Pourquoi avons-nous encore besoin de simulation à l'ère de l'IA?
Rédigé par Vincent Béchard le 2026-02-26
Simulation des opérations industrielles versus recommandations basées sur l'IA
Avec l'émergence d'outils d'intelligence artificielle (IA) générative puissants et faciles à utiliser, pourquoi continuons-nous à consacrer des efforts à la simulation de systèmes industriels ? Pourquoi ne pas simplement demander à ******** (volontairement masqué!) de nous conseiller, d'évaluer la productivité et de résoudre nos problèmes de goulot d'étranglement ? Ou encore : « Pourquoi ne pas demander à ******* (masqué, encore!) de développer un modèle de simulation pour nous? Cela épargnerait tellement d'efforts! » Tiens tiens, on dirait des questions entendues dernièrement!
Fondamentalement, l'IA générative a besoin de données, d'informations existantes et de connaissances informatisées pour développer et entraîner des modèles. Mais qu'en est-il des nouvelles usines ou des extensions d'usines pour lesquelles aucune donnée n'est disponible? Et qu'en est-il des facteurs humains qui influent sur l'efficacité opérationnelle et qui ne sont pas suivis par un système d'historique des processus ? Enfin, que penser du jugement humain, fondé sur des faits et des analyses statistiques, quant à l'utilité pratique des recommandations?
Aujourd'hui, le traitement de chiffriers et les tâches courantes de modélisation statistique sont à la portée des systèmes d'IA générative. Ces systèmes sont d'une grande aide pour l'écriture de code informatique, supposant que la demande soit suffisamment claire. Ils permettent également certaines simulations pas événements discrets simples, se limitant aux files d'attente et serveurs traditionnels, tels que décrits dans les livres sur les probabilités.
Qu’en est-il de la complexité d'une simulation à grande échelle d’un système industriel, tel que vu par la simulation par événements discrets (SED)? Hum, l’IA n’est peut-être pas encore à la hauteur! Voici quelques exemples d’éléments que les modèles de simulation et les experts en simulation considèrent comme essentiels :
- Vérification et validation des résultats
- Éviter la sur-modélisation (inclure des détails trop fins, non pertinents pour l'objectif et la portée de l'étude, mais susceptibles d'introduire des perturbations et des instabilités indésirables)
- Intégration du savoir-faire humain non-informatisé dans le modèle (généralement recueilli lors d'enquêtes sur site et d'interviews)
- Préparation des données pour la simulation (différente de la préparation des données pour les tableaux de bord ou la modélisation statistique!); par exemple : si les données historiques sur les arrêts de processus incluent l'attente pour opérateur et le temps de réparation physique, on ne peut pas appliquer directement ces valeurs historiques pour simuler les temps de réparation, car le temps d'attente pour opérateur s'ajoutera aux durées simulées!
Autrement dit, un modèle de SED ne repose pas uniquement sur des données et des informations numériques. Les modèles de SED capturent la prise de décision dynamique et l'impact des interactions entre les éléments d'un système, la variabilité dans les processus, les défaillances aléatoires, la compétition pour les ressources, les contraintes logistiques, et d'autres phénomènes observés dans les systèmes réels. La construction d'un modèle de simulation requiert une main-d'œuvre et des connaissances humaines!
À propos du travail collaboratif en équipe autour de la simulation
Lors de la conception d'une nouvelle installation, il est fréquent, au cours des cycles d'ingénierie, d'apporter des modifications importantes au concept initial. Dans ces cas, la simulation s'avère précieuse pour les équipes de projet, car elle permet d'observer l'impact de ces changements. La visualisation de la dynamique du système, idéalement dans un environnement de simulation 3D, est donc essentielle.
