Introduction

La génération inhérente de grands volumes et de multiples types de télémétrie chronologique dans l’IdO rend l’IA générative (GenIA) applicable à de nombreux aspects d’un environnement IdO typique. Dans cette série d’articles sur la GenIA dans l’IdO, nous explorons plusieurs aspects où la GenIA et l’IdO se recoupent. 

Ce premier article offre une compréhension de base des capacités et des limites de la GenIA dans le contexte de l’IdO. 

Différences fondamentales entre l’IA et la GenIA dans le contexte de l’IdO

L’IA est un logiciel créé par apprentissage automatique. L’IA imite le cerveau humain pour accomplir des tâches quotidiennes comme conduire une voiture, dessiner, faire de la comptabilité ou résumer un livre. Elle peut offrir des perspectives sur les données (comme le texte ou la télémétrie transmise par l’IdO) et peut servir un large éventail de cas d’utilisation. La GenIA est un type particulier d’IA qui génère des données synthétiques pour les cas d’utilisation qu’elle soutient. Puisque la GenIA est un sous-ensemble de l’IA, elle imite également le cerveau humain pour réaliser des tâches telles que simuler le comportement d’une machine, générer un design, traduire une langue, etc. La principale différence entre les deux réside dans le fait que la GenIA utilise l’IA pour générer du contenu nouveau afin d’accomplir des tâches et d’imiter des comportements humains, tandis que l’IA interprète des données existantes. 

L’IdO concerne la communication d’objets via Internet. Cela signifie en pratique que, même si l’IA peut être utilisée dans de nombreux cas d’utilisation de l’IdO, cette IA n’a pas besoin d’imiter les interactions humaines ou le langage. Au lieu de cela, l’IA analyse la télémétrie de l’IdO et les messages provenant d’objets connectés à Internet (également appelés actifs IdO) pour identifier des motifs. Les motifs identifiés sont ensuite traités pour générer des perspectives, des prédictions, etc. 

Après avoir examiné les différences entre l’IA et la GenIA ainsi que l’importance de l’IA dans l’IdO, voyons comment la GenIA améliore la capacité d’apprentissage de l’autre IA de deux façons distinctes :

1. Une révolution récente dans les grands modèles de langage (LLM) permet certains usages non traditionnels de la GenIA dans l’IdO (voir la référence ci-dessous). Ici, le LLM offre des interprétations compréhensibles par l’humain des résultats de l’IdO et fournit des orientations sur les mesures à prendre.
2. La GenIA génère des données synthétiques pouvant servir à améliorer d’autres IA.

Limites de la GenIA dans l’IdO

La GenIA dans l’IdO présente des limites qu’il faut comprendre afin de prendre de bonnes décisions éclairées quant à son usage. Certaines de ces limites seront atténuées au fil du temps à mesure que les LLM de GenIA évolueront. 

• Vie privée, sécurité et conformité réglementaire/éthique : Il faut faire preuve de prudence lors de l’exposition de données privées ou de sécurité à la GenIA; même l’anonymisation et l’obfuscation doivent être rigoureusement vérifiées. De plus, la diversité additionnelle et les subtilités propres à la conformité réglementaire/éthique limitent davantage le déploiement de la GenIA. 
• Qualité des données, partialité et équité : Puisque la GenIA apprend à partir des données fournies et génère ensuite des données synthétiques (ce qui la rend très vulnérable au syndrome « poubelle-entraîne-poubelle ») qui incluront toute partialité du jeu de données d’entraînement, elle doit être entraînée sur un très grand volume de données de très grande qualité pour donner des résultats prometteurs. 
• Ressources informatiques/énergie : En plus des énormes ressources informatiques nécessaires pour entraîner les modèles de GenIA, les modèles entraînés sont volumineux et nécessitent comparativement plus de ressources informatiques lorsqu’ils sont déployés; cela complique beaucoup le déploiement de la GenIA sur des dispositifs/équipements à ressources limitées souvent utilisés dans l’IdO, et encore plus sur ceux alimentés par batterie. 

Cas d’utilisation de la GenIA dans l’IdO

Maintenant que nous comprenons le potentiel et les limites de la GenIA dans l’IdO, nous explorons les cas d’utilisation dans différents secteurs. Bien entendu, cette liste n’est pas exhaustive mais illustre l’utilité de la GenIA dans l’IdO. 

