Les industriels français peuvent s’appuyer sur les talents des startups pour déployer l’intelligence artificielle dans leurs usines.
L’intelligence artificielle veut se faire une place dans l’usine. Les start-up portent cette ambition et les industriels ont la chance de pouvoir s’appuyer sur un écosystème en effervescence, avec plus de 250 jeunes pousses de l’IA. S’y ajoute désormais un soutien de l’Etat à la recherche et au déploiement des solutions d’IA, comme l’a détaillé Emmanuel Macron lors de la présentation de sa stratégie nationale. C’est le moment d’agir. Pour Laurent Stefani, le directeur de l’IA d’Accenture, la situation est résumée par un client cité dans l’étude d’Accenture, Technoloy vision 2017 : « Si on avait investi dans l’IA il y a trois ans, cela aurait été trop tôt. Si on ne le fait pas d’ici à trois ans, ce sera trop tard. »
Quatre grands axes d’usage de l’IA sont déjà en forte croissance, pointe Laurent Stefani : la RPA (Robotic process automation), avec ses robots logiciels qui déchargent les humains de tâches informatiques fastidieuses ou les assistent ; la reconnaissance du langage, écrit ou oral, qui dope les chatbots et ouvre de nouvelles interfaces aux systèmes de l’usine ; l’inspection visuelle, « avec des solutions de plus en plus matures », qui s’épanouit dans le monde industriel sur les questions de qualité et de maintenance ; enfin, les » analytiques »qui se multiplient pour optimiser la gestion d’équipements ou de l’énergie, détecter les anomalies…
Pourquoi utiliser une start-up pour se lancer ? Tout d’abord, pour profiter de son agilité et de sa capacité d’innovation. Mais aussi pour pallier la pénurie de talents dans l’IA. Difficiles à trouver, coûteux à embaucher, ces experts peuvent néanmoins travailler pour vous via leur start-up. Il y en a pour tous les goûts. Certaines, axées sur la technologie, travaillent dans toutes sortes de domaines et pratiquent la fertilisation croisée. D’autres se spécialisent dans un secteur ou une fonction et enrichissent leurs modèles des données de plusieurs industriels. à vous de choisir.
Les devins
Tellmeplus : Prédire et expliquer
- Créé en 2011
- 30 personnes
- Montpellier (Hérault)
Le prédictif est l’une des promesses de l’intelligence artificielle. La start-up Tellmeplus en a fait sa spécialité avec sa plateforme cloud Predictive Objects, dédiée à l’efficacité des actifs industriels. Un outil « accessible aux experts métiers, qui ont seulement à indiquer le résultat dont ils ont besoin et dans quel délai », explique son fondateur, Jean-Michel Cambot. Tellmeplus prédit, par exemple, à un avionneur quels ordres de fabrication sortiront conformes et lesquels sortiront défectueux, en indiquant une explication et les moyens de prévenir le défaut. Pour un autre client, elle explique en une seconde l’origine d’une panne, là où il faut une à quatre semaines aux experts. « Quand ce client nous fournira assez de données, nous pourrons prédire la panne, souligne Jean-Michel Cambot. Mais le plus important quand on met de l’intelligence dans les actifs industriels, c’est de pouvoir expliquer son diagnostic. »
FieldBox.AI : Anticiper pour optimiser
- Créé en 2012
- 23 personnes
- Bordeaux (Gironde)
Quand une pompe casse au fond d’un puits de pétrole, le coût est lié à son remplacement mais aussi au manque à gagner dû au temps d’arrêt du puits. Dans le cas de Total, un mois d’attente était parfois nécessaire avant de récupérer l’appareil permettant le remplacement de la pompe. Pour s’attaquer au problème, le géant a reçu FieldBox.ai dans son incubateur. Cette start-up propose une solution de récupération et traitement de données pour optimiser les équipements par la prédiction. « L’algorithme que nous avons développé pour Total détecte les anomalies dans le fonctionnement d’une pompe. Cela permet de commander un appareil de forage en avance ou de ralentir la pompe pour allonger sa durée de vie », explique Peter von Campe, directeur commercial de la société. FieldBox.ai s’adapte à d’autres spécificités métiers. Pour Aéroports de Paris, elle prédit le flux de bagages pour optimiser l’efficacité du centre de tri.
