L’IA fait passer les jumeaux numériques dans une autre dimension

Du statique au dynamique grâce à l’IA

Un véritable jumeau numérique ne se contente plus de décrire l’apparence d’un système. Il doit en capturer la dynamique, explique Gerhard Kreb, senior vice-président Siemens Xcelerator Portfolio & Digital Business. Cette approche permet d’expérimenter et de simuler des scénarios dans un environnement virtuel sécurisé.

Ces capacités de simulation peuvent optimiser un flux de production ou un produit, avant même sa conception physique.

L’intelligence artificielle est, évidemment, le moteur de cette transformation des jumeaux numériques. Pour Jean-Marie Tassy Simeoni, cofondateur de l’Agentics Foundation France, c’est bien elle qui a fait évoluer le jumeau numérique vers un « système connectif intelligent capable de passer à l’action en temps réel », ce qui changerait fondamentalement la portée et la valeur de la technologie.

La donnée, socle indispensable

Ce saut technologique repose sur un prérequis essentiel, celui des données. Sans stratégie data robuste et à grande échelle, aucune initiative de jumeau numérique et d’IA réussie n’est possible.

Il ne s’agit pas simplement de collecter des informations, mais de le faire de manière systématique, exhaustive et structurée, avertit François Lavernos, DSI de Renault.

Le groupe a déployé une infrastructure qui collecte quotidiennement cinq milliards de données. Renault a installé près de 10 000 capteurs pour capter de nouveaux signaux (température, son, vibrations), lorsque les données n’étaient pas disponibles nativement sur les équipements. Ces informations alimentent aujourd’hui, en temps réel, un parc d’un million de jumeaux numériques.

La démarche est la même chez Veolia. Sa DSI, Meriem Riadi décrit un « voyage de la donnée » entamé il y a plus de dix ans. Le déploiement de solutions digitales dans 4 000 usines a permis de constituer une base de données massive, avec plus de 75 millions de données opérationnelles collectées chaque jour.

« C’est sur ce capital que reposent aujourd’hui nos innovations, dont nos jumeaux numériques de processus », explique la DSI. L’IA peut alors intervenir pour accélérer des processus et accroître des performances une fois ce capital constitué.

L’IA accélère les performances et l’adaptabilité

L’IA joue le rôle d’accélérateur de performance dans l’écosystème industriel. Elle rend possibles des capacités auparavant théoriques, ou trop lentes pour être exploitées en conditions opérationnelles.

Une simulation complexe, comme celle d’une voiture dans une soufflerie numérique, prenait jusqu’à 300 heures de calcul, illustre Siemens. Grâce à l’IA, ce temps se réduit à quelques secondes, assure le fournisseur de jumeaux numériques.

C’est cette accélération qui ouvre la voie à des interactions en temps réel. Avec un retour immédiat, les ingénieurs peuvent optimiser leurs conceptions de manière itérative et quasi instantanée.

Au-delà de la vitesse, l’IA introduit l’adaptabilité. Meriem Riadi explique que les modèles traditionnels devaient être longuement construits sur la base de données historiques. Avec l’IA, les nouveaux modèles peuvent désormais « apprendre sur site ». Ils s’ajustent aux conditions réelles d’une usine. Cette capacité améliorerait considérablement la pertinence des recommandations.

Des retours sur investissement mesurables

Ces nouvelles capacités techniques se traduiraient déjà par des résultats financiers et opérationnels concrets, aussi bien en matière de productivité que de qualité, de consommation énergétique ou de gestion de la chaîne d’approvisionnement.

Chez Renault, François Lavernos liste plusieurs succès significatifs, comme l’optimisation de la consommation énergétique des usines, grâce au suivi et au benchmark de chaque équipement.

Sur la qualité, le constructeur a massivement déployé des systèmes d’inspection visuelle par IA pour contrôler les soudures, la peinture, les pneus ou les connecteurs électriques. Au niveau de la chaîne logistique, l’optimisation des itinéraires et du remplissage des camions aurait permis à Renault de réduire de 6 000 tonnes ses émissions de CO2.

Chez Veolia un algorithme, co-développé avec un partenaire, aurait permis une réduction de la consommation d’énergie de 10 à 20 % dans 300 stations d’épuration. Le système apprend pendant trois mois puis formule des recommandations. Il peut même déclencher des actions automatisées sous supervision, précise la DSI Meriem Riadi.

L’industriel de l’eau s’intéresse aussi à l’IA agentique via un projet « Talk to my plant », conduit en collaboration avec un partenaire, et qui permet aux opérateurs de dialoguer en langage naturel avec les données opérationnelles pour obtenir des recommandations et un accès simplifié à l’information.

Dans l’industrie agroalimentaire, un jumeau numérique en temps réel ajuste les paramètres d’un sécheur par atomisation de lait (un équipement qui transforme le lait liquide en poudre). Selon Siemens, le système garantirait une qualité constante et réduirait la consommation d’énergie. Le ROI aurait pris en moins de 12 mois.

Une IA qui augmente l’humain

Le déploiement de tels systèmes pose cependant des défis critiques, en matière d’IA responsable (auditabilité, transparence, etc.), d’adoption, de sécurité et de contrôle.

Sur l’IA responsable et l’adoption, François Lavernos de Renault l’assure : « nous ne parlons pas d’intelligence artificielle, mais d’intelligence augmentée », insiste-t-il. Les outils sont conçus pour assister les opérateurs, pas pour les remplacer.

Toujours pour l’adoption, Veolia part de problèmes opérationnels concrets et implique les équipes « dès le début » dans la conception des solutions, assure Meriem Riadi.

Les défis des jumeaux agentiques

Avec l’avènement de l’IA agentique, la collaboration homme-machine est appelée à se transformer à nouveau, en systèmes plus autonomes et plus interconnectés.

Il faudra donc des cadres de gouvernance robustes et, encore et toujours, s’affranchir des silos. Sur le second point, le process mining peut servir. Sur le premier, Siemens avertit. Lorsqu’un agent peut modifier des informations dans les systèmes d’ingénierie, de conception ou d’exploitation, la simple notion de guardrails ne suffirait plus.

D’où la nécessité de déployer un arsenal de protections sophistiquées, avec des contrôles d’accès fins, une liste blanche d’activités autorisées et de multiples couches de sécurité.

Propos recueillis lors d’Adopt AI