Technologie

L’intelligence artificielle au service des IAA

Dataswati présentait les 29 et 30 août derniers, lors des universités d’été du Medef, sa solution PowerOP, une intelligence artificielle (IA) spécialisée dans la prédiction de qualité des processus industriels complexes. Distribuée en Saas, cette solution analyse les données de la chaîne de production en s’intégrant aux outils existants et fournit une prédiction en qualité en temps réel. La start-up a été fondée il y a deux ans par Aurélien Verleyen. « Nous comptons une dizaine de salariés, dont la moitié de doctorants », souligne ce dernier.

La start-up a déjà réussi à séduire Veolia, Renault ou Engie. Mais aussi des entreprises de l’agroalimentaire comme Agromousquetaires, un gros transformateur de produits laitiers, ou encore des start-up spécialisées dans l’élevage d’insectes ou la production d’algues.

Consommation d’énergie et enjeux sanitaires

À la différence d’un projet logiciel, Dataswati propose « un algorithme apprenant qui va se programmer par rapport aux données mises à disposition ». Une solution pouvant permettre d’améliorer la productivité, de réduire la consommationt énergétique et de matières premières ou encore d’aider à mieux maîtriser les enjeux sanitaires des industries agroalimentaires (IAA).

Concrètement, quand une entreprise fait appel à Dataswati : « on va visiter l’usine et on en profite pour repérer les points d’accès à la donnée, ensuite on réalise “un data use case canvas” (Ducc, ndlr) », explique Aurélien Verleyen. Derrière ce jargon se cache une méthode établie par Dataswati qui consiste à définir plusieurs éléments avant de lancer le projet d'intelligence artificielle : définir précisément la question à laquelle doit répondre l’IA (par exemple : anticiper le développement des films bactériologiques au sein d’un stérilisateur d’une usine laitière et ainsi lancer le nettoyage à la demande) ; ses contraintes ; l’ensemble des utilisateurs concernés ; l’ensemble des interfaces du projet considéré et enfin les sources de données nécessaires, leur format et leur accessibilité.

Ce dernier élément s’avère essentiel. « L’intelligence artificielle est comme un enfant qui a besoin d’exemples pour avancer. Et cela dépend de la qualité des données qu’on lui donne : c’est le point névralgique », insiste Aurélien Verleyen. Il prévient, ensuite, que contrairement aux fantasmes autour de cette technologie « l’IA n’a pas de volonté propre. Elle équivaut en matière de formulation d’équation à dix polytechniciens, mais en dehors de son sujet, elle ne sait rien ». Par ailleurs, elle ne peut être laissée sans intervention : les cycles de développement courts doivent être validés par les utilisateurs, pour éviter « l’effet tunnel et l’accumulation de dérives », puis tous les six mois en usage quotidien l’IA est réentraînée.

Sa solution est accessible aux PME, assure le fondateur de la start-up. Pour l’heure, Dataswati travaille à anticiper la qualité pour réduire les rebuts dans la fabrication de jambons chez Monique Ranou, ou encore déterminer le bon séchage pour réaliser des économies d’énergie et améliorer la qualité des biscottes chez Faissole. Ce mois-ci, la start-up va travailler à anticiper la qualité des yaourts.