Les visionnaires
Deepomatric, l’infrastructure augmentée
- Créé en 2014
- 20 personnes
- Paris
Deepoomatic est un pure player de la vision, 100 % deep learning, au service de l’industrie et, plus précisément désormais, des opérateurs d’infrastructures. Une orientation qui convient bien à son PDG, Augustin Marty, ingénieur des Ponts et Chaussées passé par Vinci. Sa vision ? Améliorer l’opération des infrastructures en équipant des caméras d’une puce sur laquelle tournent, sur place, les modèles d’analyse visuelle de Deepomatic. Une plateforme logicielle recueillant les informations pour les rendre intelligibles et actionnables. Trois cas d’usage sont visés. L’encaissement libre, ou free flow cashing, consiste à facturer les utilisateurs de services sans les arrêter à la caisse. Deepomatic a ainsi travaillé sur la facturation automatique et à la volée de plateaux-repas et de péages autoroutiers. La maintenance est le deuxième grand axe pour la start-up, dont les modèles reconnaissent les défauts et autres avaries. Augustin Marty y voit, notamment dans le transport, « d’énormes retours sur investissement car les gains sont énormes, d’au moins 10% des coûts ». Enfin, avec le concept d’intelligence ambiante, il s’agit d’alerter si quelqu’un est tombé sur la voie, de déterminer où sont les places libres dans un train, etc. L’offre de Deepomatic se compose d’un logiciel, Studio, permettant à l’industriel d’entraîner des modèles, et d’un logiciel, Enterprise, pour le déployer sur les caméras.
Scortex, l’inspection avec intelligence
- Créé en 2016
- 15 personnes
- Paris
Scortex s’attaque à l’automatisation de l’inspection visuelle. Cette start-up finaliste du challenge Industrie du futur organisé par SKF et Atos propose une solution clé en main – de l’installation des caméras au traitement des images – pour obtenir un contrôle qualité visuel directement en ligne de production. Au cœur de cette solution, une application de deep learning permettant de détecter et localiser les défauts tout en tenant compte des critères qualité du client. « Automatiser les inspections permet de gagner en stabilité et de digitaliser l’information sur la qualité, fait valoir Aymeric de Pontbriand le cofondateur de cette société parisienne. En enregistrant automatiquement le niveau de qualité ainsi que la qualification du défaut, nous pouvons donner à l’industriel une information en temps réel sur sa qualité, qu’il peut partager avec tous ces collaborateurs mais aussi fournisseurs et clients pour optimiser sa supply chain. » Aujourd’hui Scortex, qui travaille en France et en Allemagne, compte trois grands clients dans l’automobile et un dans les biens de consommation.
Les couteaux suisses
O2Quant : Deep learning sur-mesure
- Créé en 2017
- 4 personnes
- Marseille (Bouches-du-Rhône)
Toute jeune, la start-up O2Quant travaille déjà avec de grands noms de l’industrie comme Thales Alenia Space et AMD. Elle propose des solutions sur-mesure et intégrables par les clients dans leur environnement logiciel. « Nous sommes une société de services spécialisée en deep learning, explique Olivier Guillaume, cofondateur. Nous fabriquons des modèles d’intelligence artificielle que nous entraînons avec les données de nos clients. » Travaillant la plupart du temps sous clause de confidentialité, O2Quant a développé un logiciel de recommandation de produits aux clients pour un géant de l’aéronautique et des algorithmes de prédiction de pannes pour un autre. Des solutions appréciées par des groupes qui veulent garder la main sur leur process pour des raisons de sensibilité des données ou de volume à traiter.
Jalgos : Multi-technos
- Créé en 2014
- 8 personnes
- Paris
Se présentant comme une équipe de R&D en IA au service des industriels, Jalgos revendique son côté couteau suisse. En matière de technos – « nous puisons dans notre bibliothèque technologique pour s’adapter à tout problème de big data » – comme d’applications « Nous ne nous spécialisons pas car on apprend beaucoup de problèmes différents », pointe Sébastien Lamy de la Chapelle, cofondateur de l’entreprise. D’autant qu’il peut y avoir des croisements fructueux, comme entre l’anticipation des ventes pour améliorer la logistique du réseau de parapharmacie Parashop et la prédiction de l’arrivée de patients aux Urgences d’un hôpital, deux projets en cours d’industrialisation. Jalgos, qui a aussi travaillé sur la maintenance prédictive pour Alstom et la réduction des erreurs de comptage pour GRT Gaz, s’attache à produire de « vrais outils actionnables » en privilégiant les modèles intelligibles plutôt que les boîtes noires.
