L’usine du futur : propager l’IA à travers les réseaux d’infrastructure optique

Avec la possibilité de reconnaissance d’image, et la précision des prédictions apportées par l’IA, quel type de traitements serait-il possible d’effectuer sur les objets connectés, robots, IoTs situés en aval des réseaux, dans les usines aujourd’hui globalisées ?

Vers une usine 4.0 « intelligente »

Après une progression fulgurante dans l’entreprise, avec un taux d’adoption record de l’IA générative, les usages progressent également dans les applications et les réseaux industriels. L’IA est en passe de révolutionner l’usine de demain, avec une maintenance et un pilotage des systèmes industriels temps-réel où les décisions de gestion seront mieux anticipées.

Des travaux ont été récemment publiés sur l’accélération apportée par la propagation optique et l’IA. Ils décrivent des dispositifs optiques pour propager des calculs à grande vitesse. Le MIT a publié ses recherches sur « l’Apprentissage Profond » (Deep Learning) sur réseau optique, qui traite les données directement sur les dispositifs en périphérie du réseau. Ces technologies ont le potentiel de révolutionner l’avenir des systèmes d’information avec des calculs plus rapides effectués dans l’usine elle-même, sur de faibles volumes de données avec une très grande précision.

Cette technologie transforme les infrastructures actuelles avec des algorithmes intelligents projetés à l’extérieur des datacenters. Ainsi, les traitements des données sont effectués directement sur les appareils en périphérie (edge device), les caméras, les IoT bien que dotés de faibles capacités de calcul et peu de mémoire. Cela augmente considérablement les capacités de mesures et d’analyse instantanées.

Avec des réseaux de neurones codés et propagés dans les signaux optiques, le modèle atteint une précision de 98,8 % pour la reconnaissance d’images, réduit drastiquement la latence d’accès au datacenter très précieux dans le cas de calcul temps réel. Il se propage très facilement dans de grandes infrastructures.

A titre d’exemple, les usines pourront détecter des dommages sur des pièces d’avions à l’échelle du micron, au moyen de milliers de caméras connectées sur des infrastructures optiques et déclencher des ordres de réparation ou de fabrication en coordonnant des données de l’autre côté de la planète instantanément. Les caméras analyseront l’ensemble de la carlingue en quelques secondes. Elles retourneront instantanément toute détection d’anomalies en temps-réel. Ces « réseaux intelligents » seront aussi particulièrement appropriés pour des secteurs dangereux notamment le nucléaire dans lesquels l’intervention humaine est risquée et la tolérance à l’erreur de l’ordre du micron.

Ce modèle renforcera par ailleurs la réponse aux enjeux de sécurité. L’intégration de l’IA apportera à terme la réduction des erreurs humaines, l’augmentation des niveaux de fiabilité et de disponibilité avec l’hyper-automatisation des activités métiers. In fine, elle améliorera l’efficacité opérationnelle qui aboutira à des gains de productivité dans l’industrie, jusque-là inégalés avec une réponse très efficace aux limites des modèles de traitements centralisés.

Les réseaux de neurones propagés sur des signaux optiques dès les capacités de calcul quantique disponibles, seront l’étape d’une seconde révolution majeure vers de systèmes d’information complètement analogiques.