{"id":205902,"date":"2024-08-08T04:00:56","date_gmt":"2024-08-08T03:00:56","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=205902"},"modified":"2024-10-28T17:28:14","modified_gmt":"2024-10-28T17:28:14","slug":"michelin-forvia-celonis-at-ai-for-industry-by-artefact-ai-for-automotive-state-of-the-art-use-cases","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/fr\/blog\/michelin-forvia-celonis-at-ai-for-industry-by-artefact-ai-for-automotive-state-of-the-art-use-cases\/","title":{"rendered":"MICHELIN, FORVIA &amp; CELONIS \u00e0 AI for Industry by Artefact - L'IA pour l'automobile : \u00c9tat de l'art et cas d'utilisation"},"content":{"rendered":"<p><div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1 description\" style=\"--awb-text-color:var(--awb-color5);--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>Sommet de l'IA pour l'industrie par Artefact - 17 septembre 2024 - Paris<\/p>\n<p>Principaux enseignements de la table ronde avec Jean-Vianney Chiron, responsable de la transformation de l'IA chez Michelin, Caroline Connan, Group Chief Data Officer &amp; Digital Transformation chez Forvia, et Prashant Dhanraj, Lead AI Engineer - Automotive chez Celonis.<br \/>\nAnim\u00e9 par Florence Benezit, directrice conseil chez Artefact.<\/p>\n<\/div><\/div><\/div><\/div><\/div><div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-2 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-1 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div style=\"text-align:center;\"><a class=\"fusion-button button-flat fusion-button-default-size button-default fusion-button-default button-1 fusion-button-default-span fusion-button-default-type button-primary-medium\" style=\"--awb-margin-bottom:40px;--button_text_transform:var(--awb-custom_typography_2-text-transform);--button_font_size:var(--awb-custom_typography_2-font-size);--button_line_height:var(--awb-custom_typography_2-line-height);--button_typography-letter-spacing:var(--awb-custom_typography_2-letter-spacing);--button_typography-font-family:var(--awb-custom_typography_2-font-family);--button_typography-font-weight:var(--awb-custom_typography_2-font-weight);--button_typography-font-style:var(--awb-custom_typography_2-font-style);\" target=\"_self\" data-hover=\"text_slide_down\" href=\"https:\/\/marketing.artefact.com\/l\/597421\/2024-10-23\/j35tm6\" rel=\"noopener\"><div class=\"awb-button-text-transition  awb-button__hover-content--centered\"><span class=\"fusion-button-text awb-button__text awb-button__text--default\">Rapport sur l'IA pour l'industrie<\/span><span class=\"fusion-button-text awb-button__text awb-button__text--default\">Rapport sur l'IA pour l'industrie<\/span><\/div><\/a><\/div><\/div><\/div><\/div><\/div><article class=\"fusion-fullwidth fullwidth-box fusion-builder-row-3 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-justify-content-center fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-2 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-video fusion-youtube\" style=\"--awb-max-width:670px;--awb-max-height:377px;--awb-align-self:center;--awb-width:100%;\"><div class=\"video-shortcode\"><div class=\"fluid-width-video-wrapper\" style=\"padding-top:56.27%;\" ><iframe title=\"Lecteur vid\u00e9o YouTube 1\" src=\"https:\/\/www.youtube.com\/embed\/9WGhKTptW5I?wmode=transparent&autoplay=0\" width=\"670\" height=\"377\" allowfullscreen allow=\"autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture;\"><\/iframe><\/div><\/div><\/div><div class=\"fusion-title title fusion-title-1 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Introduction \u00e0 l'IA pour l'automobile<\/h2><\/div><div class=\"fusion-text fusion-text-2\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>La session \u201cAI for Automotive\u201d a r\u00e9uni des repr\u00e9sentants cl\u00e9s de Michelin, Forvia et Celonis, qui ont expliqu\u00e9 comment l'IA r\u00e9volutionne l'industrie automobile. L'IA transforme en particulier l'optimisation des processus, la maintenance pr\u00e9dictive et le contr\u00f4le de la qualit\u00e9, gr\u00e2ce \u00e0 des applications concr\u00e8tes de l'apprentissage automatique, de la vision par ordinateur et de l'IA g\u00e9n\u00e9rative, remodelant ainsi les op\u00e9rations automobiles.