{"id":505,"date":"2026-07-29T05:59:00","date_gmt":"2026-07-29T05:59:00","guid":{"rendered":"https:\/\/www.supralogic.ch\/uncategorized\/why-industrial-ai-is-moving-from-the-cloud-to-the-factory-floor\/"},"modified":"2026-07-29T05:59:00","modified_gmt":"2026-07-29T05:59:00","slug":"pourquoi-lia-industrielle-passe-du-cloud-a-lusine","status":"publish","type":"post","link":"http:\/\/www.supralogic.ch\/fr\/enterprise-ai\/ai-in-operations\/why-industrial-ai-is-moving-from-the-cloud-to-the-factory-floor\/","title":{"rendered":"Pourquoi l'IA industrielle passe du cloud \u00e0 l'usine"},"content":{"rendered":"<figure class=\"wp-block-image size-large\">\n<img decoding=\"async\" width=\"1080\" height=\"720\" src=\"https:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_07f2a6.jpg\" alt=\"\" class=\"wp-image-504\" srcset=\"http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_07f2a6.jpg 1080w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_07f2a6-300x200.jpg 300w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_07f2a6-1024x683.jpg 1024w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_07f2a6-768x512.jpg 768w, http:\/\/www.supralogic.ch\/wp-content\/uploads\/2026\/07\/supralogic_image_20260725_07f2a6-18x12.jpg 18w\" sizes=\"(max-width: 1080px) 100vw, 1080px\" \/>\n<figcaption><em>Photo de Geri Sakti (@msgr) sur Unsplash<\/em><\/figcaption>\n<\/figure>\n\n\n<style>body.single-post .cm-featured-image { display: none !important; }<\/style>\n\n\n\n    <meta charset=\"UTF-8\">\n    <meta name=\"viewport\" content=\"width=device-width, initial-scale=1.0\">\n    <title>Pourquoi l'IA industrielle passe du cloud \u00e0 l'usine<\/title><p data-start=\"54\" data-end=\"467\" class=\"PDq2pG_selectionAnchorContainer\">Un d\u00e9faut appara\u00eet sur un composant qui circule sur une cha\u00eene de production. Une cam\u00e9ra capture l\u2019image, un mod\u00e8le d\u2019IA l\u2019analyse et la pi\u00e8ce est retir\u00e9e avant d\u2019atteindre l\u2019\u00e9tape suivante. L\u2019ensemble du processus de d\u00e9cision peut devoir s\u2019effectuer en quelques millisecondes. Envoyer l\u2019image vers une plateforme cloud distante, attendre une r\u00e9ponse et d\u00e9pendre d\u2019une connexion externe ininterrompue introduit des d\u00e9lais que le processus ne peut pas toujours tol\u00e9rer.\u00a0C\u2019est pourquoi l\u2019IA industrielle se rapproche de plus en plus des machines qui g\u00e9n\u00e8rent les donn\u00e9es. Au lieu de transmettre chaque image, signal de vibration ou mesure de machine vers un environnement cloud central, les fabricants d\u00e9ploient des capacit\u00e9s de calcul directement au sein des usines, des cellules de production et des \u00e9quipements industriels. Cette \u00e9volution est souvent qualifi\u00e9e d\u2019\u00ab edge \u00bb <a href=\"https:\/\/www.supralogic.ch\/fr\/ia-dentreprise\/outils-dia-pour-les-entreprises\/pourquoi-lia-dentreprise-ramene-les-editeurs-de-logiciels-au-coeur-de-lentreprise\/\">IA<\/a>. Ce terme peut sembler n'\u00eatre qu'une nouvelle tendance en mati\u00e8re d'infrastructure, mais le raisonnement industriel est simple : certaines d\u00e9cisions sont trop urgentes, trop gourmandes en donn\u00e9es ou trop cruciales sur le plan op\u00e9rationnel pour d\u00e9pendre enti\u00e8rement d'un traitement \u00e0 distance.\u00a0Le cloud ne dispara\u00eet pas de l\u2019IA industrielle. Il reste pr\u00e9cieux pour l\u2019entra\u00eenement des mod\u00e8les, la comparaison des performances entre les sites et la gestion de vastes r\u00e9seaux de production. L\u2019architecture \u00e9mergente r\u00e9partit le travail de mani\u00e8re plus r\u00e9fl\u00e9chie. Les plateformes centrales assurent l\u2019\u00e9volutivit\u00e9 et la coordination, tandis que la p\u00e9riph\u00e9rie g\u00e8re les d\u00e9cisions qui doivent rester proches de la production.<\/p>\n<h2 data-section-id=\"1mboewo\" data-start=\"1412\" data-end=\"1459\">L'usine ne peut pas toujours attendre le cloud<\/h2>\n<p data-start=\"1461\" data-end=\"1658\">De nombreuses applications bureautiques peuvent supporter un l\u00e9ger retard. Un assistant de document qui met plusieurs secondes \u00e0 pr\u00e9parer un r\u00e9sum\u00e9 peut tout de m\u00eame s'av\u00e9rer utile. Les syst\u00e8mes de production fonctionnent dans des conditions diff\u00e9rentes.