Le géant technologique allemand Siemens s’est associé à des entreprises de construction mécanique comme Trumpf et Heller pour fonder une alliance de données basée sur l’IA pour l’industrie manufacturière. L’objectif est d’échanger de manière anonyme des données machine à l’échelle du secteur afin de réussir l’intégration de l’IA dans l’industrie allemande.

La connexion des machines via l’IoT ou les systèmes MES (Manufacturing Execution System) devient de plus en plus cruciale pour les entreprises industrielles. Elle leur permet d’analyser et d’exploiter les données recueillies, en misant de plus en plus sur l’intelligence artificielle. En effet, meilleure est la qualité des données, plus efficace sera l’entraînement des systèmes d’IA utilisés.

C’est dans cette optique que Siemens a lancé, en collaboration avec des leaders du secteur de la construction mécanique, une alliance dédiée aux données. Le groupe munichois y voit une opportunité pour les industriels européens de devancer les États-Unis et la Chine dans le domaine de l’IA, contrairement aux approches classiques. Parmi les entreprises européennes de construction mécanique et les fabricants d’outils qui ont rejoint cette initiative figurent notamment Grob, Trumpf, Chiron, Heller, le laboratoire de construction de machines-outils de l’université RWTH d’Aix-la-Chapelle, ainsi que le groupe Voith, comme le rapporte Industry of Things.

Un standard ouvert pour l’échange de données comme objectif

Roland Busch, PDG de Siemens, qualifie l’alliance de données conclue avec des clients et des partenaires de « étape significative pour mettre à l’échelle l’IA industrielle ». Il ajoute : « Je vois ici une grande opportunité pour l’économie européenne, forte de sa base industrielle. En rendant accessible le trésor unique de données de nos entreprises aux modèles d’IA générative, nous pouvons atteindre des niveaux de productivité totalement inédits. »

L’objectif à long terme de cette alliance de données est de créer et d’établir un standard ouvert pour l’échange de données machines dans le secteur – le tout pour une utilisation réussie de l’IA dans l’industrie allemande.

Contrairement aux modèles d’IA bien connus comme ChatGPT, Google Gemini ou Claude, l’intelligence artificielle utilisée dans l’industrie doit offrir une fiabilité maximale, car même la plus petite erreur peut rapidement avoir des conséquences coûteuses et dangereuses.

Des données fiables, un impératif absolu

La qualité des données s’avère d’autant plus cruciale pour l’entraînement des systèmes d’IA. « L’accès à des données machine de haute qualité, issues de différents fabricants, est la clé », souligne Busch. « Grâce à cette alliance, nous pouvons développer des systèmes d’IA capables de saisir la complexité des processus de développement et de production, et ainsi devenir un partenaire performant pour les professionnels », ajoute le PDG du groupe.

Parmi les applications concrètes, Siemens cite la génération de programmes pour machines, permettant d’atteindre plus rapidement le résultat souhaité avec un taux d’erreur considérablement réduit, tout en soulageant les services informatiques des tâches routinières. Autre exemple phare : la maintenance prédictive, souvent associée à l’Internet industriel des objets (IIoT). S’y ajoutent l’adaptation en temps réel à de nouvelles conditions, l’optimisation des processus de fabrication et une efficacité énergétique accrue.

Source de l’image : Adobe Stock/suldev

Pour aller plus loin

• L’IA dans l’industrie : la prochaine vague de productivité se profile
• L’IA largement adoptée dans l’économie allemande
• L’industrie connectée de plus en plus menacée par les ransomwares IoT

Sur le même sujet : D’autres articles sur mybusinessfuture

Voici la traduction française respectant toutes les règles spécifiées :

Questions fréquemment posées

Roland Busch, PDG de Siemens, qualifie l’alliance de données conclue avec des clients et partenaires de « pas significatif pour le déploiement à grande échelle de l’IA industrielle ». Il ajoute : « Je vois ici une grande opportunité pour l’économie. »