Dans son entreprise, Jean Ramirez et ses équipes ont identifié une vingtaine de cas d'usages potentiels de l’IA. Pour démarrer, ils ont décidé de se concentrer sur quelques sujets qui offraient le plus de valeur ajoutée. Par exemple, pour le suivi du chiffrage d'un projet, il a été acté de numériser les documents liés aux chantiers, comme les factures, grâce à un système d'OCR (Optical Character Recognition en anglais, « reconnaissance optique de caractères »). Cette technologie permet de convertir automatiquement des documents numérisés - tels que des photos ou des scans - en texte numérique exploitable par des logiciels.
Une fois les documents scannés, tout le processus peut être automatisé après quelques étapes de vérification. L’IA n'est pas une fin en soi, elle permet d'optimiser certains points clés de l'activité et de réduire les erreurs. Grâce à l'OCR, il est possible de transformer des archives papier en données numériques utilisables, ce qui facilite leur consultation, leur partage et leur analyse. Il est donc essentiel de numériser ces documents pour exploiter pleinement la valeur des informations qu'ils contiennent, même s'ils sont rangés dans de vieux classeurs ou des armoires poussiéreuses.
Par ailleurs, de manière générale, la multiplication des capteurs conduit à accumuler plus de données. Cela est bénéfique non seulement pour traiter les pannes en temps réel, mais aussi pour anticiper les consommations énergétiques et planifier la maintenance des équipements.
L’enjeu en matière de maintenance prédictive est de détecter des anomalies avant qu'elles ne deviennent des pannes. L'un des défis reste toutefois le manque de données historiques sur les incidents. Pour qu'un système IA puisse prédire une panne ou un défaut d’exploitation, il faut qu'il ait déjà rencontré un certain nombre d'exemples de cet incident et que ces exemples aient été recensés dans une base de données. Deux solutions sont envisageables.La première consiste à demander à des experts métier de créer manuellement des données de ces incidents, ce qui est fastidieux. L'autre option, plus pratique quand elle est possible, est de simuler des incidents à l'aide de modèles synthétiques, ce qui permet de générer suffisamment de données pour entraîner les systèmes d'IA.
L'intelligence artificielle révolutionne la façon de gérer les anomalies en permettant de disposer d'informations plus rapidement grâce aux alertes qu'elle génère. Désormais, il est possible de réagir immédiatement à la première anomalie détectée, ce qui évite l'accumulation des incidents et empêche une panne de s'installer. De plus, cette approche proactive permet d'optimiser l'utilisation des machines, de réduire les coûts opérationnels et de diminuer les émissions de carbone.
En matière de RGPD, il y a quelques points de vigilance à traiter selon que les systèmes IA sont exécutés sur des serveurs publics ou privés et si l’entreprise fait appel à des services externes, ... Lorsque l’on couple des données d'usage avec de l'open data, on peut obtenir beaucoup d'informations sensibles, d'où l'importance de cloisonner certaines données tout en poursuivant l'objectif de transversalité dans les capacités applicatives. Cela vaut également pour les données non personnelles, c’est à dire les échanges entre entreprises. Car les données ont de la valeur et il faut, sur ce sujet aussi, donner son consentement pour éviter de se faire capter des données.
Il est important de se former et de former les équipes pour prendre conscience de ces enjeux. L'un des plus grands défis pour l'adoption de l'IA reste la formation des utilisateurs finaux. De nombreuses solutions d’IA ne produisent de valeur que si elles sont bien utilisées.
Ce quatrième podcast permet d’ouvrir de nouveau le champ des possibles avec pragmatisme. Il fait partie d’une série proposée par la FFB et à laquelle s’ajoutent vidéos et masterclass, ces dernières étant réservées aux adhérents de la FFB.
Le programme complet est à retrouver via ce lien : https://www.ffbatiment.fr/actualites-batiment/actualite/ia-tous-concernes
