Trois conseils pour faire de l'IA une alliée des projets PLM
Alors que l'Intelligence Artificielle générative (GenAI) est sur toutes les lèvres, une chose est sûre : nous ne sommes qu'au début de ce qui se présente comme une nouvelle révolution technologique.
Les applications de GenAI vont continuer à se multiplier, et vont avoir des impacts majeurs sur un certain nombre de secteurs d’activité.
La gestion du cycle de vie des produits (PLM) ne fait pas exception. Les analystes du Gartner prévoient que l'IA générative jouera un rôle dans 70 % des tâches contenant un grand nombre de textes et de données d'ici 2025, contre moins de 10 % en 2023. Ils estiment également que d'ici 2026, les capacités d'IA générative seront mises en œuvre dans 50 % des solutions des fournisseurs de PLM, contre un taux d'adoption actuel de 5 %.
Et de fait, l'utilisation de l'IA tout au long du processus de conception et de fabrication des produits est extrêmement prometteuse. Mais son intégration présente aussi des défis importants pour les entreprises qui évoluent dans un paysage complexe et changeant.
Conseil n°1 : voir l’IA comme un outil d’optimisation plutôt que d’automatisation
Le plus grand défi auquel vont devoir faire face les entreprises cherchant à utiliser l’IA dans leurs processus PLM sera surement d'éviter de se laisser emporter par l'euphorie de l'IA, pour s’appliquer les deux conseils valables à chaque grande rupture technologique. D’une part, commencer petit, avec des projets rapides à mettre en œuvre et à rentabiliser (les fameux « quick wins »). D’autre part, s'assurer de l’utilité d’un projet, parce qu’il répond à un besoin, à un usage ou à un problème (la fameuse question de la « valeur » d’une innovation).
Pour que l’IA fasse une différence notable dans les processus PLM de conception de produits, il est ainsi préférable de se concentrer sur l'amélioration de l'efficacité et de la productivité des processus existants, plutôt que de tenter de tout automatiser par de l’IA. L'idée étant plutôt de faciliter le travail de l'utilisateur et d'accélérer et/ou de « dérisquer » certaines de ses tâches plutôt que de les supprimer.
Conseil n°2 : choisir des projets sur lesquels l’IA a une valeur immédiate et démontrable
Le champ d’application de l’IA est encore à inventer, et par nature infini, mais certaines parties des processus des entreprises sont plus propices à apporter une preuve rapide de l’intérêt de la GenAI.
Par exemple, la conformité et la documentation technique. L’identification d’un ensemble d’exigences de conformité réglementaire lors de la conception de produits est une tâche difficile et souvent complexe. Ce problème s'intensifie avec le nombre d'industries et de régions dans lesquelles un produit est destiné à être vendu ou utilisé. Le fait de ne pas tenir compte avec précision de la réglementation augmente le risque de conception excessive (trop d'exigences ajoutées) ou d’un échec (exigences non respectées). En intégrant l'IA dans le processus, l'identification des exigences et l'examen final d'une conception en cours peuvent être accélérés, et la capacité de former l’IA pour qu’elle reste à jour avec les dernières modifications réglementaires, fréquentes, peut aussi apporter une valeur ajoutée et continue.
La rédaction de la documentation technique, essentielle aux tests et fonctionnement de nombreux produits, peut, elle aussi, prendre beaucoup de temps. L'IA générative peut aider à rédiger des guides d'utilisation, des manuels de maintenance et d'autres documents importants, tout en garantissant l'exactitude et l'exhaustivité du contenu.
Conseil n°3 : sécuriser ses données et sa Propriété Industrielle
Ce ne sont que de premiers exemples. À l'avenir, les possibilités de l'IA dans l'industrie de la fabrication et du développement de produits s’élargiront davantage, tant l’IA a un potentiel énorme pour accélérer les cycles de conception, et améliorer en continu la qualité des produits.
Mais bien sûr, comme pour toute technologie, la mise en œuvre de l'IA peut présenter des défis. La protection de la Protection Industrielle de l’entreprise va ainsi devenir encore être plus stratégique, au fur et à mesure où les modèles de données vont venir nourrir l’Intelligence Artificielle. Sans compter que la qualité des données, socle de l’efficacité de l’IA, vont devoir être le nouveau cheval de bataille des entreprises. Car une IA, entraînée sur de mauvaises données, peut être dangereuse.
Or, les entreprises dépendent du PLM pour créer des produits que nous utilisons dans notre vie quotidienne. Les voitures que nous conduisons, les ascenseurs que nous prenons et même les appareils que nous gardons dans nos poches doivent être sans danger pour leurs usagers.
Et nous ne pouvons pas compter sur l'IA pour nous donner 100% de réponses correctes, 100% du temps. Nous devons donc disposer de processus de gouvernance et de méthodes de vérification stricts pour garantir le respect de toutes les réglementations, et de tous les principes de sécurité.
En conclusion, l'intégration de l'IA dans les plateformes PLM et les fonctions associées représentent une étape importante dans l'évolution de la conception et de l'ingénierie des produits. L'IA peut contribuer à améliorer l'efficacité, à réduire les coûts et à ouvrir de nouvelles opportunités d'innovation. A deux conditions : commencer là où la valeur de l'IA peut être réalisée, gérée et comprise par l'organisation dans son ensemble, et s’assurer de comprendre tous les risques pour éviter les pièges d'une mauvaise utilisation de cette technologie passionnante.