AIR LIQUIDE, LE GROUPE RENAULT ET SAFRAN à l'événement « AI for Industry » organisé par Artefact Mise en place et adoption d'une IA de confiance

Fabien Mangeant a expliqué que la confiance dans les systèmes d’IA est cruciale, en particulier dans les environnements où la sécurité est primordiale, comme la production de gaz. Air Liquide utilise l’IA dans diverses applications, du contrôle opérationnel à la planification. L’entreprise adopte l’approche fondée sur les risques de l’AI Act pour classer les systèmes d’IA en fonction de leur criticité. Ce cadre permet de gérer la sécurité et la fiabilité des systèmes d’IA déployés auprès des clients et des travailleurs. Air Liquide travaillait déjà sur la confiance dans l'IA avant l'adoption de réglementations officielles, et les nouvelles lois contribuent à clarifier et à formaliser ses pratiques.

Rodolphe Gelin a expliqué comment l'IA permet d'optimiser à la fois les dispositifs de sécurité des véhicules et les processus de production. Des systèmes basés sur l'IA, tels que le freinage d'urgence autonome, avaient déjà été mis en place avant l'adoption de la loi sur l'IA. Après examen, Renault a constaté que ses processus répondaient déjà à de nombreuses exigences réglementaires. Renault s'appuie désormais sur la loi sur l'IA pour valider davantage la sécurité de ses systèmes d'IA, garantissant ainsi que l'IA fonctionne de manière fiable lorsqu'elle prend le contrôle d'un véhicule. La confiance dans l'IA est essentielle tant pour les utilisateurs que pour les ingénieurs, d'autant plus que l'IA joue un rôle croissant dans la sécurité des véhicules.

Daniel Duclos, de Safran, a souligné la longueur des cycles de développement dans le secteur aéronautique, qui peuvent s'étendre sur plusieurs décennies pour les moteurs et les matériaux. Safran participe à de grands programmes européens, tels que l'initiative Aviation, visant à intégrer l'IA dans l'aéronautique. Ces programmes facilitent la collaboration avec les start-ups et les fournisseurs de technologies. Safran dispose d'une solide culture réglementaire et travaille en étroite collaboration avec l'Agence européenne de la sécurité aérienne afin d'adapter les normes de sécurité existantes à l'IA. L'objectif de Safran est de garantir la sécurité des systèmes d'IA tant pour le développement des produits que pour les processus opérationnels.

Fabian Mangeant a expliqué comment Air Liquide a mis au point une méthodologie transversale visant à garantir la transparence, la robustesse et l'explicabilité de l'IA. L'entreprise a intégré des outils spécifiques à l'IA dans son pipeline de MLOps (Machine Learning Operations) afin d'évaluer et de tester la fiabilité des modèles d'IA avant leur déploiement. La gouvernance de l'IA s'inscrit dans une stratégie plus large visant à déployer à grande échelle une IA fiable au sein de l'organisation, en garantissant le respect des réglementations et en améliorant les processus internes de développement de l'IA.

Safran a souligné l'importance de promouvoir les bonnes pratiques en matière de développement de l'IA. Ces pratiques garantissent que les ingénieurs appliquent les meilleures méthodes en matière d'architecture IA, de gestion des bases de données et d'entraînement des modèles afin de concevoir de meilleurs systèmes d'IA. Elles contribuent à garantir que les produits d'IA répondent aux normes de performance et soient fiables. Safran intègre également des aspects liés à l'IA dans ses audits techniques afin de s'assurer que les systèmes d'IA font l'objet d'une évaluation approfondie tout au long de leur développement.

Rodolphe Gelin a expliqué comment l'entreprise a intégré l'ingénierie de l'IA dans ses processus de développement. Le Centre d'excellence centralisé de Renault dédié à l'IA développe des applications industrielles à l'aide de composants d'IA. L'équipe utilise des outils tels que ceux de Confiance.ai pour valider la robustesse et la précision des systèmes d'IA. Renault vise à réduire le recours aux tests en conditions réelles en utilisant des outils permettant d'évaluer data , d'éliminer les biais et de valider les modèles d'IA plus efficacement. Cette approche permet à Renault de développer des systèmes d'IA plus rapidement et à moindre coût, tout en respectant les normes de sécurité.