La nouvelle vague d'optimisation de la production grâce à l'IA (vidéo)
AI Summary
Operations Calling 2025 showcased how modern manufacturing depends on open ecosystems, with dozens of partners demonstrating integrated AI, hardware, and software solutions. The event emphasized that collaboration and interoperability—not single all-in-one systems—are key to scalable, future-ready operations.
Depuis des décennies, les ingénieurs en informatique utilisent des débogueurs et des profileurs pour détecter les problèmes cachés dans leur code. Mais dans le secteur industriel, lorsqu'un processus tombe en panne ou ralentit, on ne dispose souvent que d'un chronomètre et d'un bloc-notes.
Dans le dernier épisode de « Humans in the Loop », Rony Kubat, cofondateur d’ Tulip , et Mark Watabe, responsable des produits d’IA, s’entretiennent avec Madi Castillo, directrice marketing, pour examiner comment cette situation évolue.
S'appuyant sur des parcours professionnels couvrant l'architecture, le cinéma et le génie logiciel, l'équipe aborde l'émergence de l'« observabilité physique » : l'utilisation de modèles de langage visuel (VLM) pour « profiler » l'univers physique de l'usine à la manière d'un code, transformant ainsi la vidéo, qui n'est plus un simple support de stockage passif, en un outil actif au service de l'Amélioration continue.
Regardez l'épisode complet ci-dessous :
Le décalage contextuel : cuisiner pour grand-mère ou regarder la télévision
Les données sans contexte ne sont que du bruit. Pour expliquer pourquoi, Mark et Rony ont recours à une analogie universelle : la cuisine.
Si vous préparez un repas pour le 100e anniversaire de votre grand-mère, ce processus est marqué par le soin, la tradition et, peut-être, un rythme plus lent. Si vous préparez exactement le même repas dans le cadre d’un concours télévisé en direct, ce processus est marqué par la rapidité, la performance et le stress.
Un simple capteur de température placé sur la cuisinière indiquerait 350 °F dans les deux cas. Il ne peut pas faire la différence. Mais en réalité, le fonctionnement est tout à fait différent.
« L'architecte est confronté à une échelle problématique, celle de l'échelle humaine… Il en va de même pour les modèles de langage de grande envergure (LLM). Nous souhaitons disposer d'un contexte infini, mais celui-ci n'existe pas. Il faut concevoir un contexte de référence afin que l'IA sache où aller. » — Mark Watabe
Dans le secteur industriel, nous sommes souvent confrontés à ce « manque de contexte ». Nous disposons des données des capteurs (la machine fonctionne), mais il nous manque le contexte humain (qui la fait fonctionner, pourquoi rencontre-t-il des difficultés et comment évolue l'environnement ?). Pour combler ce manque, il faut un nouveau type de capteur, capable d'avoir une vue d'ensemble de la situation.
Découvrez l'observabilité physique
Rony présente le concept du « Software Profiler » — un outil qui surveille l'exécution d'un programme et met en évidence les endroits précis où le code présente des ralentissements ou des dysfonctionnements.
Dans le cadre d'une usine, l'« observabilité physique » remplit cette fonction. Il ne s'agit pas simplement d'enregistrer des vidéos, mais d'utiliser l'intelligence artificielle pour analyser ce qui se passe dans ces vidéos.
Grâce à l'essor des modèles linguistiques de vision (VLM), les industriels peuvent désormais « interroger » leurs flux vidéo. Au lieu de faire passer en revue 8 heures d'enregistrements pour repérer un blocage, ils peuvent demander à un agent : « Montrez-moi toutes les fois où le chariot élévateur a bloqué l'allée pendant le poste A. »
Cela permet aux responsables opérationnels de « déboguer » leurs processus physiques avec la même précision que celle dont font preuve les ingénieurs en informatique lorsqu'ils déboguent du code.
De la surveillance à l'accompagnement : la métaphore du « poirier »
Une objection courante à l'installation de caméras dans les ateliers est la crainte du « Big Brother », c'est-à-dire que les enregistrements vidéo soient utilisés pour sanctionner les salariés. Mark renverse ce discours à l'aide d'une métaphore personnelle : apprendre à faire le poirier.
Si vous souhaitez apprendre à faire le poirier, l'outil le plus précieux dont vous pouvez disposer est une caméra. Vous vous filmez non pas pour être jugé, mais pour voir ce que vous ne pouvez pas ressentir : votre dos est-il cambré ? Vos coudes sont-ils pliés ?
C'est là l'essence même de l'IA centrée sur l'humain. Lorsqu'elle est correctement mise en œuvre, l'observabilité physique permet d'adapter le poste de travail à l'opérateur, plutôt que d'obliger ce dernier à s'adapter au poste. Elle identifie les points où l'ergonomie laisse à désirer, où les outils sont hors de portée et où le processus va à l'encontre des besoins de l'opérateur, ce qui permet une personnalisation à grande échelle du flux de travail pour chaque individu.