<\/p>\n<p data-start=\"1660\" data-end=\"1947\">Une application de contr\u00f4le qualit\u00e9 peut inspecter des dizaines de pi\u00e8ces par seconde. Un syst\u00e8me de surveillance des machines doit d\u00e9tecter une vibration anormale avant qu'elle n'entra\u00eene des dommages mat\u00e9riels. Un v\u00e9hicule autonome circulant dans un entrep\u00f4t doit r\u00e9agir imm\u00e9diatement lorsqu'une personne ou un obstacle se trouve sur son chemin.<\/p>\n<p data-start=\"1949\" data-end=\"2138\">La valeur d'un syst\u00e8me d'IA d\u00e9pend en partie de sa rapidit\u00e9 d'action. M\u00eame un mod\u00e8le extr\u00eamement pr\u00e9cis perd de son utilit\u00e9 lorsque la r\u00e9ponse est fournie apr\u00e8s que l'\u00e9v\u00e9nement de production concern\u00e9 s'est d\u00e9j\u00e0 produit.<\/p>\n<p data-start=\"2140\" data-end=\"2460\">L'ex\u00e9cution du mod\u00e8le en p\u00e9riph\u00e9rie r\u00e9duit la distance entre l'observation et la r\u00e9ponse. Les donn\u00e9es peuvent \u00eatre trait\u00e9es sur un ordinateur industriel, un contr\u00f4leur, un capteur ou un serveur local de l'usine, sans passer par un centre de donn\u00e9es externe. La r\u00e9ponse est ainsi plus rapide et moins d\u00e9pendante de la qualit\u00e9 du r\u00e9seau global.<\/p>\n<p data-start=\"2462\" data-end=\"2774\">Cela rev\u00eat une importance particuli\u00e8re dans les applications en boucle ferm\u00e9e, o\u00f9 la sortie de l'IA modifie le processus lui-m\u00eame. Un syst\u00e8me peut ajuster le r\u00e9glage d'une machine, rejeter un produit d\u00e9fectueux ou modifier le mouvement d'un \u00e9quipement. Plus l'IA se rapproche du contr\u00f4le physique, plus il devient difficile de consid\u00e9rer la latence comme un simple d\u00e9tail technique.<\/p>\n<h2 data-section-id=\"lbr423\" data-start=\"2776\" data-end=\"2832\">La production doit se poursuivre m\u00eame lorsque la connexion est interrompue<\/h2>\n<p data-start=\"2834\" data-end=\"3123\">Les usines ne peuvent pas partir du principe que la connectivit\u00e9 externe sera toujours disponible. Les r\u00e9seaux peuvent tomber en panne, les services cloud subir des interruptions et les sites distants peuvent disposer d'une bande passante limit\u00e9e. Une cha\u00eene de production qui d\u00e9pend d'une connexion continue \u00e0 une plateforme distante h\u00e9rite de toutes ces vuln\u00e9rabilit\u00e9s.<\/p>\n<p data-start=\"3125\" data-end=\"3383\">L'IA en p\u00e9riph\u00e9rie permet \u00e0 certaines applications de continuer \u00e0 fonctionner en local. Un syst\u00e8me d'inspection visuelle peut ainsi poursuivre la classification des produits, tandis qu'une application de surveillance continue d'analyser les signaux des machines, m\u00eame en cas d'interruption de la communication avec la plateforme centrale.<\/p>\n<p data-start=\"3385\" data-end=\"3572\">Le syst\u00e8me pourra synchroniser les r\u00e9sultats ult\u00e9rieurement, une fois la connexion r\u00e9tablie. Il n'est pas n\u00e9cessaire d'interrompre la production simplement parce que l'infrastructure num\u00e9rique globale est temporairement indisponible.<\/p>\n<p data-start=\"3574\" data-end=\"3852\">Il ne faut pas confondre cette capacit\u00e9 avec une ind\u00e9pendance totale vis-\u00e0-vis des syst\u00e8mes centraux. Les mod\u00e8les n\u00e9cessitent toujours une maintenance, un suivi des performances et des mises \u00e0 jour occasionnelles. Toutefois, un d\u00e9ploiement en p\u00e9riph\u00e9rie bien con\u00e7u permet de dissocier la continuit\u00e9 op\u00e9rationnelle imm\u00e9diate de la coordination \u00e0 plus long terme.<\/p>\n<p data-start=\"3854\" data-end=\"4077\">Cette distinction est importante pour les fabricants qui \u00e9valuent la r\u00e9silience de leurs syst\u00e8mes. Ils doivent savoir quelles applications d'IA peuvent \u00eatre suspendues en toute s\u00e9curit\u00e9, lesquelles n\u00e9cessitent un processus de secours et lesquelles doivent continuer \u00e0 fonctionner localement dans presque toutes les circonstances.<\/p>\n<h2 data-section-id=\"1d0p9v1\" data-start=\"4079\" data-end=\"4118\">Le transfert des donn\u00e9es industrielles co\u00fbte cher<\/h2>\n<p data-start=\"4120\" data-end=\"4349\">Les usines modernes peuvent g\u00e9n\u00e9rer d'\u00e9normes quantit\u00e9s de donn\u00e9es. Les cam\u00e9ras haute r\u00e9solution, les capteurs acoustiques, l'imagerie thermique et les syst\u00e8mes de commande des machines peuvent produire des flux continus dont le transfert et le stockage deviennent rapidement co\u00fbteux.