REX - Du graphe au edge computing : concevoir une IA industrielle distribuée et réutilisable

TL;DR — Cet atelier présentera 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. 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 embarqué 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 déploiements 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 présentera cette architecture fondée sur un graphe exécutable commun, pensé pour modéliser, simuler, orchestrer puis déployer l'intelligence jusqu'au microcontrôleur (edge computing). Ce graphe doit permettre de composer modèles physiques, traitements du signal, règles métier et 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, détecter des anomalies, identifier certains modes de défaillance et 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 chaîne complète, autour d'un cas de diagnostic d'équipements tournants sur machine simulée avec un contrat d'acquisition industriel : 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.