REX – Du graphe au edge computing : concevoir une IA industrielle distribuée et réutilisable
par Guillaume Pelletier, PDG de DotVision
TL;DR — Cet atelier présente une architecture d’IA distribuée en cours d’industrialisation, conçue pour orchestrer et déployer des modèles experts au plus près des machines , illustrée par un premier cas d’application sur machine tournante.
S’inscrire à l’événement
Comment concevoir une IA industrielle capable de fonctionner au plus près des équipements, de s’adapter au contexte et de mobiliser uniquement les ressources nécessaires au bon moment ?
DotVision développe des solutions d’IA et de traitement embarquées pour les environnements industriels. Ses infrastructures IoT sont déjà déployées dans plusieurs secteurs, notamment dans l’aéronautique, l’énergie et les infrastructures ferroviaires, et plusieurs briques d’IA embarquée sont aujourd’hui utilisées en production . Ces déployés ont mis en évidence deux contraintes récurrentes : les données de défaut étiquetées sont rares, voire inexistantes, et les données brutes ne peuvent pas quitter le site . Ces expériences constituent le socle d’une architecture plus large actuellement en cours d’industrialisation.
Lors de cet atelier, DotVision présente cette architecture basée sur un graphe exécutable commun , pensée pour modéliser, simuler, orchestrer puis déployer l’intelligence jusqu’au microcontrôleur ( edge computing ). Ce graphe doit permettre de composer des modèles physiques, des traitements du signal, des règles métier et des experts IA, puis de répartir leur exécution entre microcontrôleurs, passerelles et serveurs selon les contraintes du système. Le même artefact traverse la chaîne, du simulateur à la cible embarquée.
L’objectif : permettre à une machine de comprendre son état de fonctionnement, de détecter des anomalies, d’identifier certains modes de défaillance et d’activer dynamiquement les traitements les plus pertinents . Plutôt qu’un modèle monolithique exécuté en permanence, l’approche repose sur des experts spécialisés, activés de manière conditionnelle et distribués au plus près des données . La référence s’apprend sur la machine saine, sans exemple de défaut ; le système lève des alarmes, il ne se substitue pas à l’opérateur.
La présentation s’appuiera sur un premier POC mobilisant la complète , autour d’un cas de diagnostic d’équipements tournants sur machine simulée avec un contrat d’acquisition industrielle : identification du régime de fonctionnement, analyse des signaux, activation d’un expert de diagnostic lorsqu’un régime inconnu apparaît , et possibilité d’escalader certains calculs vers des ressources plus puissantes. Le passage sur signal réel est l’étape suivante.
Au-delà de ce cas d’usage, l’atelier permettra d’explorer les principes réutilisables pour d’autres projets d’IA : comment décomposer une intelligence en composants spécialisés, orchestrer leur exécution, utiliser la simulation pour valider un détecteur avant de le déployer , et faire évoluer les capacités d’un équipement sans reconstruire toute la chaîne logicielle.