce à l'interaction de plusieurs technologies : les données de production et de capteurs sont continuellement collectées et décrites dans un « jumeau numérique », une représentation virtuelle de la production. Celui-ci fournit les informations contextuelles nécessaires pour que l'intelligence artificielle puisse interpréter correctement les données.

»Le seuil pour utiliser les données de production et de machine sera ainsi considérablement abaissé«, explique Schneider, »car aucune expertise spécialisée n'est plus nécessaire pour accéder aux données et les analyser.« De plus, les délais d'attente pour ajuster ou créer de nouvelles visualisations statiques existantes sont éliminés. Même si une entreprise dispose de ses propres spécialistes en analyse de données, ceux-ci ne sont généralement pas immédiatement disponibles et ne peuvent répondre aux demandes qu'avec un certain retard. Les petites et moyennes entreprises de tous les secteurs bénéficieront particulièrement de ViPGeniE, car elles ne peuvent souvent pas employer de data analysts.«

Premiers résultats dès 2027

Les chercheurs autour de Schneider du Fraunhofer IPA assument plusieurs tâches clés dans le projet ViPGeniE : ils développent l'architecture du système, un environnement flexible où différents modèles linguistiques peuvent être utilisés, ainsi que des jumeaux numériques qui structurent les données et rendent ainsi l'analyse par l'IA générative possible.

Un premier démonstrateur, montrant comment une IA générative peut visualiser de manière compréhensible en quelques secondes des données complexes de production et de machine provenant de sources très diverses, devrait être présenté par les partenaires du projet au cours du deuxième trimestre 2027.