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-2 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Le potentiel de transformation de l'IA dans l'optimisation des processus<\/h2><\/div><div class=\"fusion-text fusion-text-3\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Prashant Dhanraj, de Celonis, a soulign\u00e9 le potentiel de l'IA \u00e0 transformer les processus commerciaux tels que le d\u00e9veloppement de produits et la gestion de la cha\u00eene d'approvisionnement. Il a expliqu\u00e9 comment les jumeaux num\u00e9riques, mod\u00e8les virtuels de processus physiques, permettent aux entreprises de tirer des enseignements de vastes ensembles data et d'optimiser leurs op\u00e9rations. Par exemple, l'IA g\u00e9n\u00e9rative permet d'estimer le co\u00fbt des nouvelles pi\u00e8ces en analysant les dessins techniques, en identifiant les pi\u00e8ces similaires et en sugg\u00e9rant des fournisseurs. L'IA aide \u00e9galement \u00e0 la gestion des commandes, en utilisant les LLM pour \u00e9valuer les blocs de cr\u00e9dit dans les commandes de vente et fournir des recommandations bas\u00e9es sur les data pass\u00e9es, am\u00e9liorant ainsi la prise de d\u00e9cision.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-3 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Les innovations bas\u00e9es sur l'IA chez Michelin<\/h2><\/div><div class=\"fusion-text fusion-text-4\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Jean-Vianney Chiron, de Michelin, a expliqu\u00e9 comment l'IA am\u00e9liore la fabrication gr\u00e2ce \u00e0 la vision par ordinateur et \u00e0 l'analyse des s\u00e9ries chronologiques. Dans la production de pneus, les cam\u00e9ras aliment\u00e9es par l'IA d\u00e9tectent les d\u00e9fauts dans le caoutchouc, qui sont difficiles \u00e0 inspecter manuellement. Cette technologie garantit une meilleure qualit\u00e9 des produits et rationalise le processus. En outre, l'IA \u00e9tablit une corr\u00e9lation entre les data des machines, telles que la temp\u00e9rature et la pression, et la qualit\u00e9 du produit final, ce qui am\u00e9liore l'efficacit\u00e9 en permettant aux travailleurs de s'attaquer aux probl\u00e8mes critiques plut\u00f4t que de surveiller les data manuellement.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-4 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">L'IA g\u00e9n\u00e9rative pour l'acquisition de connaissances chez Michelin<\/h2><\/div><div class=\"fusion-text fusion-text-5\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Jean-Vianney Chiron a expliqu\u00e9 comment l'IA g\u00e9n\u00e9rative permet d'int\u00e9grer des d\u00e9cennies de connaissances provenant des usines Michelin du monde entier. Le personnel de maintenance peut saisir les sympt\u00f4mes des machines et recevoir des suggestions de diagnostic bas\u00e9es sur des cas ant\u00e9rieurs. Le syst\u00e8me apprend en permanence \u00e0 partir des commentaires des utilisateurs, cr\u00e9ant une base de connaissances robuste et \u00e9volutive accessible dans le monde entier, ce qui am\u00e9liore le temps de r\u00e9ponse aux probl\u00e8mes de maintenance.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-5 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Maintenance et contr\u00f4le qualit\u00e9 pilot\u00e9s par l'IA chez Forvia<\/h2><\/div><div class=\"fusion-text fusion-text-6\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Caroline Connan, de Forvia, a pr\u00e9sent\u00e9 des cas d'utilisation similaires, notamment l'IA pour la maintenance pr\u00e9dictive afin d'\u00e9viter les arr\u00eats de la cha\u00eene de production. En analysant l'historique data et les param\u00e8tres machine en temps r\u00e9el, l'IA alerte les op\u00e9rateurs sur les probl\u00e8mes potentiels, r\u00e9duisant ainsi les temps d'arr\u00eat co\u00fbteux. Un syst\u00e8me bas\u00e9 sur le LLM g\u00e9n\u00e8re des plans de maintenance et aide \u00e0 hi\u00e9rarchiser les actions. En outre, les syst\u00e8mes de vision artificielle aliment\u00e9s par l'IA dans les usines de Forvia d\u00e9tectent les d\u00e9fauts de qualit\u00e9 dans les int\u00e9rieurs automobiles, r\u00e9duisant ainsi les erreurs et am\u00e9liorant la qualit\u00e9 des produits.