Étude de cas : l’utilisation de l’intelligence artificielle dans le secteur des transports zéro émission

Si vous êtes manufacturier dans le secteur des transports zéro émission, que vous produisez des véhicules électriques, des bornes de recharge ou des batteries, cette étude de cas peut vous inspirer. Le projet mené entre Artelys et Hitachi Énergie démontre comment l’intelligence artificielle peut supporter les processus de planification dans un environnement industriel complexe. 

Diminuer les pertes, réduire les coûts et améliorer l’efficacité opérationnelle, c’est le résultat qu’a permis d’obtenir le projet d’Artelys et Hitachi Énergy. 

Bien que l’exemple porte sur la fabrication sur mesure de transformateurs électriques, les principes similaires demeurent applicables à toute entreprise souhaitant mieux planifier sa production et réduire l’incertitude. 

Grâce à cette étude, découvrez comment l’intelligence artificielle peut optimiser la planification de la production dans un contexte industriel complexe.

Artelys est une société d’origine française, implantée à Montréal depuis 2013, spécialisée dans l’optimisation mathématique et l’intelligence artificielle appliquée à la planification et à la prise de décision.  

De son côté, Hitachi Énergie exploite à Varennes, au Québec, une usine de production de transformateurs électriques sur mesure destinés à des producteurs d’électricité.  

Dans un contexte de forte croissance de la demande en transformateurs liée à la transition énergétique, les carnets de commandes s’allongent, exerçant une pression accrue sur la production et les délais de livraison. Chez Hitachi Énergie, chaque produit est unique et les designs évoluent vers des transformateurs plus complexes.  La planification et l’estimation des efforts de production représentent donc deux enjeux pour l’entreprise. 

Afin de relever ces défis, Artelys a accompagné Hitachi Énergie dans la mise en place d’une approche innovante fondée sur l’intelligence artificielle pour mieux estimer et planifier les efforts de production. Sur le long terme, le projet vise ainsi à développer un modèle prédictif fiable pour estimer les efforts de production, à améliorer la planification et la gestion des ressources, et à réduire les écarts entre les estimations et la réalité. Ce projet contribuera à accroître la capacité de production sans nécessiter d’investissements supplémentaires majeurs, au-delà de ceux déjà engagés.

La collaboration entre Artelys et Hitachi Énergy s’est construite en plusieurs étapes successives, chacune visant à renforcer la précision et l’efficacité de la planification de production. 

La première phase du projet s’est concentrée sur deux étapes critiques : la fabrication des bobines et des noyaux. À partir des données historiques de production, les équipes ont conçu un modèle de machine learning supervisé capable d’estimer avec précision le temps nécessaire à chaque opération. L’approche repose sur un algorithme statistique avancé, publié en 2016, choisi pour sa capacité à établir des corrélations fiables entre les paramètres techniques d’un transformateur et le temps nécessaire à sa fabrication. La modélisation en collaboration avec les équipes d’ingénierie a permis d’établir et de valider le choix des variables à utiliser pour chaque étape. Cette approche de modélisation conçue spécifiquement pour Hitachi Energy repose sur un entraînement local et sécurisé des données en usine, garantissant une souveraineté totale sur les modèles et les informations sensibles, sans dépendre des géants du cloud ni des modèles de langages externes comme ChatGPT. 

Fortes de ces premiers résultats, les équipes ont entamé la deuxième phase, consistant à étendre le modèle à l’ensemble de la chaîne de production. Les estimations issues de l’intelligence artificielle ont été intégrées dans un démonstrateur logiciel, un outil concret destiné aux planificateurs de l’usine. Celui-ci a permis de visualiser les durées prévues pour chaque étape, de comparer les estimations aux temps réels observés et de montrer la valeur ajoutée de l’IA aux équipes opérationnelles.  

Cette initiative s’est inscrite dans une démarche collaborative soutenue par le consortium IVADO (Institut de valorisation des données), qui réunit des experts en recherche, en formation et en transfert de connaissances en intelligence artificielle. Ce partenariat engendré et stimulé par IVADO a permis de combiner l’expertise en mathématiques appliquées d’Artelys et la connaissance terrain des équipes de Hitachi Énergy, assurant ainsi la robustesse et la pertinence du modèle développé. 

Les premiers résultats se sont révélés particulièrement encourageants. L’erreur moyenne d’estimation a été réduite de pratiquement 40 % sur deux étapes clés du processus de production, traduisant une amélioration notable de la précision du modèle. Cette méthodologie a ensuite été appliquée aux 17 étapes de production.  

Au-delà des gains mesurables, le projet a aussi eu un effet structurant sur les équipes de Hitachi Énergie. L’implication directe des ingénieurs dès les premières phases de développement a favorisé une compréhension commune du fonctionnement du modèle et a levé les appréhensions souvent associées à l’usage de l’intelligence artificielle. L’outil est désormais perçu non pas comme un substitut, mais comme un véritable soutien à la décision, crédible, transparent et utile au quotidien. 

L’expérience menée par Artelys et Hitachi Énergie met en lumière plusieurs enseignements clés. L’intelligence artificielle s’impose avant tout comme un outil d’aide à la décision, venant compléter et valoriser l’expertise humaine. Sa simplicité d’utilisation et la clarté de ses résultats sont essentielles à son adoption dans un environnement industriel. La réussite du projet repose également sur la collaboration constante entre les équipes techniques et les experts métiers, qui ont contribué à façonner une solution adaptée aux besoins réels de l’usine. 

La prochaine étape du projet consiste à développer un modèle capable de planifier les efforts de production. L’objectif est d’intégrer la prédiction dans un système complet d’ordonnancement et d’optimisation, capable d’anticiper les aléas de production, qu’ils soient liés à la disponibilité des ressources, à la maintenance des équipements ou à la variabilité des commandes. Cette démarche vise à renforcer la résilience et la flexibilité de la production, deux leviers essentiels dans un contexte de transition énergétique nécessitant de produire rapidement des solutions soutenant la décarbonation.

Les défis rencontrés par Hitachi Énergie résonnent fortement avec ceux des manufacturiers œuvrant dans les transports zéro émission. Comme la production de transformateurs, la fabrication de véhicules électriques, de batteries ou de bornes de recharge repose sur des processus complexes qui nécessitent une planification rigoureuse, une gestion fine des ressources et une coordination entre de multiples acteurs. 

L’approche développée par Artelys peut être transposée à ces contextes pour optimiser les chaînes d’assemblage, anticiper les besoins de maintenance des infrastructures de recharge et renforcer la résilience des filières industrielles locales face à la concurrence mondiale. En somme, l’intelligence artificielle se positionne ici comme un levier concret de performance, de durabilité et de compétitivité pour l’ensemble du secteur des transports zéro émission. 

Il est tout aussi important de s’assurer que l’utilisation de l’IA se fait dans l’objectif d’accroître le bien-être collectif. De plus, considérant son importante utilisation énergétique, il faut l’utiliser en réduisant autant que possible son impact écologique et ne l’utiliser que lorsque cela peut avoir un réel impact positif. 

L’éthique de l’IA n’est pas une contrainte, mais une condition essentielle à son utilisation. 
Il existe des ressources permettant d’accompagner les acteurs du transport vers une IA éthique, fiable et durable.  

Nous vous encourageons à adopter une approche réfléchie et responsable dans votre utilisation de l’intelligence artificielle. Les ressources que nous vous proposons ci-dessous sont non exhaustives ; nous vous invitons donc à approfondir vos connaissances et à rester attentifs aux bonnes pratiques en matière d’IA éthique.