L'intelligence artificielle des objets (AIoT) : une combinaison puissante d'appareils connectés et d'algorithmes intelligents

TL ; DR : Insights, résumés :

• De 60 % à 73 % de toutes les données d'entreprise ne sont pas utilisées pour l'analyse.
• Une entreprise moyenne perd 12 % de son chiffre d'affaires en raison du manque d'opportunités d'analyse de données.
• En combinant des solutions d'IA et d'IoT, les entreprises peuvent exploiter leurs données et glaner des informations qui n'étaient pas disponibles auparavant.
• L'AIoT est un mélange d'intelligence artificielle et d'Internet des objets. L'association des deux technologies permet de créer des solutions plus efficaces qui génèrent un retour sur investissement plus élevé.
• Les secteurs où l'AIoT a trouvé une portée d'utilisation plus large sont les soins de santé, la fabrication, les transports et d'autres industries.

Ce qui a commencé à l'origine comme une communication de machine à machine se limitait presque exclusivement à l'industrie des télécommunications, l'Internet des objets est maintenant partout. Selon Statista, le nombre d'appareils connectés à Internet dépassera les 38 milliards d'ici 2025.

Le chiffre est cependant discutable, car il est difficile de tracer une ligne quant à ce qu'est exactement un appareil IoT. Ainsi, d'autres rapports suggèrent des chiffres plus restreints. Pensez : environ 16 milliards d'appareils utilisés d'ici 2025.

La forte augmentation du nombre d'appareils IoT entraînera inévitablement une augmentation de la quantité de données collectées. IDC rapporte que les volumes de données IoT générées dans le monde atteindront 73 zettaoctets d'ici 2025. Et c'est là que ça devient problématique. Les informations collectées doivent être traitées et analysées pour générer de la valeur. Cependant, la plupart des entreprises ne parviennent pas à exploiter les données, entre 60 % et 73 % d'entre elles n'étant pas utilisées pour l'analyse.

La bonne nouvelle est que les entreprises peuvent transformer davantage de données générées en informations commerciales en tirant parti de la puissance combinée de l'intelligence artificielle et de l'Internet des objets.

Dans l'article, nous avons couvert tout ce que vous devez savoir sur ce mélange puissant, souvent appelé l'intelligence artificielle des objets, ou AIoT. Donc, si vous envisagez de sauter dans le train du développement de l'Internet des objets, continuez à lire.

Qu'est-ce que l'AIoT exactement ?

Un système d'intelligence artificielle des objets (AIoT) est composé de deux composants : l'Internet des objets (IoT) et l'intelligence artificielle (IA).

Dans cette combinaison robuste, le rôle de l'IoT est d'accumuler des données structurées et non structurées et de permettre la communication entre les objets connectés et l'utilisateur.

Lorsqu'il est amplifié avec l'IA - des algorithmes qui peuvent trouver des interdépendances complexes dans d'énormes quantités de données et décrire, prédire et prescrire certaines actions en fonction de cela - un système IoT acquiert une intelligence de type humain et peut être appliqué pour résoudre une plus grande variété de tâches . Celles-ci pourraient couvrir la "compréhension" du langage naturel, la prédiction des besoins des utilisateurs et l'ajustement du comportement d'un appareil connecté en conséquence, et plus encore.

Le marché de l'AIoT est actuellement en plein essor. Des recherches récentes estiment qu'il atteindra 102,2 milliards de dollars d'ici 2026. Et on comprend parfaitement pourquoi : l'IA ajoute de la valeur à l'IoT grâce à une prise de décision améliorée, tandis que l'IoT fournit une plate-forme permettant à l'IA de générer de la valeur grâce à la connectivité et à un échange de données transparent.

Comment fonctionne l'Intelligence Artificielle des Objets ?

Les systèmes AIoT peuvent être mis en œuvre de deux manières :

• En tant que systèmes basés sur le cloud
• En tant que systèmes de pointe fonctionnant sur des appareils connectés.

L'architecture d'un système AIoT variera en fonction de la stratégie de mise en œuvre.

AIoT basé sur le cloud

Avec l'approche basée sur le cloud, l'architecture de base d'une solution AIoT ressemble à ceci :

• Couche appareil : divers appareils matériels (mobilité, balises/balises, capteurs, appareils de santé et de fitness, véhicules, équipements de production, appareils embarqués)
• Couche de connectivité : passerelles terrain et cloud
• Couche cloud : stockage des données, traitement des données (moteur IA), visualisation des données, analyse, accès aux données via API
• Couche de communication utilisateur* : portails Web et applications mobiles*

Edge AIoT

Avec l'analyse en périphérie, les données collectées sont traitées plus près de la source, que ce soit sur des appareils connectés ou sur des passerelles de terrain.

