GT INTELLIGENCE ARTIFICIELLE & END

Presentation

illustration IALe concept d’intelligence artificielle n’est pas nouveau puisqu’il regroupe un ensemble de méthodes plus ou moins anciennes ("système expert"  dans les années 1990, apprentissage automatique, traitement des signaux/images …). Néanmoins, il a pris une importance considérable avec des progrès récents qui touchent le grand public, comme la reconnaissance vocale et la classification automatique d’images. C’est désormais un aspect incontournable de l’industrie 4.0 et on retrouve ce mot-clef dans la plupart des appels à projet nationaux et européens.
Dans le domaine du CND et du SHM, les outils d’IA suscitent un grand intérêt en particulier dans la perspective de diagnostics assistés. Toutefois, leur utilisation reste délicate :
Les phases d’apprentissage de l’IA nécessitent de disposer de bases de données importantes, représentatives de l’ensemble des situations (nature des défauts, géométrie …) pouvant être rencontrées. Le côté « boîte noire » de certaines méthodes (typiquement les réseaux de neurones) est un frein pour bien des acteurs, et les retours d’expérience ne sont pas encore très nombreux.

Problématique

Étudier le rôle et l’impact de l’IA dans le secteur du CND : évolution des pratiques, le potentiel de progrès dans le cadre de l’industrie du futur, mais également des points d’attention par rapport à l’évolution des métiers, une maîtrise des performances, facteurs humains à prendre en compte…

Enjeux

L’IA est à la fois un facteur de progrès potentiel, car elle peut permettre de résoudre des problèmes complexes de traitement des données, mais c’est également un risque qui doit être maîtrisé à cause du côté « boîte noire » : les performances doivent être mesurées et intégrées dans le processus de qualification de la méthode/technique, et certaines questions sont ouvertes : rôle de l’humain dans la décision finale, réglementation associée selon les secteurs, etc…

Objectif du GT

La COFREND propose à travers de GT IA & END de commencer un état des lieux des pratiques et des besoins de la communauté du CND et de réfléchir aux implications éventuelles, dans divers domaines tels que la réglementation, la qualification, les métiers, la certification.

50 personnes sont inscrites dans le groupe plénier, réparties en 4 sous-groupes :

  • Le premier sous-groupe est dédié à la création de cas d’école réalistes permettant de montrer que les méthodes d’intelligence artificielle sont pertinentes pour le CND et de constituer une ou plusieurs bases de données, qui pourraient être mises à la disposition de la communauté scientifique en vue d’éprouver les algorithmes d’IA, comme cela s’est fait pour des domaines « grand public ». Lors de la première réunion, plusieurs pistes de cas d’école ont été listées et deux présentations ont été faites par le LNE en spectroscopie de résonance ultrasonore et par le CETIM en magnétoscopie.
  • Le deuxième sous-groupe a pour objectif de compenser l’absence de données grâce à la simulation. Pour donner suite aux premiers échanges autour d’une présentation du CEA, un défi important est apparu : la simulation de bruit de mesure réaliste.
  • Le troisième sous-groupe se focalise sur des méthodes de type « détection d’anomalies », qui ne prendraient en considération que des bases de données de composants sains. En effet, très souvent en CND, nous ne disposons que de peu de données relatives aux défauts alors que nous avons de nombreuses données relatives aux matériaux sains. Un premier cas d’application a été présenté par l’Institut de soudure pour le traitement des ondes guidées. La méthodologie décrite, basée sur des méthodes mathématiques dites « SVD » (décomposition en valeurs singulières) est générique et pourraient s’appliquer à d’autres cas.
  • Le quatrième sous-groupe vise d’une part un objectif à courte échéance, celui de clarifier les termes, d’apporter une « culture IA » au sein de la communauté du CND et, d’autre part, des objectifs à moyen et long termes sur la mise en place de démarches de qualification de systèmes utilisant l’IA et tous les aspects réglementaires associés. Un premier document de type « glossaire » ou « le saviez-vous ? » sera livré d’ici à six mois sous la forme d’une page web dédiée, par exemple.

Prochaines étapes

  • Le groupe prévoit une réunion plénière en présentiel fin novembre 2022

Pilote du GT

Valérie KAFTANDJIAN INSA-Lyon et Nicolas PAUL-EDF R&D

 

Contact us