Le contenu de cette page a été traduit automatiquement par un service tiers.

Cette semaine, Aras a présenté InnovatorEdge AI dans le cadre de l’extension des services Aras InnovatorEdge.

Le potentiel de l’IA dans le développement de produits et l’ingénierie fait l’objet de nombreuses discussions depuis plusieurs années : décisions plus rapides, moins de transferts, meilleure réutilisation des connaissances d’ingénierie et productivité accrue. Il y a seulement deux ans, nous avons organisé une table ronde avec des experts en IA appliquée à l’ingénierie consacrée au potentiel d’intégration de la GenAI, du PLM et de l’ingénierie numérique. À l’époque, nous citions une statistique de Gartner prévoyant qu’en 2026, 50 % des éditeurs de PLM intégreraient l’IA à leurs logiciels. On peut affirmer qu’en janvier 2026, 100 % des fournisseurs de logiciels PLM et d’ingénierie AFFIRMENT avoir intégré l’IA à leurs solutions.

Mais lorsqu’on dépasse le marketing autour de l’IA des éditeurs PLM traditionnels, on retrouve essentiellement les mêmes applications de base, centrées sur des expériences de copilote fondées sur des LLM. Et même si l’on commence à entendre parler d’agents IA spécialisés par tâche (par exemple, pour la gestion des changements), il s’agit d’implémentations ponctuelles, avec des perspectives de passage à l’échelle pour le moins discutables.

Pour libérer réellement l’innovation portée par l’IA dans le PLM, le secteur doit faire face à trois réalités fondamentales :

  1. L’innovation en matière d’IA se produira à l’échelle de l’écosystème technologique PLM, avec des services, agents et solutions d’IA développés par les éditeurs PLM, les fournisseurs de services cloud et d’IA, les cabinets de conseil et intégrateurs, et surtout par les équipes de développement produit utilisant les logiciels PLM.
  2. Un accès sécurisé et gouverné aux données de la continuité numérique constituera le socle de toute création de valeur significative grâce à l’IA.
  3. Les directions informatiques doivent garder la maîtrise de la manière dont l’IA est introduite dans leurs organisations.

Une plateforme pour fournir des solutions PLM natives IA et d’ingénierie IA à grande échelle

Nous sommes extrêmement enthousiastes de présenter Aras InnovatorEdge AI (« Edge AI »), une suite de services permettant de concevoir, déployer, exécuter et gouverner des workflows agentiques et des services d’IA à travers votre écosystème PLM. Nous annonçons également la première série d’agents IA Aras construits sur Edge AI. Pour en savoir plus, cliquez ici.

Nous considérons Edge AI comme une approche décisive qui permet aux organisations en charge de la mise sur le marché des produits d’accélérer l’adoption de l’IA dans le PLM et l’ingénierie, tout en conservant le contrôle de leur propriété intellectuelle, en restant responsables vis-à-vis de leurs clients et en respectant les obligations réglementaires liées à la livraison de produits complexes.

Le véritable défi consiste à savoir comment opérer l’IA dans le PLM.

Le problème auquel la plupart des entreprises sont confrontées ne réside pas dans la capacité de l’IA à générer du texte ou à résumer des documents. Il s’agit plutôt de savoir si l’IA peut agir comme un acteur de confiance dans le développement produit, capable d’opérer dans le respect des contraintes de processus, de s’appuyer sur une source fiable d’informations produit numériques et de produire des résultats explicables et auditables.

En termes de PLM, les questions deviennent :

  • L’IA peut-elle travailler avec des données produit sous contrôle de configuration, et non avec des fragments de données extraits de leur contexte ?
  • Peut-elle naviguer entre les états « tel que conçu », « tel que construit » et « tel que maintenu » sans approximation ?
  • Respecte-t-elle par défaut les rôles, les autorisations et les frontières de propriété intellectuelle ?
  • Peut-elle créer une chaîne de preuves traçable expliquant ce qu’elle a fait et pourquoi ?

Si la réponse à l’une de ces questions est non, vous ne disposez pas d’une stratégie d’IA PLM à l’échelle de l’entreprise, mais simplement d’un ensemble de démonstrations intéressantes.

