Transformer le PLM avec l’IA : Perspectives des meilleurs experts de l’industrie

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

L’intelligence artificielle (IA) est en train de remodeler la gestion du cycle de vie des produits (PLM) d’une manière que nous n’aurions pas pu imaginer il y a seulement quelques années. Ce qui a commencé comme un outil d’automatisation de tâches simples telles que la classification de documents est devenu un puissant multiplicateur de force pour l’innovation et la croissance. Aujourd’hui, l’IA peut être utilisée pour des tâches complexes et nuancées telles que l’analyse de données structurées et non structurées, l’optimisation des processus et la création de modèles 3D à la demande.

Dans le dernier épisode de la série de webinaires Pulling the Digital Thread d’Aras, nous avons réuni des leaders de l’industrie pour discuter de l’impact de l’IA sur le PLM et l’ingénierie numérique aujourd’hui – et de la façon dont elle transformera le développement de produits demain. Le panel comprenait Guy Bursell, responsable de la stratégie commerciale de fabrication chez Microsoft ; Rik Rasor, PDG d’AI Marketplace ; Jonathan Scott, architecte en chef chez Razorleaf ; et Rob McAveney, directeur technique d’Aras.

Au cours de leur discussion, M. Bursell, M. Rasor, M. Scott et M. McAveney ont exploré un large éventail de sujets, allant du rôle de l’IA dans l’amélioration de la prise de décision à sa capacité à servir d’assistant ou d’agent utile qui facilite la vie des ingénieurs. Toutefois, pour concrétiser ces opportunités, les entreprises doivent relever des défis cruciaux tels que l’instauration de la confiance dans les systèmes d’IA et la garantie de la disponibilité des données et de l’adaptabilité à long terme.

La révolution de l’IA dans le PLM

Bien que l’IA soit utilisée dans l’industrie manufacturière depuis des décennies, l’avènement de l’IA générative (GenAI) a catapulté l’industrie vers l’amélioration de la productivité humaine et de l’efficacité opérationnelle.

Ces deux dernières années ont été marquées par des progrès rapides dans les types de travaux que l’IA peut effectuer. L’IA pour le PLM s’est d’abord concentrée sur des applications simples telles que le traitement de documents à forte teneur en texte, l’automatisation des classifications et la génération de résumés. Aujourd’hui, l’IA innove et s’oriente vers des cas d’utilisation plus complexes qui redéfinissent la manière dont les entreprises gèrent l’ensemble du cycle de vie des produits.

L’IA multimodale ouvre de nouvelles possibilités

L’IA va au-delà du traitement de texte traditionnel pour s’étendre à des applications multimodales. Ces nouvelles capacités permettent à l’IA de travailler sur différents types de données, y compris le texte, les images, les modèles 3D et même les vidéos. Imaginez qu’un technicien de maintenance prenne une photo d’une pièce endommagée. L’IA pourrait analyser l’image, identifier la pièce et extraire les données pertinentes de la plateforme PLM, le tout en quelques secondes. L’IA multimodale continuera d’ouvrir de nouvelles voies pour accélérer la résolution des problèmes et rendre la gestion du cycle de vie des produits plus intuitive et plus efficace.

« Il y a un an, le domaine de l’IA générative était principalement axé sur le traitement d’artefacts textuels dans le cadre du PLM ? Aujourd’hui, nous assistons à un changement important ou à une expansion de ces modèles dits multimodaux ». – Rik Rasor, PDG d’AI Marketplace

L’IA agentique est un nouvel allié de l’ingénierie

L’IA n’est plus seulement un outil d’arrière-plan ; elle devient un participant actif du travail d’ingénierie. Entrez dans l’ère de l’IA agentique – des agents d’arrière-plan qui fonctionnent de manière autonome pour faire de nouvelles déductions et suggérer des optimisations sans nécessiter d’instructions explicites de la part des humains. Cette évolution pourrait transformer le PLM, qui n’est plus un outil d’aide à la décision, en un partenaire actif de l’innovation produit et de la gestion du cycle de vie.

Ces agents d’IA surveilleront les tendances du marché, le retour d’information des clients et les données de performance pour générer de nouveaux concepts de produits innovants. L’IA agentique permettra d’atteindre des niveaux plus élevés d’efficacité opérationnelle, de réduire les délais de mise sur le marché et de permettre aux entreprises de rester en tête sur un marché mondial de plus en plus concurrentiel.