Les planificateurs
Cosling : Calculateur sous contrainte
- Créé en 2014
- 4 personnes
- Nantes (Loire-Atlantique)
Comment placer de manière optimale une centaine de colis sur une palette ? Si trouver la solution parfaite, qui suppose de tester toutes les combinaisons possibles, est irréalisable dans un temps acceptable, la start-up Cosling a développé pour la société ID Logistique une application qui trouve une « bonne » solution, en quelques secondes. « Nos algorithmes s’appuient sur de la programmation par contrainte pour répondre à des problèmes mathématiques complexes », explique Tanguy Lapègue, son cofondateur. Cosling s’attaque à tout type de planification, du planning RH à la tournée de véhicules. La start-up a même travaillé avec l’Agence spatiale européenne pour planifier la communication avec ses satellites. Un vrai casse-tête, alors que peu d’antennes au sol sont disponibles et qu’il y a un risque de perte des données si la mémoire des satellites sature.
Datapred : Dédié au séquentiel
- Créé en 2014
- 12 personnes
- Paris
Editeur du logiciel éponyme, Datapred est spécialiste des séries temporelles – les données horodatées –, « une matière première que traite une branche du machine learning, l’apprentissage séquentiel », explique son directeur Thomas Oriol. Si le savoir-faire de la start-up est issu de la finance, « plus c’est sale, plus on aime », insiste Thomas Oriol, qui revendique un focus exclusivement industriel. Trois verticaux où le facteur temps est critique, sont visés : la logistique, l’optimisation industrielle, avec notamment la prédiction des performances, et l’achat de matières premières. Datapred travaille ainsi depuis septembre 2017 avec un industriel en Asie qui achète 200 millions de dollars d’acier par an. En trois mois, Datapred a bâti une solution moulinant 150 données internes et externes pour prévoir les prix et fournir un programme d’achat optimal sur 30 jours. À la clé, 10 millions de dollars économisés par an. Le client a signé en janvier, la solution est en cours de déploiement et l’extension à d’autres sites du groupe est prévue.
Les spécialistes
Simsoft Industry : Le chatbot de l’usine du futur
- Créé en 2013
- 16 personnes
- Labège (Haute-Garonne)
Si l’intelligence artificielle a beaucoup à apporter aux systèmes autonomes, elle peut aussi être un levier important de performance humaine. Ce parti pris est celui de Simsoft Industry, qui développe des assistants vocaux intelligents à destination des techniciens. « Nos clients ont une bonne vision de ce que la robotique, les objets connectés et le traitement des données peuvent leur apporter, mais ils ont plus de difficulté à appréhender l’interaction entre ces systèmes intelligents et leurs techniciens », explique André Joly, cofondateur et directeur général de Simsoft Industry. Avec son « gestionnaire de dialogue en langage naturel », la start-up entend donc faciliter l’interaction entre l’environnement numérique de l’entreprise et les opérateurs afin d’améliorer leur performance. Laissant à l’opérateur la pleine possession de ses mains et de ses yeux, cet assistant vocal fait remonter des informations au technicien tout en l’interrogeant sur ses tâches afin de générer un rapport d’intervention complet et structuré. Une dizaine de clients a déjà adopté cette technologie, déclinée par type de métiers. Michelin s’en sert, par exemple, pour optimiser ses contrôles qualité, EDF projette de s’en servir pour le démantèlement de ses parcs nucléaires.
Energiency : Analyser pour économiser l’énergie
- Créé en 2013
- 25 personnes
- Rennes (Ille-et-Vilaine)
Energiency promet jusqu’à 20 % de réduction des factures d’énergie, mais il faut une certaine maturité pour accéder à sa technologie. « Nous proposons un outil d’analyse des données qui intervient en aval de leur captation, explique Arnaud Legrand, cofondateur et PDG de cette start-up. Nos clients doivent donc avoir des sites équipés de capteurs et protocoles de communication, et être prêts à mettre leurs données sur un cloud. » Déployée aujourd’hui chez une trentaine de grands groupes internationaux tels SKF, la technologie d’Energiency identifie des gisements d’économies d’énergie en deux temps. D’abord elle donne du sens à la consommation en croisant les données captées avec celles de production et de maintenance, ce qui permet déjà d’identifier des leviers pour la réduire avec une approche de lean management. Elle propose ensuite une prédiction de la consommation pour réaliser des achats au plus près des besoins et un système d’alerte en cas de dérapage de la consommation réelle, qui donne des prescriptions pour revenir dans les clous. Reste pour l’entreprise à mettre en place les pratiques conseillées.
Source : Usine Nouvelle
Commentaires récents