• Couche terminale de collecte : divers dispositifs matériels (mobilité, balises/balises, capteurs, dispositifs de santé et de fitness, véhicules, équipements de production, dispositifs embarqués) connectés à la passerelle sur les lignes électriques existantes
• Couche périphérique : installations pour le stockage des données, le traitement des données (moteur d'IA), la génération d'informations

Cependant, les implémentations axées sur la périphérie n'excluent pas la présence du cloud. Le stockage de données basé sur le cloud peut, par exemple, être utilisé pour collecter des métadonnées sur les performances du système ou des informations contextuelles nécessaires à la formation ou au recyclage de l'IA de pointe (pensez : un paradigme pour l'élaboration de flux de travail d'IA qui implique le cloud et la périphérie, ce dernier composé de appareils en dehors du cloud qui sont plus proches des objets physiques.)

Principales applications de l'AIoT dans différents secteurs

Poussée par un certain nombre de facteurs, tels que la disponibilité de nouveaux outils logiciels, le développement de solutions d'IA simplifiées, l'infusion de l'IA dans les systèmes hérités et les progrès du matériel soutenant les algorithmes d'IA, l'intelligence artificielle des objets se répand dans de nombreux secteurs. Voici un aperçu des secteurs qui tirent déjà parti des opportunités offertes par l'AIoT, avec les cas d'utilisation les plus prometteurs mis en lumière.

Soins de santé

Aide au diagnostic

L'AIoT peut aider les prestataires de soins de santé à prendre des décisions de diagnostic plus précises. Les solutions IoT de soins de santé intelligents récupèrent les données des patients à partir de diverses sources - des équipements de diagnostic aux appareils portables en passant par les dossiers de santé électroniques - et analysent ces données pour aider les médecins à diagnostiquer correctement un patient.

Les solutions médicales basées sur l'IA surpassent déjà les professionnels de la santé humaine dans plusieurs domaines de diagnostic. Les radiologues du monde entier comptent sur l'assistance de l'IA pour les dépistages du cancer.

Dans une étude publiée par Nature Medicine, l'IA a surpassé six radiologues pour déterminer si les patients avaient un cancer du poumon. L'algorithme qui a été formé sur 42 000 scans de patients à partir des enregistrements de données d'essais cliniques d'un Institut national de la santé, a détecté 5 % de cas de cancer en plus que ses homologues humains et a réduit le nombre de faux positifs de 11 %. Il convient de mentionner que les faux positifs posent un problème particulier dans le diagnostic du cancer du poumon : l'étude de JAMA Internal Medicine sur 2 100 patients indique un taux de faux positifs de 97,5 %. Ainsi, l'IA aide à résoudre l'un des problèmes de diagnostic cruciaux.

Les systèmes AIoT fonctionnent aussi bien pour diagnostiquer le cancer du sein, les maladies de la peau et le cancer de la peau. Mais les possibilités des systèmes intelligents et connectés s'étendent bien au-delà.

Des études récentes ont montré que l'IA peut détecter des maladies héréditaires rares chez les enfants, des maladies génétiques chez les nourrissons, des maladies génétiques faisant monter le cholestérol, des maladies neurodégénératives et prédire le déclin cognitif qui conduit au développement de la maladie d'Alzheimer.

Améliorer les stratégies de traitement et suivre le processus de réadaptation

Suivant le même principe que pour le diagnostic des patients, les systèmes AIoT peuvent aider à développer de meilleures stratégies de traitement et à les ajuster aux besoins du patient.

En combinant les données des protocoles de traitement, l'historique du patient et les informations en temps réel sur le patient provenant d'équipements connectés et de dispositifs portables, des algorithmes intelligents peuvent suggérer des ajustements de dosage, exclure la possibilité qu'un patient développe des allergies et éviter un traitement inapproprié ou excessif. Certains des domaines essentiels où l'AIoT facilite le traitement couvrent :

• Un traitement COVID-19 plus efficace

En surveillant les patients qui ont reçu un diagnostic de COVID-19 via des appareils portables alimentés par l'AIoT qui enregistrent les signes vitaux du corps des patients, les médecins pourraient proposer aux patients des suggestions appropriées, offrant ainsi des soins ambulatoires plus efficaces.

• Traiter les maladies accompagnées de coagulation sanguine

Les appareils de coagulation connectés aident à mesurer le rythme auquel les caillots sanguins se forment, aidant ainsi les patients à s'assurer que les mesures se situent dans leur plage de traitement et réduisant le nombre de visites au cabinet car les mesures peuvent être communiquées aux prestataires de soins à distance et en temps réel.