<\/p>\n<p data-start=\"4351\" data-end=\"4633\">Toutes ces informations ne sont pas forc\u00e9ment utiles. Une cam\u00e9ra charg\u00e9e de surveiller un processus stable peut enregistrer des milliers de produits normaux pour chaque d\u00e9faut inhabituel. Un capteur de vibrations peut g\u00e9n\u00e9rer des mesures en continu, alors que les ing\u00e9nieurs s'int\u00e9ressent principalement aux tendances indiquant une d\u00e9t\u00e9rioration.<\/p>\n<p data-start=\"4635\" data-end=\"4896\">Le traitement en p\u00e9riph\u00e9rie permet aux fabricants d'analyser les donn\u00e9es brutes localement et de ne transmettre que les informations pertinentes. Le syst\u00e8me peut ainsi envoyer les anomalies d\u00e9tect\u00e9es, des images s\u00e9lectionn\u00e9es, des mesures compress\u00e9es ou des indicateurs de performance agr\u00e9g\u00e9s, plut\u00f4t qu'un flux continu.<\/p>\n<p data-start=\"4898\" data-end=\"5132\">Cela permet de r\u00e9duire la charge sur le r\u00e9seau et les co\u00fbts li\u00e9s au stockage dans le cloud. Cela peut \u00e9galement rendre les projets d'IA industrielle plus r\u00e9alisables dans des environnements o\u00f9 la connectivit\u00e9 est limit\u00e9e ou lorsque le nombre de machines rendrait une transmission en continu peu rentable.<\/p>\n<p data-start=\"5134\" data-end=\"5466\">Cette approche n\u00e9cessite une grande prudence. Conserver trop peu de donn\u00e9es peut compliquer l'analyse des d\u00e9faillances ou le r\u00e9entra\u00eenement ult\u00e9rieur du mod\u00e8le. En revanche, tout envoyer dans le cloud peut s'av\u00e9rer inutile et co\u00fbteux. Les fabricants doivent donc \u00e9tablir des r\u00e8gles pr\u00e9cisant quelles donn\u00e9es restent sur site, lesquelles sont transf\u00e9r\u00e9es et pendant combien de temps chaque type d'information est conserv\u00e9.<\/p>\n<p data-start=\"5468\" data-end=\"5617\">L'architecture des donn\u00e9es devrait refl\u00e9ter l'objectif de l'application plut\u00f4t que de reposer sur l'hypoth\u00e8se selon laquelle une collecte plus importante de donn\u00e9es se traduit automatiquement par une meilleure intelligence artificielle.<\/p>\n<h2 data-section-id=\"1x9ttoq\" data-start=\"5619\" data-end=\"5680\">Les connaissances sensibles relatives \u00e0 la production peuvent rester au sein de l'usine<\/h2>\n<p data-start=\"5682\" data-end=\"5897\">Les donn\u00e9es industrielles r\u00e9v\u00e8lent souvent bien plus que l'\u00e9tat d'une machine. Elles peuvent mettre en lumi\u00e8re les volumes de production, les param\u00e8tres de processus, la conception des produits, les probl\u00e8mes de qualit\u00e9 et la mani\u00e8re dont une entreprise fabrique un composant exclusif.<\/p>\n<p data-start=\"5899\" data-end=\"6134\">La transmission de ces informations \u00e0 une plateforme externe peut \u00eatre acceptable dans le cadre d'un contrat et d'une architecture de s\u00e9curit\u00e9 adapt\u00e9s. Dans d'autres cas, l'entreprise peut pr\u00e9f\u00e9rer les conserver au sein de l'usine ou dans sa propre infrastructure contr\u00f4l\u00e9e.<\/p>\n<p data-start=\"6136\" data-end=\"6417\">L'IA en p\u00e9riph\u00e9rie permet de r\u00e9duire le volume de donn\u00e9es op\u00e9rationnelles sensibles qui quittent le site. Le mod\u00e8le traite les images ou les signaux localement et ne transmet que la classification ou l'alerte qui en r\u00e9sulte. Un fabricant peut ainsi utiliser l'IA sans avoir \u00e0 transf\u00e9rer l'int\u00e9gralit\u00e9 des donn\u00e9es brutes de production \u00e0 un tiers.<\/p>\n<p data-start=\"6419\" data-end=\"6648\">Cela vaut tout particuli\u00e8rement pour les secteurs o\u00f9 la propri\u00e9t\u00e9 intellectuelle fait partie int\u00e9grante du processus de production. Un bruit inhabituel, un r\u00e9glage de machine ou un type d'usure des outils peuvent r\u00e9v\u00e9ler des informations que les concurrents jugeraient pr\u00e9cieuses.<\/p>\n<p data-start=\"6650\" data-end=\"6903\">Le traitement local n'\u00e9limine pas les risques li\u00e9s \u00e0 la s\u00e9curit\u00e9. Les terminaux p\u00e9riph\u00e9riques doivent eux-m\u00eames \u00eatre prot\u00e9g\u00e9s, mis \u00e0 jour et surveill\u00e9s. Une usine abritant des centaines d'ordinateurs industriels connect\u00e9s peut constituer une vaste surface d'attaque lorsque ces syst\u00e8mes sont mal g\u00e9r\u00e9s.