IA générative et maintenance

« En matière d’IA, il est important de comprendre qu’il n’existe pas de solution universelle », commente Louis Morias. « Les solutions IA s’imposent selon le type d’entreprise et son niveau de numérisation. » De nombreuses données sont déjà sur papier, et il est essentiel de les numériser, de manière structurée. Mais attention : « On peut installer une cuisine impeccable grâce à l’IA, mais il faut d’abord construire une maison dans laquelle elle prendra place. » 
 
Cela peut sembler assez impressionnant. Wim Vancauwenberghe tempère: « On peut déjà déployer l’IA générative comme un accélérateur pour diverses tâches. » L’IA générative crée du contenu – du texte, des images ou des données structurées – à partir de modèles appris lors de son entraînement et du contexte fourni par l’utilisateur. En maintenance, les grands modèles linguistiques (LLM) présentent un intérêt particulier pour les applications nécessitant le traitement de volumes de textes, de documentation et de connaissances métier. Il cite notamment les tâches administratives et répétitives, la documentation des processus, l’inventaire et la synthèse de rapports que l’on peut rendre consultables… En revanche, pour la détection d’anomalies ou les prévisions basées sur des données de capteurs, d’autres formes d’apprentissage automatique demeurent essentielles.

« On peut par exemple filtrer les consignes de sécurité de manuels d’utilisation de machines pour générer des fiches d’instruction pour les techniciens de maintenance. « Dans un environnement de travail plus multiculturel et multilingue, l’IA peut aider à fournir automatiquement et en temps voulu des traductions. Autre application : à partir d’un tableau Excel contenant des instructions, l’IA générative peut aider à établir un premier plan de maintenance : quand faut-il intervenir et pour quoi ? C’est un pas vers l’élaboration d’un planning de travail. L’IA peut prendre en compte les risques – que se passerait-il si l’on ne faisait rien ? – et planifier selon les priorités.

Large Language Models

Les LLM offrent des possibilités lorsqu’ils sont appliqués aux systèmes de gestion de la relation client (CRM) et des actifs (EAM) qui centralisent toutes sortes d’informations et de données, issues, notamment, de défaillances passées. « L’analyse des causes profondes est un bon exemple », indique Wim Vancauwenberghe. « L’IA peut suggérer des causes possibles d’un dysfonctionnement et servir d’assistant de diagnostic ou de partenaire de réflexion. Le diagnostic final et la décision technique demeurent du ressort du spécialiste en maintenance. »

Mais gardons les choses simples. Les LLM peuvent être utilisés pour rédiger des rapports. Le technicien, qui déteste l’écriture et le papier, peut dicter son intervention. L’outil convertit la parole au format texte souhaité, et le résultat peut être intégré à d’autres systèmes. Louis Morias cite la startup gantoise Highsail qui a développé un assistant IA pour les opérateurs et les techniciens : la parole, les images et les notes sont convertis en des rapports structurés. ‘Ask Odin’ de SOA People (un spécialiste SAP) est un ‘agent vocal’ dédié à la maintenance. Il permet d’accéder à la documentation de maintenance et au contexte SAP.

L’IA agentique, capable d’effectuer certaines actions de manière autonome, est évoquée. Il cite LangChain, une plateforme et un framework open source permettant de créer des agents IA et des applications LLM. Cet outil facilite l’interopérabilité entre des composants et l’intégration de solutions tierces, simplifiant ainsi le développement d’applications IA. « Bien sûr, des erreurs peuvent survenir », prévient Louis Morias. La vigilance reste de mise.

Coûts et bénéfices

Si un CMMS (Computerized Maintenance Management System) est en place – de nombreux éditeurs de logiciels en proposent –, l’IA y est souvent intégrée et comprise dans l’abonnement ou la licence. Il existe des formules freemium et premium où l’on paie en fonction des capacités de l’IA. L’utilisation de l’IA peut également reposer sur un système de jetons : des unités qui servent à mesurer le volume de données traitées en entrée et en sortie du modèle. Louis Morias constate que de nombreux fournisseurs IA s’orientent vers cette approche, mais il met en garde contre le risque d’épuisement rapide du budget.

