Concevoir des systèmes à base d’intelligence artificielle de confiance

Découvrir

Le collectif français Confiance.ai a produit une première version d’un guide méthodologique à destination des ingénieries industrielles. L’ambition affichée : concevoir des systèmes intégrant des composants à base d’intelligence artificielle (IA) de confiance.

Ce guide méthodologique s’est concentré sur l’intégration de la notion de confiance liée au deep learning. Les travaux menés ont notamment permis de proposer différents outils capables de gérer, d’annoter et de caractériser des données. Ces outils sont complétés par un guide explicitant les méthodes permettant de maîtriser la qualité et le cycle de vie des données gérées (qualité des annotations, gestion des contextes d’usage, etc.).
Dans ce cadre, Confiance.ai s’est appuyé sur deux outils clés en main : DebiAI et Pixano. L’association de ces outils permet d’identifier des données d’intérêt, qui sont ensuite visualisées/corrigées/annotées, et ainsi d’améliorer le flot de données.

À propos de DebiAI :
DebiAI est une application open source mise au point par l’IRT SystemX qui vise à faciliter le processus de développement de modèles d’apprentissage automatique, en particulier dans la phase d’analyse des données du projet et de comparaison des performances du modèle. Ses objectifs sont triples : identifier les biais dans les données, comparer les performances de modèles de machine learning et créer graphiquement des visualisations statistiques des données.

À propos de Pixano :
Pixano est un outil open source développé par le CEA List, qui met à disposition de ses utilisateurs un ensemble de composants intelligents et réutilisables pour construire un outil d’annotation d’images et de vidéos, hautement personnalisable. L’objectif est d’explorer et de générer des annotations des données. Cet outil intègre des modèles pré-appris pour pouvoir faciliter et accélérer l’annotation à moindre coût.

 

Ces deux outils ont été exploités dans le cadre d’un cas d’usage industriel du groupe Renault, portant sur l’inspection visuelle de joints de soudure basée sur un système critique d’intelligence artificielle. Ce système devait répondre à un haut niveau d’efficacité et de fiabilité pour ne manquer aucune anomalie et garantir sa robustesse face à plusieurs conditions visuelles (telles que la luminosité, l’angle de vue ou encore la netteté).

Raphaël Braud, Ingénieur-chercheur, Architecte IA, IRT SystemX

Interview

Antoine Leblanc

Expert industrie 4.0,
Renault Group

Que vous apporte votre implication au sein du programme Confiance.ai ?

Une intelligence artificielle de confiance doit pouvoir être qualifiée et présenter un fonctionnement optimal dans le temps. De nombreuses solutions d’IA « verticales » sont déjà proposées aux acteurs industriels. Ces solutions reposent sur des services non durables, basés sur des démarches non itératives ou très éloignées de la connaissance réelle du terrain industriel. Le programme Confiance.ai, dont le groupe Renault est membre, œuvre à outiller les utilisateurs finaux – les industriels – pour leur permettre de qualifier les données utilisées pour l’apprentissage ou la robustesse de leurs algorithmes.
Les cas d’application d’une IA de confiance sur le périmètre industriel sont très nombreux. Une IA adoptée par les opérateurs est envisagée comme un « assistant virtuel » capable de soulager l’homme d’une charge cognitive. Nous pensons qu’une IA de confiance peut permettre de repenser la relation homme-machine, en aménageant les postes de travail et en engageant les acteurs du milieu industriel.  
Malgré une avance sur le processus de captation de la donnée, le constat actuel est que trop peu de données sont exploitées et très peu de pilotes d’exploitation de la donnée sont transformés en véritable système industriel. 

Le programme Confiance.ai apporte une méthodologie complète de gestion de la donnée et des outils
visant à intégrer l’IA dans nos systèmes critiques
de production, dans le but d’accélérer son adoption au sein de notre environnement industriel. 

Quels bénéfices pourrez-vous tirer de la mise en place des outils DebiAI et Pixano et quelles sont vos perspectives d’utilisation de ces outils dans le cadre des activités du groupe Renault ?

Les travaux menés autour de la structuration de la donnée, que je suis particulièrement, ont confirmé notre croyance en la valeur de la donnée. Bien avant l’exploitation de solutions de machine learning, il est essentiel pour les ingénieries d’adapter leur organisation autour de la culture de la donnée : l’identification, la définition de la valeur, l’appartenance et la gestion de la donnée.
Les premières briques technologiques proposées par les outils DebiAI et Pixano sont très intéressantes car accessibles et disponibles à l’intégration dans plusieurs environnement de travail pour identifier les données d’intérêt, les visualiser et optimiser l’exploitation de ces données. 
Dans le domaine de l’exploitation de la donnée, nous avons engagé au sein du Manufacturing du groupe Renault un plan d’ambition de visualisation de la donnée industrielle en accès libre, à l’échelle du groupe. Je souhaite que la plateforme du programme Confiance.ai nous permette de repousser cette autonomie vers des niveaux plus complexes d’exploitation de la donnée.

Focus

À propos de Confiance.ai
Porté par un collectif de 13 partenaires industriels et académiques français majeurs, Confiance.ai est le pilier technologique du Grand Défi « Sécuriser, certifier et fiabiliser les systèmes fondés sur l’intelligence artificielle ».
Lancé en janvier 2021 pour une durée de quatre ans, ce programme ambitionne de créer une plateforme souveraine, ouverte, interopérable et pérenne d’outils logiciels pour favoriser l’intégration de l’intelligence artificielle de confiance dans les produits et services critiques. Il fédère une quarantaine de partenaires industriels et académiques.

Data science and AI