<\/p>\n<p data-start=\"6905\" data-end=\"7070\">L'avantage r\u00e9side dans le contr\u00f4le. Les fabricants peuvent d\u00e9cider o\u00f9 les informations sont trait\u00e9es et r\u00e9duire les transferts inutiles au-del\u00e0 des fronti\u00e8res organisationnelles et g\u00e9ographiques.<\/p>\n<h2 data-section-id=\"1h8uro7\" data-start=\"7072\" data-end=\"7120\">L'IA en p\u00e9riph\u00e9rie rend l'inspection visuelle plus \u00e9volutive<\/h2>\n<p data-start=\"7122\" data-end=\"7362\">La vision industrielle est l'une des applications les plus \u00e9videntes de l'IA industrielle en p\u00e9riph\u00e9rie. Les cam\u00e9ras permettent d'inspecter des surfaces, de v\u00e9rifier l'assemblage, d'identifier les composants manquants et de d\u00e9tecter des \u00e9carts qui seraient difficiles \u00e0 rep\u00e9rer en s'appuyant uniquement sur des r\u00e8gles conventionnelles.<\/p>\n<p data-start=\"7364\" data-end=\"7664\">Le volume des donn\u00e9es d'image rend le traitement local particuli\u00e8rement int\u00e9ressant. Plut\u00f4t que de transmettre chaque image, le mod\u00e8le peut classer les produits \u00e0 proximit\u00e9 de la cha\u00eene de production et ne conserver que certains exemples s\u00e9lectionn\u00e9s. Le syst\u00e8me est capable de r\u00e9agir suffisamment rapidement pour retirer une pi\u00e8ce d\u00e9fectueuse ou alerter un op\u00e9rateur avant que d'autres unit\u00e9s ne soient affect\u00e9es.<\/p>\n<p data-start=\"7666\" data-end=\"7983\">Il s'agit \u00e9galement d'un domaine o\u00f9 les conditions industrielles diff\u00e8rent consid\u00e9rablement de celles d'un laboratoire contr\u00f4l\u00e9. L'\u00e9clairage change, les surfaces r\u00e9fl\u00e9chissent la lumi\u00e8re diff\u00e9remment, les mat\u00e9riaux varient et les machines g\u00e9n\u00e8rent des vibrations. Un mod\u00e8le qui donne de bons r\u00e9sultats lors d'un essai pilote peut voir ses performances se d\u00e9grader lorsqu'il est confront\u00e9 \u00e0 une autre \u00e9quipe de travail, \u00e0 un autre lot de fournisseur ou \u00e0 une autre cadence de production.<\/p>\n<p data-start=\"7985\" data-end=\"8340\">L'infrastructure en p\u00e9riph\u00e9rie ne se limite pas \u00e0 l'inf\u00e9rence, c'est-\u00e0-dire au moment o\u00f9 le mod\u00e8le \u00e9value de nouvelles donn\u00e9es. Elle permet \u00e9galement de collecter le contexte de production pertinent et des exemples s\u00e9lectionn\u00e9s en vue d'un r\u00e9entra\u00eenement. Les images associ\u00e9es \u00e0 un nouveau type de d\u00e9faut peuvent \u00eatre envoy\u00e9es vers un environnement central, int\u00e9gr\u00e9es \u00e0 un mod\u00e8le mis \u00e0 jour, puis redistribu\u00e9es vers les sites de production concern\u00e9s.<\/p>\n<p data-start=\"8342\" data-end=\"8430\">Il en r\u00e9sulte une interaction permanente entre l'action sur le terrain et l'am\u00e9lioration au niveau central.<\/p>\n<h2 data-section-id=\"1uni206\" data-start=\"8432\" data-end=\"8486\">La surveillance des machines tire parti de l'intelligence locale<\/h2>\n<p data-start=\"8488\" data-end=\"8679\">La maintenance pr\u00e9dictive est souvent pr\u00e9sent\u00e9e comme une application d'analyse dans le cloud. Les donn\u00e9es des capteurs sont collect\u00e9es sur les machines, transmises \u00e0 une plateforme centrale, puis analys\u00e9es afin de d\u00e9tecter les signes d'une d\u00e9faillance future.<\/p>\n<p data-start=\"8681\" data-end=\"8942\">La technologie \u00ab edge \u00bb prend toute sa valeur lorsque la surveillance doit \u00eatre continue, que le volume de signaux est important ou qu'une alerte doit \u00eatre d\u00e9clench\u00e9e imm\u00e9diatement. Un capteur intelligent peut analyser directement les donn\u00e9es de vibrations, de temp\u00e9rature ou acoustiques et d\u00e9tecter les \u00e9carts avant d'envoyer une alerte.<\/p>\n<p data-start=\"8944\" data-end=\"9263\">Le traitement local permet \u00e9galement de distinguer les signaux pertinents du bruit industriel habituel. C'est important, car les environnements industriels ne sont pas statiques. Une machine peut se comporter diff\u00e9remment selon le mat\u00e9riau, l'outil, la vitesse et l'\u00e9tape de production. Une mesure isol\u00e9e provenant d'un capteur n'a souvent que peu de sens sans contexte op\u00e9rationnel.