Un test simple pour évaluer la maturité de l’IA en PLM

Si votre approche de l’IA dans le PLM ne répond pas aux questions suivantes, elle ne passera pas à l’échelle. Chacune met en lumière une raison précise pour laquelle l’IA en PLM échoue souvent à se déployer, et chacune indique ce qui doit être conçu dès la base pour que les agents soient dignes de confiance.

  1. Quel contexte produit l’IA a-t-elle utilisé ?
    Dans le PLM, la « bonne réponse » dépend de la configuration, de l’effectivité, de l’historique des révisions, de l’état d’approbation et des relations entre exigences, pièces, nomenclatures, documents et changements. Si l’IA ne peut pas préciser quelle définition produit elle a utilisée, quelle révision, quelle baseline et quels objets liés ont informé le résultat, vous ne pouvez pas considérer celui-ci comme une aide à la décision. La transparence sur le contexte évite également des erreurs subtiles, comme le mélange d’exigences obsolètes avec des exigences actuelles ou l’analyse d’une mauvaise configuration pour un ensemble d’options client spécifique.
  2. À quelles données avait-elle accès, et pourquoi ?
    Le contrôle d’accès en PLM fait partie intégrante de l’intégrité produit. Les rôles, les frontières fournisseurs, la séparation des programmes, les contrôles à l’exportation et la protection de la propriété intellectuelle déterminent quelles données peuvent être utilisées pour une tâche donnée. Si l’IA ne peut pas expliquer ce qu’elle était autorisée à voir, et pourquoi elle a tiré une conclusion dans ce périmètre, les équipes ne peuvent pas avoir la certitude qu’elle ne divulgue pas d’informations ou ne fonde pas ses conclusions sur des données incomplètes. La prise en compte des autorisations fait la différence entre une capacité utile et un problème de gouvernance.
  3. Quelles actions a-t-elle entreprises dans les workflows PLM ?
    La valeur de l’IA agentique ne réside pas dans sa capacité à décrire le travail, mais dans sa capacité à le faire progresser là où les décisions produit sont prises. Cela signifie proposer des objets structurés, initier des workflows, signaler des impacts, orienter des tâches et formuler des recommandations pouvant être acceptées, rejetées ou affinées avec une intention claire. Si vous ne pouvez pas décrire les actions réalisées, vous ne pouvez pas distinguer une interface conversationnelle d’un agent opérationnel.
  4. Quel est l’enregistrement traçable de ces actions et de leurs résultats ?
    La traçabilité est la monnaie d’échange du PLM. Les organisations doivent être en mesure de prouver ce qui a changé, qui l’a approuvé, quelles données l’ont étayé, quels objets en aval ont été impactés et comment la décision a été exécutée tout au long du cycle de vie. Si les résultats produits par l’IA ne sont pas consignés dans le dossier produit, y compris les données d’entrée utilisées et les actions déclenchées, ils créent une réalité parallèle en dehors de la continuité numérique de référence. D’un point de vue conformité, c’est inacceptable.
  5. Comment la gouverner, la superviser et la faire évoluer dans le temps ?
    Le développement produit s’inscrit dans la durée et évolue en permanence. Les exigences changent, les fournisseurs évoluent, les gammes de produits se transforment, les processus sont mis à jour et le modèle de données mûrit. Une IA qui ne peut pas être gouvernée finira par perdre en pertinence ou générer des risques. Les entreprises ont besoin de contrôles de cycle de vie, de gestion des versions, de politiques, d’observabilité et de modèles de déploiement reproductibles entre environnements.

InnovatorEdge AI a été conçu pour répondre directement à ces enjeux. Et surtout, pour le faire à l’échelle de l’entreprise.

Une approche révolutionnaire

L’ambition d’InnovatorEdge AI est de rendre l’IA agentique concrète et opérationnelle dans l’entreprise grâce à une suite de services étroitement intégrés pour la conception, le déploiement, l’orchestration et la gouvernance des agents. Cette approche ouvre une nouvelle voie pour faire évoluer l’IA dans le PLM et l’ingénierie en 1) établissant des règles du jeu claires ; 2) assurant une supervision pour garantir que chacun opère dans ce cadre ; et 3) laissant suffisamment de liberté opérationnelle aux équipes pour innover dans leur manière d’exploiter l’IA.

Category:
ACE Aras Insights Artificial Intelligence Digital Engineering