« Les agents d’IA vont favoriser l’adoption par les développeurs qui appréhendent l’utilisation de l’IA. Ces agents sont faciles à utiliser, comme un correcteur d’orthographe, et répondent à des questions importantes telles que : « Ai-je rédigé une bonne exigence ? Y a-t-il déjà un doublon ? » – Jonathan Scott, architecte en chef chez Razorleaf

Conseils pour une adoption réussie de l’IA

L’adoption de l’IA s’est accélérée, mais les organisations qui exploitent cette nouvelle technologie se heurtent encore à des obstacles. Les travailleurs doivent comprendre le processus, se sentir à l’aise pour laisser l’IA prendre en charge certaines tâches et être conscients des limites de l’IA, comme le risque d’« hallucinations de l’IA » lorsque le système génère des réponses plausibles mais incorrectes. Les organisations doivent mettre en place des garde-fous appropriés pour gérer ces risques. Les conseils suivants peuvent contribuer à une adoption efficace de l’IA.

Vérifier les données et les hypothèses proposées par l’IA

Vérifiez les données et les hypothèses proposées par l’IA. Le travail d’ingénieurs expérimentés et compétents et d’autres experts en la matière est essentiel pour authentifier les résultats. L’IA peut n’apporter que des solutions partielles basées sur les modèles à partir desquels elle travaille, mais il faut de l’intelligence humaine pour savoir comment interpréter les informations, orienter l’analyse supplémentaire de l’IA et conclure ce qui est le mieux pour la situation. Les ingénieurs et leurs homologues doivent toujours être les décideurs dans le processus. Nous ne pouvons pas nous contenter de faire confiance ; nous devons encore prendre des mesures supplémentaires pour vérifier.

Commencer par de petits cas d’utilisation ciblés

Se fixer des objectifs ambitieux (par exemple, développer des produits centrés sur l’IA) est une bonne chose, mais pour obtenir l’adhésion de la direction et obtenir des résultats significatifs, il faut commencer par des cas d’utilisation pratiques qui créent une dynamique en vue d’une adoption plus large. Par exemple, vous pouvez choisir de vous concentrer sur des tâches spécifiques à fort impact où l’IA peut apporter une valeur immédiate, comme la traçabilité et l’analyse des exigences.

« Il est essentiel de trouver les bons cas d’utilisation pour les besoins de votre entreprise. Qu’est-ce qui va apporter un retour sur investissement rapide ainsi qu’une valeur à long terme pour l’entreprise ? » – Rik Rasor, PDG d’AI Marketplace

Investir dans l’infrastructure de données

Les systèmes d’IA s’épanouissent grâce à des données de haute qualité. Cependant, de nombreux fabricants sont confrontés à des données désordonnées et incohérentes d’un département à l’autre. Plus il y a de données, mieux c’est, y compris des données plus intégrées et connectées tout au long du cycle de vie du produit. Plus la quantité et la qualité des données sur lesquelles l’IA peut s’appuyer sont importantes, meilleurs seront les résultats. Pour exploiter pleinement le potentiel de l’IA, les fabricants doivent investir dans une infrastructure de données qui permette une circulation et une intégration transparentes des données dans l’ensemble de l’organisation. Des technologies telles que le fil numérique peuvent relier les données entre les systèmes et garantir que les modèles d’IA peuvent accéder à des informations exactes et à jour.

Adopter l’automatisation pour les tâches répétitives et sans valeur ajoutée. Il est parfois difficile de conceptualiser l’avenir, surtout lorsqu’il s’agit d’idées complexes que seuls les experts d’une discipline particulière comprennent vraiment. Si certains craignent l’IA, c’est peut-être parce qu’ils ne voient que les cas d’utilisation simples susceptibles de causer des dommages.

Prévoir une flexibilité à long terme

La flexibilité est essentielle pour s’adapter à l’évolution technologique et aux besoins changeants des entreprises. Cela signifie qu’il faut choisir des outils et des cadres qui peuvent s’intégrer aux systèmes existants tout en étant capables de s’adapter à l’émergence de nouvelles technologies. Donner la priorité à l’interopérabilité – la capacité des systèmes, des appareils et des applications à fonctionner ensemble à l’intérieur et au-delà des frontières de l’organisation – est essentiel pour parvenir à un échange de données, une collaboration et une innovation transparents tout au long du cycle de vie du produit. Par exemple, les nouvelles réglementations de conformité telles que le passeport numérique des produits (DPP) exigent un niveau élevé d’interopérabilité pour suivre les informations tout au long des chaînes d’approvisionnement complexes.

Préparez l’avenir de votre stratégie d’IA

Si le potentiel de l’IA à transformer l’industrie manufacturière est indéniable, les entreprises doivent agir dès maintenant pour se doter des connaissances et des ressources nécessaires à l’amélioration du cycle de vie de leurs produits tout en stimulant la productivité et la satisfaction des ingénieurs. Pour en savoir plus sur l’avenir du PLM, lisez Unraveling the Digital Thread : 4 Trends for 2025 (en anglais).