<\/p>\n<p data-start=\"9265\" data-end=\"9582\">La recherche sur les syst\u00e8mes de capteurs industriels \u00e0 auto-apprentissage s'int\u00e9resse de plus en plus \u00e0 cette relation entre les signaux et les conditions de processus. L'objectif n'est pas simplement de d\u00e9tecter qu'une mesure a chang\u00e9, mais de d\u00e9terminer si ce changement indique une usure de l'outil, un probl\u00e8me de qualit\u00e9 ou une variation attendue de la production.<\/p>\n<p data-start=\"9584\" data-end=\"9851\">Il reste toutefois difficile d'y parvenir de mani\u00e8re fiable. Les mod\u00e8les doivent fonctionner en dehors des tests contr\u00f4l\u00e9s, s'adapter sans entra\u00eener de comportement instable et fournir des alertes auxquelles les \u00e9quipes de maintenance peuvent se fier. Une application qui g\u00e9n\u00e8re trop de fausses alertes finira par \u00eatre ignor\u00e9e.<\/p>\n<p data-start=\"9853\" data-end=\"9990\">L'IA en p\u00e9riph\u00e9rie rend techniquement possible la surveillance en temps r\u00e9el. Elle ne dispense toutefois pas d'une validation minutieuse par rapport au processus physique.<\/p>\n<h2 data-section-id=\"1rz3yif\" data-start=\"9992\" data-end=\"10037\">L'\u00ab edge \u00bb et le \u00ab cloud \u00bb ont des r\u00f4les diff\u00e9rents<\/h2>\n<p data-start=\"10039\" data-end=\"10184\">Les d\u00e9bats sur l'informatique en p\u00e9riph\u00e9rie et l'informatique en nuage peuvent laisser entendre que les fabricants doivent choisir une architecture plut\u00f4t qu'une autre. L'IA industrielle est toutefois plus susceptible de s'appuyer sur les deux.<\/p>\n<p data-start=\"10186\" data-end=\"10476\">Le cloud est particuli\u00e8rement adapt\u00e9 \u00e0 l'entra\u00eenement de mod\u00e8les n\u00e9cessitant une grande puissance de calcul, \u00e0 l'analyse de donn\u00e9es \u00e0 grande \u00e9chelle et aux comparaisons entre usines. Un fabricant peut s'en servir pour identifier des sch\u00e9mas de d\u00e9faillance r\u00e9currents, \u00e9valuer les performances \u00e0 l'\u00e9chelle d'un r\u00e9seau de production et coordonner la mise en service de mod\u00e8les mis \u00e0 jour.<\/p>\n<p data-start=\"10478\" data-end=\"10706\">L'edge est mieux adapt\u00e9 \u00e0 l'ex\u00e9cution locale, aux d\u00e9cisions \u00e0 faible latence et aux applications qui doivent continuer \u00e0 fonctionner en cas de probl\u00e8me de connectivit\u00e9. Il permet de traiter les donn\u00e9es sensibles \u00e0 proximit\u00e9 de leur source et de filtrer les informations avant leur transmission.<\/p>\n<p data-start=\"10708\" data-end=\"10984\">Un mod\u00e8le d'inspection visuelle peut ainsi \u00eatre entra\u00een\u00e9 de mani\u00e8re centralis\u00e9e \u00e0 partir d'exemples provenant de plusieurs usines, puis d\u00e9ploy\u00e9 localement sur chaque ligne de production. Les donn\u00e9es de performance et les cas inhabituels sont renvoy\u00e9s vers la plateforme centrale, o\u00f9 le mod\u00e8le est am\u00e9lior\u00e9 avant que la version suivante ne soit distribu\u00e9e.<\/p>\n<p data-start=\"10986\" data-end=\"11172\">Ce cycle \u00ab de la p\u00e9riph\u00e9rie au cloud \u00bb s'impose progressivement comme l'architecture industrielle la plus r\u00e9aliste. Il allie apprentissage centralis\u00e9 et action locale, plut\u00f4t que de contraindre chaque \u00e9tape \u00e0 s'inscrire dans un m\u00eame environnement.<\/p>\n<p data-start=\"11174\" data-end=\"11501\">Le plus difficile est d'assurer la coh\u00e9rence. Les fabricants doivent savoir quelle version d'un mod\u00e8le est install\u00e9e sur chaque appareil, quand elle a \u00e9t\u00e9 mise \u00e0 jour et si ses performances ont \u00e9volu\u00e9. Le d\u00e9ploiement de l'IA sur des centaines de machines pose un probl\u00e8me de gestion qui rel\u00e8ve autant de l'exploitation de logiciels industriels que de la science des donn\u00e9es.<\/p>\n<h2 data-section-id=\"ma5jkw\" data-start=\"11503\" data-end=\"11548\">L'IA locale n\u00e9cessite toujours une gestion centralis\u00e9e<\/h2>\n<p data-start=\"11550\" data-end=\"11657\">Le fait de d\u00e9centraliser l'intelligence vers les machines ne signifie pas pour autant que chaque site de production puisse fonctionner de mani\u00e8re ind\u00e9pendante.