Fabrication industrielle

• Combinée à des LLM comme Copilot, ChatGPT, BARD, etc., la GenIA peut fusionner les informations provenant d’Internet pour enrichir les données de télémétrie de l’équipement avec des suggestions sur les actions potentielles et leurs impacts probables, des références à des documents supplémentaires ou des informations techniques, les taux de réussite de chaque solution, etc. 
• La GenIA peut combler le manque de données qui survient fréquemment dans l’analytique prédictive. Ce sujet sera abordé dans les prochains blogues de cette série. On peut avancer que la GenIA répond au noyau de l’IA dans l’IdO :
  • Défaillances d’équipement : Prédire les pannes de l’équipement/des machines avant qu’elles ne perturbent les opérations
  • Entretien optimisé : Prédire l’estimation de la durée de vie utile restante pour un remplacement et un entretien opportuns des composants
  • Jumeaux numériques : Accélérer la création de jumeaux numériques pour la planification d’opérations complexes, l’ingénierie de la performance, l’optimisation de la consommation énergétique, etc. 
  • Réduction des déchets : Explorer des options avec des simulations hypothétiques et de l’analytique. 

Médical et soins de santé

• Protection de la vie privée : Générer des données de patients représentatives et protéger les données réelles des patients afin d’assurer la conformité en matière de confidentialité
• Résumé médical : Générer automatiquement des rapports de synthèse médicale à partir de tests et des données de dispositifs portables
• Ordonnances : Rationaliser la prescription de médicaments et de procédures à partir des tests et de données de dispositifs portables 
• Analyse d’images : Effectuer des tâches d’augmentation de données (débruitage, reconstruction, enregistrement, etc.) sur des images médicales comme les tomodensitogrammes, les IRM, les échographies et les radiographies 
• Recherche pharmaceutique : Accélérer la découverte/l’invention de nouveaux médicaments

Scénarios illustratifs

Étant donné que cette série de blogues explore la GenIA dans le contexte de l’IdO, il est toujours utile d’illustrer les concepts à travers des scénarios réels, et les scénarios suivants représentent bien les cas d’utilisation en IdO. 

Scénario 1 : Problèmes sur l’équipement de fabrication causant des arrêts de production

Analyse : Les composants mobiles sont une cause typique de panne, car ils comportent souvent des pièces rotatives. Les rotations génèrent des vibrations caractéristiques, et les anomalies dans ces vibrations permettent de diagnostiquer et de prédire des pannes. 

Défi : Les données vibratoires disponibles étaient insuffisantes pour établir une référence adéquate permettant la détection d’anomalies, car l’équipement a été déplacé et réinstallé; la nouvelle localisation et les composants de montage ont modifié les patrons vibratoires, créant ainsi une lacune de données, puisque de nombreuses conditions de référence étaient absentes du jeu de données depuis le déplacement. De ce fait, plusieurs conditions normales de fonctionnement ont été identifiées à tort comme anormales. 

Remédiation : La GenIA a été utilisée pour élargir le jeu de données de référence afin de détecter les vibrations anormales. 

Scénario 2 : Évaluation des dommages et estimation des réparations pour les demandes d’assurance automobile

Analyse : Mettre à profit des décennies d’images de véhicules endommagés et de leurs coûts de réparation pour effectuer des analyses d’images d’automobiles endommagées dans le but d’estimer les coûts de réparation. 

Défi : En général, les compagnies d’assurance n’ont pas suffisamment d’exemples pour toutes les formes classiques de dommages sur chaque marque, modèle et fabrication de véhicule. Endommager des véhicules pour créer ces images est coûteux et fastidieux. 

Remédiation : La GenIA extrait différents types d’informations sur les dommages à partir de l’inventaire d’images existant de véhicules accidentés, puis applique ces informations à la marque, la fabrication et le modèle voulus. Ces images générées peuvent ensuite être analysées à l’aide de techniques d’IA existantes pour l’évaluation automatisée des dommages. 

Points à retenir

• La GenIA joue un rôle limité mais important dans l’IdO
• La GenIA peut combler les lacunes de données — nous développerons cela dans les prochains blogues de cette série
• Le LLM de la GenIA peut rendre les prédictions de l’IA plus exploitables 

Conclusion

Après avoir établi une solide compréhension de l’IA et de la GenIA dans l’IdO, notre prochain article portera sur la compréhension des types et causes de lacunes de données et de leur impact sur la GenIA dans l’IdO. 

Références

• Quel est le meilleur outil d’IA générative : ChatGPT vs LlaMa vs Google Bard vs Claude, Mariia Yuskevych
• L’essor de l’IA conversationnelle : comparaison de Bard, Claude, ChatGPT et Bing AI, Mike Onslow
• Comment 3 organismes de santé utilisent l’IA générative, Aashima Gupta & Greg Corrado
• IBM Consulting collabore avec Microsoft pour aider les entreprises à accélérer l’adoption de l’IA générative