LMi-MAG21 avril - Flipbook - Page 35
© DR
d’améliorer la gouvernance des processus et de la responsabilité de la data pour l’ensemble des usages, et tout
particulièrement l’entrainement des modèles d’IA.
Bien sûr, un autre défi réside dans la mise en place d’une
infrastructure technique cohérente pour réaliser des
PoC (proof of concept) avec les données de l’entreprise,
mais aussi des données externes issues notamment de
l’open data. Il s’agit également d’augmenter la qualité
de la donnée dans l’entreprise pour la dataviz et la BI,
mais aussi pour les projets d’IA. Le data et IA hub doit
aussi identifier les cas d’usage cohérents avec l’activité.
Enfin, il a la charge de développer des écosystèmes de
partenariats. « Nous avons trois niveaux d’écosystèmes
partenaires, précise le directeur data. Le monde académique pour l’IA appliquée au métier, avec l’ENS Paris
Saclay, mais aussi Polytechnique Milan, Supelec… Les
entreprises de la technologie, comme celles du cloud. Et,
enfin, des start-ups par le biais de structures comme le
Hub FranceIA. »
Une IA pour l’inspection des défauts
des ouvrages
Même si le hub n’a été formalisé que fin 2023, deux
PoC basés sur l’IA ont déjà été déployés sur des cas
d’usage très concrets. Le premier, Sofia (surveillance
des ouvrages fondée sur l’IA), aide les inspecteurs de
Socotec à détecter les défauts des ponts pour la Société
des autoroutes du nord et de l’est de la France (Sanef).
Le second, Aurelia (oreille en latin, avec le suffixe IA),
identifie les équipements sources de nuisance sonore
sur les chantiers. Pour Sofia, financé par le plan France
Relance, l’équipe de Raphaël Leclercq travaille depuis
deux ans en partenariat avec le CEA List (laboratoire des
systèmes intelligents du CEA) et son client, la Sanef, qui
gère environ 3 000 à 5 000 ouvrages.
L’objectif est de transformer l’acte d’inspection pour les
inspecteurs eux-mêmes, avec deux enjeux principaux.
« Pour commencer, l’acte en lui-même n’a quasiment
pas changé depuis que nous utilisons la photo, regrette
Raphaël Leclercq. Ensuite, il y a évidemment un fort enjeu
de qualité puisque nous évaluons l’état d’une structure. Et
il existe encore une variabilité des diagnostics d’un inspecteur à l’autre qu’il faut absolument que nous réduisions. C’est en effet la note donnée par les inspecteurs qui
détermine la durée, et donc le montant, des contrats de
maintenance qui s’étalent entre cinq et dix ans et s’élèvent
à plusieurs dizaines de millions d’euros. »
Computervision, deep learning
et machine learning
Pour ce projet, Socotec exploite une base de données groupe et les bases de la Sanef, ainsi que plus de
PROFIL LINKEDIN
tinyurl.com/Linkedin-Leclercq
Raphaël Leclercq, directeur de la data de Socotec, pilote le data
et IA hub de l’entreprise sous la double tutelle de la DSI groupe
et de la direction des infrastructures France et Moyen-Orient.
5 000 inspections avec photos et notes associées. « Cela
représente près de 150 000 images, soit un volume dix
fois plus important que la plus grande base d’images
publiques », insiste Raphaël Leclercq. Lorsque les inspecteurs identifient un défaut, ils le prennent en photo
avec leur tablette et ils le caractérisent avec un indice de
gravité de la situation et un indice caractérisant l’action
corrective. Ils ajoutent certaines précisions spécifiques
comme la mesure de l’ouverture pour une fissure, par
exemple. Socotec a développé avec le CEA List un algorithme de computervision en deep learning pour analyser
ces images. L’IA est entrainée avec des données Socotec,
Sanef et de la data publique sur le supercalculateur du
CEA List. Une fois un grand nombre de défauts identifiés
et caractérisés, un autre algorithme maison, de machine
learning classique cette fois, propose des actions à réaliser.
« En un mot, le projet Aurelia, lui, c’est un Shazam pour les
chantiers », s’amuse Raphaël Leclercq. La solution doit
identifier les sources des nuisances sonores causées par
les travaux. Certains chantiers, comme le Grand Paris,
sont équipés de sonomètres qui mesurent celles-ci, et
si cela pose problème, le chef de chantier essaie en premier lieu de trouver l’équipement responsable. « Avant,
c’était le rôle de techniciens avec une expertise très particulière, les ‘‘oreilles d’or’’. Aujourd’hui, c’est le premier
niveau d’usage du projet Aurelia, explique le directeur
data de Socotec. Mais, à moyen terme, cela pourra aussi
servir au responsable QHSE (qualité, hygiène, sécurité,
environnement, ndlr). » Pas d’IA d’analyse sonore pour
Aurelia. Comme le projet Sofia, ce dernier s’appuie sur
de la computervision. Sauf que les images analysées
35