<\/p>\n<p data-start=\"11659\" data-end=\"11893\">Les appareils p\u00e9riph\u00e9riques n\u00e9cessitent des correctifs de s\u00e9curit\u00e9, des contr\u00f4les d'acc\u00e8s et une surveillance. Les mod\u00e8les doivent faire l'objet d'une gestion des versions, de tests de performances et d'un processus de mise \u00e0 jour contr\u00f4l\u00e9. Les journaux doivent \u00eatre disponibles lorsqu'une d\u00e9cision erron\u00e9e affecte la qualit\u00e9 ou la production.<\/p>\n<p data-start=\"11895\" data-end=\"12186\">En l'absence de gestion centralis\u00e9e, l'IA en p\u00e9riph\u00e9rie peut rapidement se fragmenter. Diff\u00e9rents sites peuvent utiliser des mod\u00e8les diff\u00e9rents, appliquer des r\u00e8gles incoh\u00e9rentes ou reporter des mises \u00e0 jour importantes, car l'arr\u00eat du syst\u00e8me est source de d\u00e9sagr\u00e9ments. L'entreprise perd alors la capacit\u00e9 de comprendre le comportement de l'application sur l'ensemble de son r\u00e9seau.<\/p>\n<p data-start=\"12188\" data-end=\"12472\">Les plateformes industrielles sont de plus en plus souvent con\u00e7ues pour r\u00e9pondre \u00e0 ce probl\u00e8me en permettant la gestion centralis\u00e9e des mod\u00e8les et des applications, tout en garantissant leur ex\u00e9cution locale. Une entreprise peut ainsi d\u00e9ployer un mod\u00e8le valid\u00e9, surveiller son \u00e9tat et le remplacer sans avoir \u00e0 reconstruire l'application dans chaque usine.<\/p>\n<p data-start=\"12474\" data-end=\"12763\">Ce contr\u00f4le centralis\u00e9 rev\u00eat une importance particuli\u00e8re lorsque l'IA intervient dans les d\u00e9cisions op\u00e9rationnelles. Le fabricant doit pouvoir savoir quel mod\u00e8le a \u00e9valu\u00e9 un produit ou g\u00e9n\u00e9r\u00e9 une alerte. Si un d\u00e9faut \u00e9chappe au contr\u00f4le, les ing\u00e9nieurs doivent \u00eatre en mesure de reconstituer la configuration du syst\u00e8me \u00e0 ce moment-l\u00e0.<\/p>\n<p data-start=\"12765\" data-end=\"12877\">La p\u00e9riph\u00e9rie rapproche le calcul de la production. La gouvernance doit toutefois continuer \u00e0 s'\u00e9tendre \u00e0 l'ensemble de l'organisation.<\/p>\n<h2 data-section-id=\"fz4sb8\" data-start=\"12879\" data-end=\"12932\">Le \u00ab Factory Hardware \u00bb n'est pas un centre de donn\u00e9es classique<\/h2>\n<p data-start=\"12934\" data-end=\"13039\">Dans le domaine de l'IA industrielle, on ne peut pas se contenter d'installer une infrastructure cloud standard \u00e0 c\u00f4t\u00e9 d'une machine et partir du principe que cela fonctionnera.<\/p>\n<p data-start=\"13041\" data-end=\"13323\">Les environnements de production sont expos\u00e9s \u00e0 la poussi\u00e8re, \u00e0 la chaleur, aux vibrations et aux interf\u00e9rences \u00e9lectromagn\u00e9tiques. Les \u00e9quipements peuvent \u00eatre amen\u00e9s \u00e0 fonctionner pendant des ann\u00e9es, alors que le mat\u00e9riel informatique grand public est remplac\u00e9 beaucoup plus fr\u00e9quemment. Les cr\u00e9neaux de maintenance sont limit\u00e9s, car la mise \u00e0 jour d'un appareil peut interrompre la production.<\/p>\n<p data-start=\"13325\" data-end=\"13571\">Les syst\u00e8mes industriels en p\u00e9riph\u00e9rie n\u00e9cessitent donc un mat\u00e9riel robuste et un cycle de vie adapt\u00e9 aux technologies op\u00e9rationnelles. Ils doivent pouvoir se connecter aux contr\u00f4leurs, capteurs et r\u00e9seaux industriels existants, dont certains ont \u00e9t\u00e9 con\u00e7us bien avant que l'IA ne devienne d'actualit\u00e9.<\/p>\n<p data-start=\"13573\" data-end=\"13859\">La capacit\u00e9 de calcul constitue une autre contrainte. Les mod\u00e8les avanc\u00e9s peuvent n\u00e9cessiter des processeurs puissants, mais les usines sont \u00e9galement soumises \u00e0 des contraintes d'espace, d'\u00e9nergie et de refroidissement. Un mod\u00e8le qui fonctionne bien dans un centre de donn\u00e9es en cloud devra peut-\u00eatre \u00eatre compress\u00e9 ou adapt\u00e9 avant de pouvoir fonctionner efficacement \u00e0 proximit\u00e9 de la machine.<\/p>\n<p data-start=\"13861\" data-end=\"14147\">Ces compromis conf\u00e8rent toute son importance au choix du mod\u00e8le. Le mod\u00e8le le plus complet est rarement le choix qui s'impose d'embl\u00e9e. Dans les applications industrielles, on tire souvent davantage profit d'un mod\u00e8le plus petit et sp\u00e9cialis\u00e9, qui r\u00e9agit rapidement et de mani\u00e8re fiable, que d'un syst\u00e8me plus g\u00e9n\u00e9ral consommant nettement plus de ressources.