• Meilleure gestion de l'asthme et de la MPOC

Les maladies respiratoires chroniques (MPOC) touchent environ 500 millions de patients dans le monde. Pour atténuer la gravité de ces conditions, les patients doivent s'en tenir à une routine rigoureuse, et l'utilisation d'inhalateurs en est un élément essentiel. Pourtant, de nombreux patients ne respectent pas les plans de traitement recommandés. Les inhalateurs compatibles AIoT qui sont liés à une application mobile aident à éviter cela, en enregistrant l'heure, la date et le lieu de chaque utilisation. Les données collectées peuvent être utilisées pour configurer des rappels automatiques pour la prochaine utilisation, prévoir les crises d'asthme et identifier les facteurs déclencheurs.

• Gestion optimisée du diabète

Aux États-Unis seulement, 30 millions de personnes sont touchées par le diabète. Et pour eux, les mesures régulières de la glycémie ont toujours été une préoccupation. Les glucomètres implantables sans fil compatibles AIoT atténuent ces inquiétudes en informant les patients - et les médecins - des changements dans la glycémie des patients.

Optimisation des workflows hospitaliers

L'AIoT peut transformer la façon dont les hôpitaux sont gérés, améliorant les flux de travail quotidiens dans les domaines clés suivants :

• Réduire les temps d'attente

Les systèmes automatisés de suivi des lits alimentés par l'AIoT peuvent aider le personnel hospitalier à admettre les patients en urgence le plus rapidement possible en les avertissant lorsqu'un lit est libre. L'expérience des premiers utilisateurs, comme le Mt. Sinai Medical Center à New York, prouve que la technologie peut aider à réduire les temps d'attente pour 50 % des patients des services d'urgence.

• Identifier les patients critiques

L'identification des patients nécessitant une attention immédiate est essentielle pour fournir des soins de qualité. Pour prendre la bonne décision, les médecins doivent analyser de grandes quantités d'informations, tout en étant sous une pression importante. L'AIoT peut aider le personnel médical à hiérarchiser ses efforts. Les systèmes connectés peuvent analyser les signes vitaux des patients et alerter les médecins des patients dont l'état se détériore.

Plusieurs systèmes similaires ont été testés dans des unités de soins intensifs. Par exemple, l'Université de San Francisco a piloté une solution d'IA capable de détecter les premiers signes de septicémie, une infection sanguine mortelle. Les résultats de la recherche ont montré que les patients dont les traitements impliquaient l'IA étaient 58 % moins susceptibles de développer l'infection ; et le taux de mortalité a été réduit de 12 %.

• Suivi du matériel médical

Grâce au suivi des équipements compatible AIoT, les hôpitaux peuvent réduire le risque de perte d'équipements médicaux critiques et prendre des décisions plus éclairées en matière de gestion des équipements, exploitant ainsi 12 000 $ d'économies par lit et par an. Les équipements médicaux critiques peuvent être suivis via des systèmes RFID ou GPS à l'intérieur et à l'extérieur de l'hôpital, tandis que le personnel médical et administratif peut utiliser des applications Web et mobiles pour localiser rapidement l'équipement nécessaire.

Fabrication

Activation de la maintenance prédictive

Avec des machines équipées de capteurs AIoT mesurant divers paramètres, notamment la température, la pression, les vibrations, la vitesse de rotation, etc., les fabricants peuvent obtenir des informations en temps réel sur la santé de leurs actifs et planifier la maintenance en fonction des besoins réels.

Alors que les analyses de base suffisent souvent à détecter les équipements qui approchent d'un seuil de fonctionnement critique, l'IA peut prédire les anomalies à l'avance sur la base des données historiques de maintenance et de réparation. Grâce à la maintenance prédictive, selon un rapport de PwC, les fabricants peuvent améliorer la disponibilité des équipements de 9 %, réduire les coûts de 12 %, réduire les risques de sécurité de 14 % et prolonger la durée de vie de leurs actifs de 20 %.

Améliorer la gestion des performances des actifs

Avec un système AIoT en place, les fabricants peuvent obtenir des mises à jour régulières sur les performances de leurs actifs et approfondir les raisons des changements de performances. La majorité des systèmes de gestion des performances des actifs basés sur l'IoT permettent de recevoir des alertes automatisées chaque fois qu'un équipement s'écarte des KPI définis.

