L'IA au service de la vision industrielle

Baptiste Amato-Gagnonest le fondateur et dirigeant de Psycle Research. Ingénieur diplômé en Informatique avec la spécialité Fouille de Données (UTC, France), il possède aussi un Master of Science spécialité Machine Learning (Georgia Institute of Technology, USA).

Pouvez-vous présenter en quelques mots ce qu’est la vision industrielle ?

Ingénieur diplômé en Informatique avec la spécialité Fouille de Données (UTC, France), il possède aussi un Master of Science spécialité Machine Learning (Georgia Institute of Technology, USA).

Pouvez-vous présenter en quelques mots ce qu’est la vision industrielle ?

Pouvez-vous présenter en quelques mots ce qu’est la vision industrielle ?

En résumé, la vision industrielle regroupe l’ensemble des logiciels, matériels et méthodes permettant d’analyser des images de production industrielle. Le parallèle avec l’Homme est souvent fait : les yeux deviennent des caméras, le cerveau devient un ordinateur, et les bras deviennent des actionneurs. Les applications de la vision industrielle sont nombreuses, classables sous deux grandes catégories : - le contrôle qualité (s'assurer que les produits qui passent sur les lignes sont conformes) - le guidage robot (donner la capacité aux robots de voir, et donc d'effectuer des tâches plus complexes).

Qu’apporte l’IA à la vision industrielle classique ?

La vision industrielle utilise depuis longtemps de l'IA, sous forme d'algorithmes dits classiques : ils se basent sur des outils de vision pensés par des experts (contrastes, nuances de gris, formes, etc.). Cela permet d’appliquer une liste de vérifications pré-définies, et bien comprendre quels paramètres sont en jeu lorsqu’il y a un problème. Toute modification de l’algorithme doit être faite par des personnes du métier (qui comprennent la vision).
Les formes plus récentes de l'IA, telles le machine learning, ont un fonctionnement qui permet de donner la main aux opérateurs terrain pour adapter les algorithmes.En effet, ces algorithmes ne sont pas des lignes de code, des process logiques, mais des manières de juger des images des produits (est-il de la bonne taille, de la bonne couleur, etc.). Comme l'opérateur terrain connaît parfaitement ses produits, il a toutes les compétences pour discriminer les conformités des non-conformités, et ainsi communiquer avec l'algorithme notamment pour l'entraîner. C'est ainsi que ces algorithmes sont dits apprenants, car plus on leur donne de données, plus ils deviennent fiables. L’opérateur terrain connaît parfaitement ses produits, et a toutes les compétences pour discriminer les bons des mauvais.

Les formes plus récentes de l'IA, telles le machine learning, ont un fonctionnement qui permet de donner la main aux opérateurs terrain pour adapter les algorithmes.En effet, ces algorithmes ne sont pas des lignes de code, des process logiques, mais des manières de juger des images des produits (est-il de la bonne taille, de la bonne couleur, etc.). Comme l'opérateur terrain connaît parfaitement ses produits, il a toutes les compétences pour discriminer les conformités des non-conformités, et ainsi communiquer avec l'algorithme notamment pour l'entraîner. C'est ainsi que ces algorithmes sont dits apprenants, car plus on leur donne de données, plus ils deviennent fiables. L’opérateur terrain connaît parfaitement ses produits, et a toutes les compétences pour discriminer les bons des mauvais.

En effet, ces algorithmes ne sont pas des lignes de code, des process logiques, mais des manières de juger des images des produits (est-il de la bonne taille, de la bonne couleur, etc.). Comme l'opérateur terrain connaît parfaitement ses produits, il a toutes les compétences pour discriminer les conformités des non-conformités, et ainsi communiquer avec l'algorithme notamment pour l'entraîner. C'est ainsi que ces algorithmes sont dits apprenants, car plus on leur donne de données, plus ils deviennent fiables. L’opérateur terrain connaît parfaitement ses produits, et a toutes les compétences pour discriminer les bons des mauvais.

Il y a-t-il un rapport avec ChatGPT et les récentes avancées de l’IA ?

ChatGPT est une avancée dans le monde de l’IA qui a fait énormément de bruit (à tort ou à raison, ce n’est pas le débat ici). Cette “révolution technologique” a placé la barre relativement haut, ce qui a encouragé le milieu de l’IA à redoubler d’efforts. L’impact principal dans le monde de l’industrie est la démocratisation de l’IA : si l’on commence à voir de l’IA dans son quotidien, on n’a bien moins peur de l’intégrer sur ses lignes !

L’impact principal dans le monde de l’industrie est la démocratisation de l’IA : si l’on commence à voir de l’IA dans son quotidien, on n’a bien moins peur de l’intégrer sur ses lignes !

Pouvez-vous donner des conseils à des entreprises qui veulent se lancer dans une solution de vision industrielle et hésitent, par manque de compétences internes par exemple ?

Il faut trouver le bon cas d’usage, c’est-à-dire un problème métier bien connu en interne, avec un retour sur investissement potentiel bien identifié, sans gros verrou technique.
Ensuite, il est conseillé de ne pas chercher à tout faire du premier coup, mais de commencer par une version avec quelques fonctionnalités essentielles, tester, puis ajouter une fonctionnalité, etc. Cela permettra un déploiement plus en phase avec les besoins du terrain et plus accepté par les équipes.
Il faut définir un critère de performance et l’atteindre rapidement, afin d’obtenir un retour sur investissement rapide et garder les équipes terrain motivées.
L’écueil classique est de penser que tout fonctionnera tout seul. Or l’IA fonctionne (presque) comme les humains : il faut lui enseigner des informations de qualité et lui répéter de nombreuses fois, c’est comme ça qu’elle progresse.

Ensuite, il est conseillé de ne pas chercher à tout faire du premier coup, mais de commencer par une version avec quelques fonctionnalités essentielles, tester, puis ajouter une fonctionnalité, etc. Cela permettra un déploiement plus en phase avec les besoins du terrain et plus accepté par les équipes.
Il faut définir un critère de performance et l’atteindre rapidement, afin d’obtenir un retour sur investissement rapide et garder les équipes terrain motivées.
L’écueil classique est de penser que tout fonctionnera tout seul. Or l’IA fonctionne (presque) comme les humains : il faut lui enseigner des informations de qualité et lui répéter de nombreuses fois, c’est comme ça qu’elle progresse.

Il faut définir un critère de performance et l’atteindre rapidement, afin d’obtenir un retour sur investissement rapide et garder les équipes terrain motivées.
L’écueil classique est de penser que tout fonctionnera tout seul. Or l’IA fonctionne (presque) comme les humains : il faut lui enseigner des informations de qualité et lui répéter de nombreuses fois, c’est comme ça qu’elle progresse.

L’écueil classique est de penser que tout fonctionnera tout seul. Or l’IA fonctionne (presque) comme les humains : il faut lui enseigner des informations de qualité et lui répéter de nombreuses fois, c’est comme ça qu’elle progresse.

Découvrez nos formations pour déployer les nouveaux modes de pensée de l'industrie du futur auprès de vos équipes.