<\/p>\n<h2 data-section-id=\"15d5kc6\" data-start=\"14149\" data-end=\"14201\">La cybers\u00e9curit\u00e9 s'int\u00e8gre d\u00e9sormais \u00e0 l'architecture de l'IA<\/h2>\n<p data-start=\"14203\" data-end=\"14454\">Le d\u00e9ploiement de l'IA en p\u00e9riph\u00e9rie r\u00e9duit certains risques li\u00e9s au transfert de donn\u00e9es, tout en cr\u00e9ant de nouvelles responsabilit\u00e9s en mati\u00e8re de s\u00e9curit\u00e9. Chaque appareil connect\u00e9 peut devenir un point d'entr\u00e9e, en particulier lorsqu'il relie des syst\u00e8mes op\u00e9rationnels \u00e0 l'infrastructure informatique de l'entreprise ou \u00e0 des plateformes de gestion externes.<\/p>\n<p data-start=\"14456\" data-end=\"14752\">Les fabricants doivent prot\u00e9ger le mod\u00e8le, les donn\u00e9es qu'il traite et les actions qu'il peut d\u00e9clencher. Un pirate informatique qui manipulerait un syst\u00e8me d'inspection visuelle pourrait entra\u00eener le rejet de produits conformes ou la validation de produits d\u00e9fectueux. Une ing\u00e9rence dans un mod\u00e8le de maintenance pourrait masquer les signes d'une d\u00e9faillance de l'\u00e9quipement.<\/p>\n<p data-start=\"14754\" data-end=\"14998\">La s\u00e9curit\u00e9 doit donc \u00eatre con\u00e7ue en parall\u00e8le de l'application. Les appareils doivent utiliser des identit\u00e9s contr\u00f4l\u00e9es, des autorisations restreintes et des m\u00e9canismes de mise \u00e0 jour s\u00e9curis\u00e9s. La segmentation du r\u00e9seau permet de limiter la port\u00e9e des actions d'un attaquant si un syst\u00e8me est compromis.<\/p>\n<p data-start=\"15000\" data-end=\"15280\">Les usines doivent \u00e9galement pr\u00e9voir un plan d'exploitation en cas d'indisponibilit\u00e9 d'un syst\u00e8me en p\u00e9riph\u00e9rie. Une cha\u00eene de production ne doit pas devenir dangereuse simplement parce qu'une application d'IA a \u00e9t\u00e9 mise hors service lors d'un incident de s\u00e9curit\u00e9. Une inspection manuelle, des r\u00e8gles conventionnelles ou une autre m\u00e9thode de secours peuvent encore s'av\u00e9rer n\u00e9cessaires.<\/p>\n<p data-start=\"15282\" data-end=\"15396\">Plus l'IA s'implique dans les op\u00e9rations physiques, plus la cybers\u00e9curit\u00e9 et la s\u00e9curit\u00e9 fonctionnelle se recoupent.<\/p>\n<h2 data-section-id=\"1k2lnop\" data-start=\"15398\" data-end=\"15456\">Toutes les applications industrielles d'IA ne doivent pas n\u00e9cessairement \u00eatre d\u00e9ploy\u00e9es en p\u00e9riph\u00e9rie<\/h2>\n<p data-start=\"15458\" data-end=\"15706\">L'int\u00e9r\u00eat du traitement local peut inciter les fabricants \u00e0 int\u00e9grer dans leurs usines davantage de capacit\u00e9s informatiques que n\u00e9cessaire. L'infrastructure en p\u00e9riph\u00e9rie engendre des co\u00fbts propres : mat\u00e9riel, d\u00e9ploiement, maintenance et assistance sp\u00e9cialis\u00e9e sur plusieurs sites.<\/p>\n<p data-start=\"15708\" data-end=\"16017\">Les applications qui ne n\u00e9cessitent pas d'intervention imm\u00e9diate peuvent s'av\u00e9rer plus efficaces dans le cloud. La planification strat\u00e9gique de la production, l'analyse comparative \u00e0 l'\u00e9chelle du r\u00e9seau et l'analyse de la demande \u00e0 long terme tirent g\u00e9n\u00e9ralement profit d'une centralisation des donn\u00e9es et des capacit\u00e9s de calcul. Un rapport g\u00e9n\u00e9r\u00e9 une fois par semaine ne n\u00e9cessite pas de temps de r\u00e9ponse de l'ordre de la milliseconde.<\/p>\n<p data-start=\"16019\" data-end=\"16203\">Le choix de l'emplacement appropri\u00e9 d\u00e9pend de la t\u00e2che \u00e0 accomplir. Les fabricants doivent tenir compte de la latence, de la connectivit\u00e9, de la sensibilit\u00e9 des donn\u00e9es, du volume, des exigences en mati\u00e8re de disponibilit\u00e9 et des cons\u00e9quences d'une interruption.<\/p><p data-start=\"16205\" data-end=\"16445\">Un test utile consiste \u00e0 se demander ce qui se passe lorsque la connexion au cloud est interrompue. Si le processus peut attendre, une ex\u00e9cution centralis\u00e9e peut suffire. Si la qualit\u00e9 de la production, la s\u00e9curit\u00e9 ou la continuit\u00e9 risquent d\u2019\u00eatre affect\u00e9es, la capacit\u00e9 locale prend alors toute son importance. Une deuxi\u00e8me question concerne les donn\u00e9es elles-m\u00eames. Lorsque les informations brutes sont trop sensibles, trop volumineuses ou \u00e9voluent trop rapidement pour \u00eatre transf\u00e9r\u00e9es efficacement, leur traitement \u00e0 la source peut s\u2019av\u00e9rer plus pertinent.