D'Excel aux réseaux de neurones : comment l'IA transforme la planification de la production et quand atteindre la pleine autonomie

L'IA dans la planification de production évolue d'un outil remplaçant les humains vers un assistant puissant qui les augmente, comme l'illustre le concept de « panneau de planification numérique » des chercheurs de l'Institut Fraunhofer, où l'algorithme vérifie des milliers de contraintes cachées et propose des plannings optimaux, mais la décision finale reste aux humains. En Russie, une étude conjointe de la Fondation Skolkovo et de l'ANO Économie Numérique révèle un intérêt prudent pour l'IA générative, avec des barrières clés incluant la résistance du personnel (citée par environ la moitié des entreprises), la mauvaise qualité des données, et les difficultés à évaluer le retour sur investissement et la sécurité de l'information. Malgré ces défis, les ingénieurs construisent des systèmes hybrides qui combinent des modèles génératifs avec des représentations graphiques des réseaux de production, utilisent de grands modèles de langage (LLM) pour traduire des requêtes non structurées, et emploient la programmation linéaire mathématique (comme dans le système 'AI-Kantorovich', qui a réduit le temps de planification à 2-3 minutes et diminué les coûts de plus de 3 % dans un projet pilote de production cosmétique). Les chercheurs de Skolkovo prédisent une transition massive : d'ici 1 à 2 ans, des modèles adaptatifs pour l'analyse de scénarios ; d'ici 2 à 3 ans, des modèles de haute précision avec des jumeaux numériques ; d'ici 3 à 5 ans, des solutions industrielles et des centres de compétences. Les cas pratiques incluent US Steel et Google's MineMind réduisant les temps d'arrêt des équipements de 20 %, Botswana Diamonds découvrant sept nouveaux prospects de diamants à partir de 380 Go de données géologiques, le chatbot IA de Severstal réduisant le temps d'audit de maintenance de 60 jours-personne à un seul, les assistants IA de NLMK accélérant le développement logiciel de 53 %, SIBUR et Sber concevant de nouveaux polymères via la modélisation numérique, l'assistant 'Akela' de Tatneft et ITMO améliorant l'efficacité de la planification de 30 % et réduisant la main-d'œuvre de 16 à 20 fois, Rolls-Royce réduisant les expériences physiques de 90 % dans le développement d'alliages, LEAP 71 testant un moteur-fusée Aerospike conçu par réseau de neurones en trois semaines, le copilote industriel de Siemens économisant jusqu'à 25 % de temps de maintenance, Rosneft et ITMO réduisant de dix fois la conception conceptuelle des ports arctiques, et DOM.RF et Rocket Group générant plus de 20 concepts de développement par jour. L'entreprise Creative Way, qui a rapporté cela, voit que les plus grands goulots d'étranglement sont le manque de compétences et les données sales, tandis que ce même domaine offre la croissance la plus rapide qui est rentabilisée dans les premiers mois après un projet.