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-6 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">R\u00e9duction de la consommation d'\u00e9nergie gr\u00e2ce \u00e0 l'IA chez Michelin et Forvia<\/h2><\/div><div class=\"fusion-text fusion-text-7\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Michelin et Forvia utilisent l'IA pour suivre et r\u00e9duire la consommation d'\u00e9nergie dans leurs usines. Des mod\u00e8les d'apprentissage automatique analysent en temps r\u00e9el les capteurs data pour surveiller la consommation d'\u00e9lectricit\u00e9 et d'eau. Ces informations permettent aux entreprises de fixer des objectifs, de pr\u00e9voir la consommation et d'ajuster les op\u00e9rations pour r\u00e9duire leur impact sur l'environnement et leurs co\u00fbts d'exploitation. La capacit\u00e9 de l'IA \u00e0 fournir un retour d'information en temps r\u00e9el est essentielle pour atteindre les objectifs de durabilit\u00e9.<\/p>\n<\/div><\/div><\/div><\/div><\/article><div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-4 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-3 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div style=\"text-align:center;\"><a class=\"fusion-button button-flat fusion-button-default-size button-default fusion-button-default button-2 fusion-button-default-span fusion-button-default-type button-primary-medium\" style=\"--awb-margin-top:20px;--button_text_transform:var(--awb-custom_typography_2-text-transform);--button_font_size:var(--awb-custom_typography_2-font-size);--button_line_height:var(--awb-custom_typography_2-line-height);--button_typography-letter-spacing:var(--awb-custom_typography_2-letter-spacing);--button_typography-font-family:var(--awb-custom_typography_2-font-family);--button_typography-font-weight:var(--awb-custom_typography_2-font-weight);--button_typography-font-style:var(--awb-custom_typography_2-font-style);\" target=\"_self\" data-hover=\"text_slide_down\" href=\"https:\/\/marketing.artefact.com\/l\/597421\/2024-10-23\/j35tm6\" rel=\"noopener\"><div class=\"awb-button-text-transition  awb-button__hover-content--centered\"><span class=\"fusion-button-text awb-button__text awb-button__text--default\">Rapport sur l'IA pour l'industrie<\/span><span class=\"fusion-button-text awb-button__text awb-button__text--default\">Rapport sur l'IA pour l'industrie<\/span><\/div><\/a><\/div><\/div><\/div><\/div><\/div><\/p>","protected":false},"excerpt":{"rendered":"<p>Principaux enseignements tir\u00e9s de la table ronde r\u00e9unissant Jean-Vianney Chiron, responsable de la transformation par l'IA chez Michelin, Caroline Connan, directrice g\u00e9n\u00e9rale du groupe Data et de la transformation num\u00e9rique chez Forvia, et Prashant Dhanraj, ing\u00e9nieur principal en IA \u2013 secteur automobile chez Celonis, lors du sommet \u00ab AI for Industry by Artefact \u00bb.<\/p>","protected":false},"featured_media":205903,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[21932],"blog-language":[2991],"class_list":["post-205902","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-industrial-energy-utilities","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog\/205902","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/205903"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=205902"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-category?post=205902"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-language?post=205902"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}