L’IRT SystemX lance un programme de recherche baptisé Intelligence Artificielle et Ingénierie Augmentée (IA2). L’objectif est de faire évoluer les méthodes d’ingénierie industrielle en combinant la modélisation physique des systèmes et l’utilisation de connaissances métier ou de modèles comportementaux issus d’experts, avec des modèles d’apprentissage basés sur les données réelles traitées grâce au Machine Learning.

L’Institut de Recherche Technologique (IRT) SystemX se positionne comme un accélérateur de la transformation numérique de l’Industrie, des Services et des Territoires. Il a lancé officiellement le 4 février un programme de recherche baptisé Intelligence Artificielle et Ingénierie Augmentée (IA2), visant à hybrider IA, connaissances métiers et modèles physiques.

« Pour la résolution d’un problème industriel, c’est généralement une approche unique qui est aujourd’hui utilisée, issue soit du calcul scientifique, soit de la représentation des connaissances, soit de l’apprentissage statistique. Utilisée isolément, chacune des trois approches, même bien outillées, trouve ses limites. Le programme IA2 ambitionne le développement et la mise en œuvre d’approches hybridant ces différents champs scientifiques. C’est l’un des rôles de l’IRT que de détecter les nouvelles avancées scientifiques et de réunir industriels et académiques autour d’une problématique majeure telle que celle de l’hybridation de l’IA », a expliqué Patrice Aknin, Directeur Scientifique de l’IRT SystemX.

En effet, le programme IA2 cible les secteurs industriels à forte ingénierie pour lesquels l’investissement dans l’IA permettra de “dé-siloter” les connaissances et de rendre les processus plus fluides et plus rapides, mais surtout beaucoup plus souples et adaptatifs, donc plus performants. De l’Ingénierie Augmentée ou de l’Ingénierie^IA, en quelque sorte.

Mixer les approches

Ce programme réunit une trentaine de partenaires industriels et académiques pour une période de 5 ans. Il se compose de 6 projets de R&D collaboratifs à finalités industrielles, basés sur des cas d’usage concrets, chapeautés par un projet amont à vocation académique de mise en commun des résultats scientifiques, coordonné par Marc Schoenauer, Directeur de Recherche à l’Inria Saclay.

Il s’agit de développer des solutions hybridant plusieurs approches de modélisation et de simulation : la modélisation physique des systèmes ; l’utilisation de connaissances métier ou de modèles comportementaux issus d’experts, avec des modèles d’apprentissage basés sur les données réelles traitées grâce au Machine Learning. Cela permettra aux industriels d’optimiser leurs performances opérationnelles, mais les aidera aussi à la nécessaire transformation de leurs métiers.

L’hybridation nécessaire des modèles

En effet, ces trois modes de modélisation souffrent d’un certain nombre de limitations lorsqu’ils sont utilisés indépendamment :

• Une difficulté à modéliser fidèlement ou complètement un système physique réel ;
• Des temps de calculs parfois prohibitifs ;
• Une difficulté à disposer d’un nombre suffisant d’exemples pour permettre un apprentissage de qualité ;
• Des dires d’expert qui peuvent s’écarter des observations terrain ;
• Une difficulté à couvrir tous les cas possibles et à gérer les exceptions.

La combinaison de ces approches dans des modèles hybrides favorisera la capacité à modéliser, à simuler au plus près un système réel et à prendre des décisions adaptées, tant dans les phases de conception que d’exploitation.

6 projets de R&D

Le programme IA2 se compose d’un ensemble de 6 projets collaboratifs de R&D à finalités industrielles, basés sur des cas d’usage concrets, qui implique une quinzaine d’entreprises industrielles. Chacun ayant un consortium spécifique. Le premier projet vient juste de démarrer et les cinq autres devraient suivre dans l’année. D’après SystemX, l’ensemble mobilisera l’équivalent de 50 postes et un budget de 20 millions d’euros.

• Hybridation Simulation Apprentissage : Comment les codes calculs industriels et les modèles obtenus par apprentissage sur des données, s’enrichissent mutuellement ?
• Performance des simulateurs hybrides : Comment valider et optimiser des simulateurs hybrides ou le Virtual Testing augmenté ?
• Supervision d’infrastructures industrielles : Comment aider à la décision sur un système industriel distribué, tirant parti des avancées de l’apprentissage ?
• Simulation multi-agents augmentée : Comment les modèles basés-agent peuvent tirer parti de données réelles pour s’adapter et faire émerger des situations atypiques ?
• Sémantique métier pour l’exploitation de données multi-sources : Comment coupler des données à fiabilités hétérogènes avec des connaissances métier établies ?
• Cockpit et assistant bidirectionnel : Comment développer un assistant virtuel qui apprenne de et à l’expert ?

Ces 6 projets de R&D seront complétés par un projet amont de coordination scientifique, qui mutualisera les travaux académiques visant à lever les verrous scientifiques des 6 projets R&D, lorsque ceux-ci seront partageables avec l’ensemble des partenaires du programme IA2.

Cette coordination sera confiée à Marc Schoenauer, Directeur de Recherche Inria. Les travaux y seront menés sous forme de thèses et de post-docs en étroite collaboration avec des laboratoires de pointe (Inria Saclay ; LRI – UPSaclay ; LTCI – Télécom Paris ; LIMSI – CNRS ; LIP6 – Sorbonne Université ; MICS – CentraleSupélec ; Lattice – ENS Paris ; CMLA – ENS PS ; PIMM – ENSAM).

L’animation scientifique, l’organisation de séminaires ouverts à l’externe et la promotion des résultats et publications scientifiques, seront assurées dans le cadre de cette coordination.

Aujourd’hui l’IA est essentiellement centrée sur l’apprentissage par les données (Machine Learning), saluons donc l’initiative IA2 de SystemX, qui vise à la combiner avec l’intelligence contenue dans les savoirs humains de modélisation physique et comportementale, issus des experts métiers. C’est ce qui fera la réussite de l’Ingénierie^IA !

Jean-François Prevéraud

Pour en savoir plus : https://www.irt-systemx.fr