Présentation de la première génération d’agents basés sur Aras InnovatorEdge

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

Fournir une intelligence artificielle évolutive à votre continuité numérique

Plus tôt cette semaine, Aras a présenté InnovatorEdge AI comme l’un des services élargis construits sur le framework Aras InnovatorEdge. Edge AI permet aux clients Aras de faire évoluer leur programme d’IA d’ingénierie en exploitant le contexte riche de leur continuité numérique, tout en offrant un modèle de gouvernance pragmatique garantissant la conformité continue, la traçabilité et la protection de la propriété intellectuelle.

Nous sommes ravis de présenter la première série d’agents et de services agentiques construits sur Edge AI, qui apportent une valeur immédiate à tout client Aras Innovator® (en tirant parti du fait que les services cloud Edge peuvent être intégrés à n’importe quelle version d’Aras Innovator, qu’elle soit en mode SaaS ou hébergée sur une infrastructure privée). Ils constituent également des briques de base pour d’autres agents et, fidèle à l’engagement d’Aras en matière d’adaptabilité, peuvent être configurés pour répondre aux besoins spécifiques de notre communauté sur les nombreux marchés et étapes du cycle de vie produit où Aras Innovator est utilisé.

Edge AI et les agents Edge AI seront des thèmes centraux d’ACE 2026, alors que nous explorerons le thème de l’Intelligence Adaptative et notre vision de l’avenir du PLM façonné par une continuité numérique intelligente, une expérience utilisateur native IA et une agilité disruptive pour répondre au changement. Vous pouvez vous inscrire à l’événement ici.

Cette première génération d’agents Edge AI se répartit en deux catégories : 1) les agents conversationnels, accessibles via la console Aras AI Assistant intégrée à Innovator ; et 2) les assistants de tâches, déclenchés par un utilisateur ou lorsqu’une condition spécifique est remplie afin d’exécuter des workflows ou des analyses ciblées. La figure ci-dessous compare ces modèles d’interaction avec d’autres approches qui deviendront également essentielles dans un environnement PLM natif IA.

Découvrez de nouvelles perspectives grâce à votre continuité numérique

Les nouveaux agents conversationnels intégrés à l’Aras AI Assistant sont centrés sur la découverte (en cohérence avec le cadre Discover-Enrich-Amplify que nous utilisons pour segmenter les services agentiques PLM).

Agent Analytics and Insights

Le service Analytics and Insights étend les capacités de l’Aras AI Assistant en permettant aux ingénieurs et aux utilisateurs PLM de poser des questions analytiques (c’est-à-dire des questions avec des réponses quantitatives ou booléennes précises) en langage naturel, par voix ou par texte, et d’obtenir rapidement les données produit nécessaires sans devoir maîtriser Aras Markup Language (AML), SQL ou une syntaxe de recherche avancée. L’agent Analytics and Insights s’appuie sur le service Natural Language Analytics (NLA) d’InnovatorEdge AI pour traduire l’intention de l’utilisateur en requêtes précises, puis restitue les résultats sous une forme adaptée à la prise de décision. Lorsque des analyses sont incluses, il peut également agréger et analyser les résultats, créer des graphiques, des tendances et des statistiques de synthèse pour aider les utilisateurs à interpréter ce qu’ils voient. Dans ce mode, l’agent ne repose pas sur une base de connaissances distincte ; il aide les utilisateurs à poser de meilleures questions et à exploiter plus rapidement les réponses.

Agent Knowledge Analysis

Le service Knowledge Analysis, également intégré à l’interface conversationnelle de l’Aras AI Assistant, s’appuie sur une implémentation unique de GraphRAG (restez à l’écoute pour de prochains articles et sessions ACE sur Aras ThreadRAGTM). Il exploite une capacité avancée de recherche sémantique pour analyser les bases de connaissances gérées par Innovator, y compris les documents, figures et autres données non ou faiblement structurées, afin d’identifier les informations numériques pertinentes par rapport à la demande de l’utilisateur. Il est capable d’identifier des relations implicites qui ne sont pas explicitement modélisées dans les structures PLM, par exemple en détectant des liens entre un document et plusieurs références pièces, même si ces relations n’ont jamais été formellement créées. Cela permet des conversations plus riches à travers la continuité numérique, car les utilisateurs peuvent poser des questions nécessitant sens, lien et contexte, et non une simple récupération d’information. Le service Knowledge Analysis a été conçu en tenant compte du fait que le contenu évolue dans le temps. L’exploration des relations doit se faire dans leur contexte temporel (par exemple, quelles exigences ont guidé les décisions de conception pour la version d’un produit qui vient d’échouer sur le terrain, lorsque ce produit a été conçu il y a 10 ans).