Lorsqu'on cherche à améliorer un système en utilisant une simulation, il est fréquent de se demander s'il s'agit d'une lacune de modélisation ou d'une lacune du système lui-même. Y répondre correctement nécessite de solides compétences en modélisation. Il faut également une approche rigoureuse en statistique et en Lean pour identifier les causes racines du goulot d'étranglement, ainsi qu'une expertise du système pour trouver les solutions appropriées. La possibilité d'interrompre l'exécution du code, de suivre les valeurs en mémoire, etc., est essentielle. Enfin, la capacité de simuler des scénarios hypothétiques sur mesure et à la demande est primordiale.
Lors de l'élaboration de solutions alternatives ou d'améliorations opérationnelles, les outils mathématiques (plans d'expérience, optimisation) découvrent rarement des solutions miraculeuses et applicables en pratique. La créativité humaine, la collaboration en équipe et les connaissances des individus sont essentielles pour déterminer la viabilité des solutions potentiels, car de nombreuses contraintes non-informatisées entrent en jeu dans la réalité!
Considérations légales et propriété intellectuelle de l'IA et de la simulation
Ah, légalement parlant… L’IA soulève de nombreuses questions. Qu’en est-il du secret professionnel, de la confidentialité, et de la propriété intellectuelle du code d’un modèle? Les entreprises demandent généralement la propriété intellectuelle du modèle; comment cela est-il possible si un modèle a été construit par un système opaque aux règles de stockage difficiles à déterminer?
Si j'étais ingénieur agréé, j'aurais l'obligation de comprendre et de vérifier tous les calculs utilisés pour étayer une conception. C'est relativement simple lorsque j'écris le code de mon modèle : j'ai accès à tout le contenu; je peux retracer tout résultat anormal et le corriger. Mais l'IA est plus ou moins comme une boîte noire : c'est impossible. Comment puis-je garantir que j'ai tout supervisé et que je peux expliquer chaque calcul? Ce qui amène à cette limitation déontologique majeure : je ne peux pas apposer mon sceau et ma signature professionnels sur un travail exécuté par une IA infonuagique.
Posez-vous la question : feriez-vous confiance à un pont conçu par une IA? Autre exemple d’inapplicabilité : dans le secteur minier, un rapport standard (NI 43-101) doit être déposé avant le lancement d’un projet minier. L’émetteur doit désigner au moins une personne qualifiée pour approuver (et donc comprendre et superviser) l’intégralité du rapport. À ce jour, aucune juridiction n’accepte les recommandations fournies par une IA au lieu de celles issues de simulations.
Dans de nombreux contextes, les professionnels doivent s'assurer que les données sensibles restent informatiquement en sécurité. Cette remarque touche à la cybersécurité! Déployer l'IA implique de s'appuyer sur des architectures décentralisées infonuagiques. Qui peut se permettre de construire son propre centre de données privé pour sécuriser physiquement ses instances d'IA? Sinon, il faut être prêt à partager serveurs et disques durs...
Remarques finales sur la simulation et l'IA générative
La modélisation des opérations industrielles complexes, combinant dessins CAO, spécifications des équipements et connaissances humaines, prenant en compte les effets des files d'attente et la variabilité des processus, et ce dans un cadre juridiquement acceptable, n'est peut-être pas encore du ressort de l'IA. Le développement d'un modèle de simulation pour supporter la conception technique ou l'optimisation des opérations nécessite encore une intervention humaine.
Bien que l'IA puisse s'avérer particulièrement utile pour accélérer la génération de code, la définition de l'objectif, de la portée et des spécifications du modèle repose entièrement sur l'intelligence humaine. Le choix des indicateurs clés de performance à collecter et leur définition, l'évaluation de la qualité du modèle et la validation de l'utilité des résultats restent du ressort du jugement humain.
En résumé, même à l'ère de l'IA, nous avons toujours besoin de simulation (et d'experts en simulation!)...
Vous désirez en savoir plus?
Chez Différence, notre expertise est axée sur la statistique et la science des données, les applications du Lean et l'Excellence opérationnelle, ainsi que sur la simulation des opérations. N'hésitez pas à demander plus d'information en nous contactant.