<\/p>\n<h2 data-section-id=\"7on03c\" data-start=\"16640\" data-end=\"16679\">Commencez par la contrainte de production<\/h2><p data-start=\"16681\" data-end=\"16870\">Les entreprises industrielles n\u2019ont pas besoin d\u2019une strat\u00e9gie d\u2019IA en p\u00e9riph\u00e9rie d\u00e9connect\u00e9e de leurs priorit\u00e9s op\u00e9rationnelles. Elles doivent identifier les cas o\u00f9 l\u2019architecture actuelle emp\u00eache le bon fonctionnement d\u2019une application utile. Peut-\u00eatre que l\u2019inspection visuelle est trop lente lorsque les images quittent le site. Une usine \u00e9loign\u00e9e ne peut pas compter sur une connectivit\u00e9 stable. Les donn\u00e9es des machines sont trop volumineuses pour \u00eatre transf\u00e9r\u00e9es de mani\u00e8re rentable, ou encore les connaissances relatives \u00e0 la production doivent rester au sein de l\u2019installation.\u00a0Ces contraintes constituent un point de d\u00e9part plus clair que le simple fait d\u2019adopter la technologie en p\u00e9riph\u00e9rie parce qu\u2019elle est \u00e0 la mode. Le fabricant peut d\u00e9finir le temps de r\u00e9ponse requis, le niveau d\u2019interruption acceptable, les donn\u00e9es pertinentes et le processus de secours avant de choisir l\u2019infrastructure. Les projets pilotes doivent \u00eatre test\u00e9s dans des conditions r\u00e9elles de production plut\u00f4t que dans des environnements de r\u00e9seau et de laboratoire id\u00e9aux. L\u2019entreprise doit mesurer non seulement la pr\u00e9cision du mod\u00e8le, mais aussi la latence, la fiabilit\u00e9, les besoins en maintenance et l\u2019impact d\u2019une panne. Le mod\u00e8le doit ensuite \u00eatre consid\u00e9r\u00e9 comme un \u00e9l\u00e9ment d\u2019un syst\u00e8me industriel plus vaste. Les capteurs, la connectivit\u00e9, le mat\u00e9riel informatique, les contr\u00f4les de s\u00e9curit\u00e9 et les proc\u00e9dures humaines d\u00e9terminent tous ensemble si l\u2019application cr\u00e9e de la valeur op\u00e9rationnelle. L\u2019IA industrielle se rapproche des machines, car les usines imposent des contraintes que le calcul centralis\u00e9 ne peut pas toujours satisfaire \u00e0 lui seul. Les d\u00e9cisions doivent \u00eatre prises rapidement, la production doit rester disponible et les donn\u00e9es sensibles ne peuvent pas \u00eatre d\u00e9plac\u00e9es sans limite.\u00a0L\u2019usine du futur ne concentrera probablement pas toute l\u2019intelligence en un seul endroit. Elle assurera l\u2019apprentissage et la coordination de mani\u00e8re centralis\u00e9e, ex\u00e9cutera certaines t\u00e2ches de mani\u00e8re s\u00e9lective en p\u00e9riph\u00e9rie et maintiendra un contr\u00f4le humain lorsque les enjeux l\u2019exigeront. L\u2019architecture importera moins par l\u2019emplacement apparent de l\u2019IA que par sa capacit\u00e9 \u00e0 agir avec la rapidit\u00e9, la fiabilit\u00e9 et la s\u00e9curit\u00e9 requises par la production.<\/p>","protected":false},"excerpt":{"rendered":"<p>L'IA industrielle passe du cloud \u00e0 l'usine, marquant ainsi un tournant majeur dans les pratiques de fabrication. Cet article explore les implications, les tendances et les analyses d'experts concernant cette \u00e9volution.<\/p>","protected":false},"author":2,"featured_media":504,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[3],"tags":[],"class_list":["post-505","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-in-operations"],"_links":{"self":[{"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/posts\/505","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/comments?post=505"}],"version-history":[{"count":0,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/posts\/505\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/media\/504"}],"wp:attachment":[{"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/media?parent=505"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/categories?post=505"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/www.supralogic.ch\/fr\/wp-json\/wp\/v2\/tags?post=505"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}