Longtemps la notion d’intelligence artificielle a été confinée aux pages des publications scientifiques et des romans de science-fiction. Mais, en quelques années à peine, les progrès technologiques ont repoussé très loin les frontières de l’impossible et ce qui était hier du domaine de la théorie ou de la spéculation devient aujourd’hui réalité. Par manque de visibilité, les entreprises approchent cependant le sujet avec prudence. Les bénéfices rapides et tangibles de la maintenance prédictive pourraient bien balayer leurs dernières réticences…

Aux origines de l’intelligence artificielle, dans les années 1950, le rêve était de créer des machines douées de capacités semblables à celles de l’être humain. L’IA recouvre par conséquent plusieurs problématiques comme la perception (la reconnaissance d’images, par exemple), la compréhension et l’expression en langage naturel (le fameux test de Turing), et le raisonnement. C’est dans ce dernier domaine que les avancées récentes ont été les plus spectaculaires. La victoire d’AlphaGo sur le champion du monde de go Jie Ke en mai 2017 est le symbole de ces progrès encore inimaginables il y a peu et dont l’ampleur et la rapidité ont réveillé les inquiétudes ancestrales sur le pouvoir des machines.

À l’image de l’apprentissage automatique (machine learning), nombre d’algorithmes et de principes mis en œuvre par AlphaGo, la machine Watson d’IBM et leurs semblables existaient de longue date sur le papier mais l’explosion des capacités de calcul et de stockage de données a permis de réduire considérablement le coût et la durée de leur mise en œuvre. Mieux encore, ces performances ont poussé vers des voies moins explorées tant la complexité algorithmique et les volumes de données nécessaires paraissaient hors d’atteinte. C’est notamment le cas de l’apprentissage profond (deep learning), aux innombrables applications et dont la puissance a été mise en évidence par l’écrasante supériorité d’AlphaGo Zero sur l’AlphaGo original. Alors que l’intelligence artificielle s’est longtemps attachée à reproduire le raisonnement humain, il s’agit désormais de plus en plus de permettre à la machine de trouver sa propre voie de résolution des problèmes parmi la masse de données disponibles.

L’IA, un défi conceptuel pour les entreprises

Changement de paradigme majeur, l’avènement du deep learning accroît davantage encore le défi conceptuel que pose l’IA aux entreprises utilisatrices. L’intelligence artificielle étant capable de déceler ce qui est inaccessible au cerveau humain, l’approche traditionnelle des projets s’en trouve bouleversée. Comment, en effet, bâtir un business case, un cahier des charges ou un planning si l’on ignore ce que l’on cherche ? Pour tirer pleinement parti du potentiel surhumain de l’IA, il va donc s’agir, dans un premier temps, de développer un savoir-faire technique et méthodologique spécifique pour autoriser l’expérimentation, le tâtonnement et la découverte. Mais pour convaincre les entreprises d’engager cette indispensable transformation en dépit du manque de visibilité sur ses retombées, il manque encore à l’IA une application aux bénéfices si évidents qu’il n’y ait plus lieu d’hésiter. Autrement dit, une « killer app » qui, à elle seule, justifie l’investissement mais permette aussi d’apprendre tout en avançant.

La maintenance prédictive pourrait jouer ce rôle. Dans tous les secteurs où la performance repose en grande partie sur la disponibilité des actifs de production (industrie, transport, énergie, informatique, agriculture…), la maintenance est un enjeu clé. Grâce à l’intelligence artificielle, il est possible de déduire des données de fonctionnement, et de l’historique des interventions et des pannes, la probabilité d’une défaillance future d’un équipement donné. On peut donc s’organiser en conséquence de manière à éviter les pannes et à programmer les opérations de maintenance afin de perturber le moins possible l’activité. Les gains en termes de disponibilité, de sécurité et de coûts opérationnels sont à la fois immédiats et significatifs. Dans le domaine de la production offshore d’hydrocarbures, GE estime ainsi que la maintenance prédictive permet de réduire de plus d’un tiers les arrêts de production, soit, en moyenne, une économie annuelle de 17 millions de dollars. Une étude du McKinsey Global Institute place quant à elle la maintenance prédictive au premier rang des applications analytiques en termes d’impact dans les secteurs de l’énergie et de l’industrie.

Compréhensible, répondant à un vrai besoin opérationnel et offrant des gains directs et mesurables, la maintenance prédictive apparaît comme un excellent vecteur de l’IA dans les entreprises. Le cabinet d’étude MarketsandMarkets estime d’ailleurs que le marché de la maintenance prédictive devrait bondir de 1,4 milliard de dollars en 2016 à 4,9 milliards de dollars en 2021, soit une croissance annuelle de 28,4 %.

Pour aller plus loin, découvrez tout ce que la maintenance prédictive peut apporter dans le secteur IT.