Wim Vancauwenberghe souligne l’importance du contexte. Plus l’enjeu est important, plus l’utilisateur est prêt à investir dans l’IA. « Pour des cas d’usage simples, on privilégie des solutions moins chères. » Copilot, Gemini ou Claude sont par exemple disponibles pour un prix compris entre 20 et 100 euros par mois. Les modèles plus complexes fonctionnent plutôt selon un système de jetons. Dans ce cas, le coût dépend du type de modèle et de l’usage qu’on en fait. « Chez Axians, nous essayons de décomposer les processus en étapes et d’utiliser, pour chacune d’entre elles, le modèle le plus simple et le moins coûteux », explique Louis Morias.

Pour le business case, Wim Vancauwenberghe s’intéresse au gain de temps et à la qualité de la maintenance. « Combien de temps administratif le technicien peut-il économiser ? Combien de temps passe-t-il à chercher de l’information technique ? Si l’IA lui permet de trouver plus rapidement le manuel, l’historique des pannes ou les instructions de travail appropriées, elle contribue directement à réduire le Mean Time To Repair.

Se former à l’IA et acquérir des connaissances

Dans l’enseignement, l’IA est encore largement au stade de l’expérimentation. Les premiers établissements techniques commencent toutefois à lancer des formations dédiées, comme le VTI à Deinze. Pour les professionnels, la montée en compétences repose encore principalement sur l’initiative personnelle. La BEMAS organise des formations consacrées à l’IA et à l’IA générative appliquées à la maintenance. L’association travaille à la mise en place d’une formation n8n qui apprend à décomposer les flux de travail en tâches gérables afin d’automatiser les processus selon une approche standardisée.  « n8n est une plateforme low-code qui permet de concevoir des flux de travail de manière largement visuelle. » Mais l’engouement pour l’IA a des implications.

Comment documenter, collecter les données machines, les images… ? Chacun des éléments doit être traité de manière spécifique. Cela prend du temps et nécessite parfois d’adapter les processus pour créer des bases de données vectorielles intégrant les données brutes mais aussi leur contexte. Louis Morias avance un exemple. « Un bank peut désigner un banc pour s’asseoir, ou une banque, l’établissement financier. Le sens dépend du contexte. Via la recherche vectorielle, il est possible d’identifier des éléments sémantiquement proches afin de leur appliquer un LLM. » C’est un travail de longue haleine, visant à mettre en place un processus pour que les données soient et restent exploitables à l’avenir. « S’adresser à une entreprise compétente dans ce domaine peut être utile », ajoute Louis Morias.

Le premier contact a souvent lieu lorsqu’une entreprise opte pour une solution de gestion des informations sur les actifs (AIM). Une autre possibilité consiste à se tourner vers les éditeurs de logiciels ou vers des nouveaux acteurs comme OpenAI et Anthropic. On peut aussi s’adresser à des prestataires proposant des services de maintenance et d’IA. « Les PME optent souvent pour des solutions partielles, tandis que les grandes entreprises cherchent à construire des solutions sur mesure. Cela coûte plus cher, mais… » L’évolution est extrêmement rapide, ajoute Louis Morias. « En moins d’un an, l’IA a atteint un niveau stratégique supérieur dans de nombreuses entreprises. »

Wim Vancauwenberghe constate que l’IA est rapidement adoptée, même si des inquiétudes subsistent concernant la protection de la vie privée, la souveraineté des données, l’environnement, etc. « Pour les données confidentielles de maintenance ou de production, les accords contractuels et les mesures de sécurité techniques sont au moins aussi importants que le modèle choisi. »

« Le choix de la technologie dépend du cas d’usage », explique Louis Morias. Il y a des modèles entraînés pour des cas d’usage spécifiques, tout comme des LLM assortis de clauses de confidentialité dans le cloud. Bien que de nombreuses usines restent réticentes et attendent que la technologie gagne en maturité, les deux experts s’accordent à dire que « même à ce stade du cycle de vie de l’innovation, l’IA apporte une valeur ajoutée. »

(*) Louis Morias (24) est data & AI consultant chez Axians, et s’intéresse particulièrement à la maintenance prédictive et à l’IA générative. Après avoir obtenu un master en Business Engineering (Gand), il a décroché un master en Engineering (Leuven). Il y a quelques mois, il a remporté l’EFNMS Excellence Award à Luleå, en Suède, sur proposition de la BEMAS, pour sa thèse ‘Exploring the Potential of Generative AI in Maintenance and Asset Management’.

Par Luc De Smet