Enrichir le contexte et les connexions de votre continuité numérique

Les nouveaux agents spécialisés par tâche visent à enrichir votre continuité numérique en inférant ou en extrayant de nouvelles données structurées à partir d’informations numériques connectées, et en établissant des « relations de référence » exploitables à l’avenir. Ces services agentiques d’assistance aux tâches sont déclenchés par les utilisateurs ou intégrés dans des workflows plus larges. En pratique, il s’agit de services supervisés ou semi-supervisés où l’agent suggère de nouvelles relations, validées par des utilisateurs humains avant leur formalisation dans la continuité numérique.

Agent Requirements Ingestion

L’agent Requirements Ingestion ingère des documents sources aux formats PDF, Excel et Word, identifie les exigences qu’ils contiennent et convertit le texte brut en exigences structurées dans Aras Requirements Engineering. Le principal résultat est la standardisation : il sépare le contenu de la présentation et impose des types d’exigences cohérents afin que les équipes puissent traiter les exigences comme des objets gouvernés plutôt que comme des blocs de texte formatés. L’effort humain se déplace ainsi de la transcription fastidieuse vers la validation et l’intention, là où l’expertise métier apporte une réelle valeur. Il prend également en charge l’analyse de similarité entre les imports, permettant aux équipes de comparer les nouvelles exigences importées avec celles déjà présentes dans le système afin d’identifier les doublons et de confirmer ce qui est réellement nouveau.

Agent Smart Variant

L’agent Smart Variant analyse de larges populations de nomenclatures (BOM) et produit un modèle de variantes incluant fonctionnalités, options et règles, capable de générer des BOM configurées en sortie. Il peut également intégrer des documents de support tels que des catalogues et des bons de commande afin d’apprendre le vocabulaire utilisé pour vendre et configurer les produits, souvent impossible à déduire uniquement à partir de la structure de la BOM. Cela est essentiel, car la signification métier d’une configuration — ce qui différencie par exemple une version « racing » d’une version « off-road » — réside fréquemment dans la documentation plutôt que dans les seules listes de pièces. Le résultat est une transition pragmatique d’une complexité « engineered-to-order » vers une discipline « configure-to-order », ancrée dans les structures produit et le langage déjà utilisé par l’entreprise.

Agent BOM Assistant

L’agent BOM Assistant répond à une réalité bien connue : les informations critiques sur la structure produit arrivent souvent sous forme de feuilles de calcul, de PDF et d’autres formats provenant de multiples sources, en particulier dans des contextes de collaboration avec les fournisseurs. L’agent déduit comment les données entrantes doivent être mappées vers la structure PLM correcte, en interprétant les indentations hiérarchiques, les indicateurs de niveau et autres conventions afin de normaliser les données dans une structure standard au sein d’Aras Innovator. Cela réduit le travail manuel de mapping et les retouches lorsque le format d’entrée n’a pas été conçu pour une importation propre. Il prépare également le terrain pour des workflows de cycle de vie, comme l’analyse des différences entre une BOM Rev A et une BOM Rev B fournie par un fournisseur, afin que les équipes puissent appliquer les deltas de manière intentionnelle plutôt que de réimporter systématiquement des structures complètes.

Faire évoluer l’IA dans le PLM avec pragmatisme

Chacun de ces agents cible un point de friction persistant dans le PLM d’entreprise : obtenir plus rapidement des réponses à partir des données produit, découvrir du sens et des relations implicites à travers la continuité numérique, transformer des exigences non structurées en objets gouvernés, accélérer la transition du « engineered-to-order » vers le « configure-to-order », et normaliser des entrées de BOM qui arrivent rarement dans un format idéal.

Tout aussi important, il ne s’agit pas de solutions ponctuelles intégrées à la logique applicative d’un logiciel PLM spécifique. Le framework InnovatorEdge / InnovatorEdge AI garantit qu’ils peuvent être déployés, gouvernés, surveillés et améliorés comme des capacités opérationnelles au sein d’environnements réels de développement produit en constante évolution. Au-delà de l’automatisation intelligente, de la compréhension du langage naturel, de l’intégration de l’IA générative et de l’application de la science des données avancée, la véritable valeur de l’IA agentique en PLM reposera sur la répétabilité, la confiance et la capacité à passer à l’échelle à travers équipes, programmes, fournisseurs et phases du cycle de vie. Les responsables PLM devront collaborer avec les équipes de transformation numérique et d’IA pour exploiter la puissance de l’IA sans créer un univers parallèle de décisions déconnectées et impossibles à faire évoluer.

Cette première génération d’agents répond à des cas d’usage PLM bien réels. Mais elle vise aussi à semer des concepts sur le marché. À mesure que nous élargissons l’écosystème InnovatorEdge AI, notre objectif est d’offrir aux clients et partenaires une base gouvernée pour construire et adopter des agents agissant sur la continuité numérique avec la même rigueur que celle attendue du PLM en entreprise.