Les tendances majeures de l’intelligence artificielle pour les ingénieurs en 2024

Selon les prévisions de Forrester, les initiatives d’IA en entreprise devraient augmenter la productivité et la résolution créative des problèmes de 50 % en 2024. L’IA aura un impact sur le travail des ingénieurs et des éducateurs, en leur faisant gagner du temps et en leur permettant de se consacrer à d’autres projets qui font progresser la science et l’ingénierie.

Voici les trois tendances majeures qui permettront à l’IA de poursuivre son essor en 2024.

Prévision nº1 concernant l’IA : l’IA et la simulation deviennent essentielles dans le design et le développement des systèmes techniques

À mesure que l’IA s’impose dans tous les domaines et toutes les applications, les quelques systèmes techniques complexes qui n’en seront pas dotés deviendront marginaux.  Les systèmes techniques combinent des composants et des sous-systèmes issus de plusieurs domaines pour créer des systèmes intelligents capables de percevoir le monde qui les entoure et de réagir en conséquence. Une éolienne, par exemple, combine des composants mécaniques (pales de la turbine et système de transmission), électriques (générateur) et de contrôle (contrôle du pas des pales). Le succès croissant des systèmes d’IA complexes est principalement dû à l’intégration de plus en plus courante de la simulation dans le design et le développement de ces systèmes.

La simulation est un moyen éprouvé de réaliser la modélisation multi-domaines nécessaire au développement de systèmes complexes. L’IA peut traiter des données provenant de capteurs afin de contribuer au développement de systèmes de perception et de systèmes autonomes. Cependant, à mesure que les systèmes se complexifient, certaines simulations peuvent devenir trop gourmandes en ressources informatiques pour le design au niveau du système et le design embarqué, en particulier pour les tests qui nécessitent l’exécution d’un modèle en temps réel. Dans ce scénario, l’IA peut également améliorer les simulations en utilisant des modèles d’ordre réduit.

Les modèles d’ordre réduit (ROM, Reduced Order Models) peuvent accélérer les simulations tout en offrant une précision acceptable pour les tests d’algorithmes de contrôle au niveau système. Ils peuvent compléter les modèles basés sur les principes fondamentaux, en créant des implémentations de variants qui permettent une analyse de compromis entre la précision, la performance et la complexité.

De plus en plus d’ingénieurs envisagent d’intégrer des modèles ROM basés sur l’IA dans leurs systèmes. Cela peut contribuer à accélérer la simulation sur ordinateur affectée par un modèle haute-fidélité tiers, permettre des tests Hardware-in-the-Loop en réduisant la complexité des modèles, ou accélérer les simulations d’analyse par la méthode des éléments finis (FEA).

Prévision nº2 concernant l’IA : les petits modèles sont privilégiés pour l’IA embarquée, tandis que les grands modèles persisteront pour la Computer Vision et les modèles de langage

Les modèles d’IA peuvent comporter des millions de paramètres dont l’exécution nécessite une grande quantité de mémoire. Dans le domaine de la recherche, la précision est primordiale, mais pour ce qui est du déploiement de modèles d’IA sur du hardware, les compromis entre la mémoire et la précision entrent en conflit. Les professionnels de l’IA doivent réfléchir à la manière dont la performance de leurs modèles diffèrera lorsqu’ils seront déployés sur des dispositifs où la vitesse et la mémoire sont cruciales. Il est possible d’ajouter l’IA en tant que composant plus petit dans les systèmes de contrôle existants plutôt que de s’appuyer sur des modèles d’IA de bout en bout, tels que ceux généralement utilisés dans la Computer Vision pour détecter des objets.

L’apprentissage incrémental est un sujet particulièrement pertinent lorsqu’il s’agit de petits modèles d’IA. L’apprentissage incrémental est une approche de Machine Learning qui permet au modèle d’apprendre en continu en mettant à jour ses propres connaissances en temps réel au fur et à mesure que de nouvelles données sont disponibles. Cette méthode est considérée comme efficace pour le déploiement sur dispositif périphérique.

Prévision nº3 concernant l’IA : l’IA générative aide les professeurs d’ingénierie à enseigner des sujets plus avancés

L’IA générative est une technologie révolutionnaire que les professeurs d’ingénierie utiliseront en cours pour aider les étudiants à grande échelle en 2024 et au-delà. À l’instar d’Internet ou des téléphones portables, l’IA générative lance une révolution qui améliorera l’ensemble du paysage de la formation des ingénieurs.

Le principal avantage de l’IA générative en classe est qu’elle permet de gagner du temps lors de l’enseignement des compétences fondamentales aux étudiants en ingénierie, telles que la programmation informatique. En libérant le temps que les professeurs consacraient auparavant à la présentation de concepts de base, ils peuvent désormais se concentrer sur l’enseignement de sujets pointus tels que le design et l’implémentation de systèmes d’ingénierie complexes. Les professeurs peuvent gagner du temps et mieux impliquer les étudiants en utilisant des technologies telles que ChatGPT pour effectuer des simulations et créer des exercices et des travaux pratiques interactifs.

Les professeurs peuvent enseigner aux étudiants les compétences nécessaires à l’utilisation efficace de l’IA générative, comme la manière de concevoir des prompts. Cela aidera les élèves à développer un esprit critique dont ils pourront tirer profit au lieu de s’en remettre exclusivement aux machines pour trouver des solutions. En conséquence, les étudiants seront encouragés à pratiquer l’apprentissage autonome dans diverses disciplines de l’ingénierie, tandis que les enseignants pourront élargir davantage leur programme en transmettant leur expertise sur des concepts plus avancés.

Ainsi, à mesure que l’IA s’affirme, son rôle dans l’amélioration de la productivité et du potentiel des ingénieurs et des enseignants devient de plus en plus prononcé. Lors de la construction de systèmes techniques complexes, il serait avisé pour les ingénieurs de recourir à la simulation assistée par l’IA et à des modèles d’IA plus petits. Au sein de la communauté académique, l’IA générative offre aux enseignants la possibilité de réduire leurs efforts, tout en permettant aux étudiants d’accroître leur autonomie. L’IA permet de prendre des décisions plus éclairées, d’obtenir des informations exploitables et d’améliorer l’efficacité dans de nombreux domaines de l’industrie et de l’enseignement.

Johanna Pingel, responsable du marketing des produits d’IA, MathWorks