AVEVA confie des réglages à l’IA sans perdre le contrôle

AVEVA accélère l’autonomie AVEVA présente les jumeaux numériques vivants comme des modèles dynamiques d’usines et de processus industriels. Ces modèles relient les informations d’ingénierie aux données opérationnelles en temps réel. Ils peuvent aussi intervenir dans le monde physique via les systèmes d’exploitation et de contrôle. L’IA agentique permet désormais à certains systèmes d’agir au-delà du diagnostic ou de la recommandation. L’objectif opérationnel consiste à effectuer de petits ajustements continus. Les opérateurs restent chargés de définir ce qu’est un fonctionnement sain. Ils surveillent également les actions de l’IA. Lire l’analyse originale de MIT Technology Review.

Les modèles gagnent en réactivité Les premiers jumeaux numériques servaient surtout à simuler, observer et tester des scénarios. Ils restaient décalés par rapport à la réalité physique. Les versions vivantes associent une représentation détaillée des opérations à des capacités d’intervention. Des capteurs transmettent la télémétrie provenant des équipements connectés et des systèmes de contrôle industriel. Des plateformes logicielles réunissent ces informations dans des interfaces utilisables. Des modèles prédictifs et physiques ajoutent des indications sur le comportement possible d’une machine ou d’un processus. Les opérateurs peuvent examiner les émissions, la maintenance ou la production d’unités selon plusieurs indicateurs.

Les fabricants testent l’IA agentique

Les industriels encadrent l’autonomie Une enquête du Manufacturing Leadership Council publiée en 2026 indique que 66 % des fabricants utilisent ou prévoient d’utiliser l’IA agentique. La même enquête indique que 40 % anticipent un certain niveau d’autonomie des usines en 2030. La prudence reste forte sur les risques opérationnels. Dans l’enquête 2025 de Deloitte sur la fabrication intelligente, 65 % des dirigeants classent notamment les perturbations d’activité parmi leurs principales préoccupations. Rob McGreevy, directeur produit d’AVEVA, prévoit donc une adoption d’abord consultative. Selon lui, l’autonomie complète devrait rester limitée aux tâches étroites et répétitives.

La gouvernance fixe les limites Les opérateurs peuvent approuver chaque action ou surveiller une IA qui agit dans des limites définies. Leur rôle évolue vers la définition des seuils acceptables et la détection précoce des erreurs. Les organisations doivent aussi préciser les décisions autorisées, puis surveiller et auditer les actions automatisées. Une étude menée par AVEVA et IMD indique que 43 % des organisations déclarent un changement faible ou inexistant de la décision et de la responsabilité entre partenaires. Seules 23 % rapportent un changement significatif ou fondamental. L’Acte européen sur l’IA classe certains composants de sécurité des infrastructures critiques comme à haut risque.

Des sites industriels affichent des résultats

Les cas d’usage diffèrent À la raffinerie Yanbu de Saudi Aramco, des algorithmes d’optimisation ajustent la production en boucle fermée, sous la surveillance d’opérateurs. À Ras Tanura, les algorithmes recommandent des changements que les opérateurs choisissent d’appliquer. Nestlé utilise une optimisation par IA dans les usines Nesquik pour régler les séchoirs d’ingrédients en poudre. Lors d’un test, ce réglage a réduit la consommation d’énergie de 16 %, tout en améliorant la qualité et le rendement. Chez SCG Chemicals, en Thaïlande, un jumeau numérique surveille la santé des actifs. L’entreprise rapporte 99 % de fiabilité et un retour sur investissement multiplié par neuf en six mois.

Les réseaux deviennent coordonnés Le National Laboratory of the Rockies a développé un modèle d’IA générative pour les salles de contrôle du réseau électrique. Cet outil aide les opérateurs à prévoir les énergies renouvelables et à estimer l’état du réseau. AVEVA envisage aussi des systèmes associant robotique, capteurs et décision automatisée. Des drones pourraient inspecter des pipelines et des lignes électriques, tandis que des algorithmes repéreraient des fuites de gaz ou d’autres dangers. Rob McGreevy prévoit que cette convergence réduira les incidents et les coupures. Il décrit enfin des jumeaux numériques couvrant toute la chaîne de valeur, afin de réagir aux changements d’approvisionnement, de demande, de tarifs et de disponibilité des matériaux. Voir AVEVA et l’enquête du Manufacturing Leadership Council.