Le moteur d'intelligence artificielle, à son tour, aide à rechercher les raisons de la détérioration des performances, le cas échéant, et à déterminer s'il est raisonnable de suivre les KPI mesurés dans chaque contexte individuel. À l'aide d'un logiciel de gestion des performances, les fabricants optimisent l'utilisation de l'équipement et améliorent l'efficacité globale de l'équipement.

Booster la planification de la production avec des jumeaux numériques

Selon Gartner, les jumeaux numériques peuvent aider les fabricants à améliorer d'au moins 10 % l'efficacité de leur production. Une copie numérique d'un actif, d'un système ou d'un processus, un jumeau numérique industriel compatible AIoT peut aider les fabricants à obtenir une visibilité de bout en bout sur les opérations de l'atelier et à repérer en temps opportun et même à prévoir les inefficacités.

Les entreprises manufacturières utilisant des jumeaux numériques déclarent qu'elles pourraient obtenir des améliorations durables, notamment une augmentation de la fiabilité de 93 % à 99,49 % sur deux ans, une réduction de la maintenance reçue de 40 % et une économie de 360 ​​000 $ après avoir prévu une panne de courant.

Automatisation des opérations d'atelier via la robotique industrielle

Les robots industriels font partie de l'atelier depuis longtemps. Les solutions IoT de fabrication devenant plus accessibles, les robots deviennent plus intelligents et plus indépendants. Équipée de capteurs et s'appuyant sur l'IA, la robotique industrielle est désormais capable de prendre des décisions de production en toute connaissance de cause, augmentant ainsi l'efficacité des unités de fabrication.

Automobile et transport

Gestion du trafic

L'AIoT peut être utilisé pour réduire les embouteillages et améliorer la qualité des transports. La ville de Taipei, par exemple, a exploité l'AIoT pour surveiller et contrôler l'équipement de signalisation à 25 conjonctions. Dans ce système, des capteurs intelligents et des caméras vidéo ont recueilli des données en temps réel sur le trafic, le flux humain et l'occupation des routes, tandis que des algorithmes d'intelligence artificielle analysaient ces données et appliquaient une logique de contrôle appropriée.

Cette approche a aidé l'administration municipale à optimiser la fluidité du trafic et à garantir une expérience de conduite sûre et fluide.

Véhicules autonomes

Les véhicules autonomes et les systèmes avancés d'aide à la conduite (ADAS) sont des exemples notables d'algorithmes d'IA interprétant et agissant sur des données IoT en temps réel.

Les voitures autonomes ou autonomes créent une carte de leur environnement basée sur les données de divers capteurs. Les capteurs radar, par exemple, surveillent la position des véhicules à proximité ; les caméras vidéo détectent les feux de circulation, les panneaux de signalisation, les autres véhicules et les piétons ; les capteurs lidar mesurent les distances, détectent les bords de route et identifient les marquages ​​au sol.

Le logiciel AI traite ensuite les données du capteur, trace un chemin optimal et envoie des instructions aux actionneurs de la voiture, qui contrôlent l'accélération, le freinage et la direction. Les règles codées en dur, les algorithmes d'évitement d'obstacles, la modélisation prédictive et la reconnaissance d'objets aident le logiciel à suivre les règles de circulation et à surmonter les obstacles.

Principaux défis de mise en œuvre de l'AIoT et comment les résoudre

Sur tous les projets IoT mis en œuvre dans le monde, 76 % échouent, dont 30 % échouent dès la phase de preuve de concept. Pour éviter de diriger les investissements vers des initiatives vouées à l'échec, les entreprises testant les eaux AIoT doivent être conscientes des défis communs qui peuvent entraver leurs implémentations AIoT. Les obstacles rencontrés le plus souvent par les entreprises concernent :

Se lancer dans un voyage AIoT sans objectif clair en tête. En lançant des projets AIoT, les organisations peuvent être prises dans la nouveauté et ne pas évaluer la faisabilité de leurs idées. Cela, à son tour, pourrait entraîner une augmentation incontrôlée des coûts aux derniers stades de développement et, en fin de compte, des parties prenantes insatisfaites. Pour éviter cela, nous vous conseillons de commencer votre projet AIoT par une phase de découverte, au cours de laquelle les idées peuvent être examinées et évaluées par rapport aux objectifs commerciaux définis, aux attentes des clients et aux capacités organisationnelles.

Luttant pour choisir une stratégie de mise en œuvre optimale. Comme indiqué précédemment, les solutions AIoT peuvent être mises en œuvre sous forme de systèmes cloud, de périphérie ou hybrides. Lors de la rédaction de la stratégie de mise en œuvre, pesez soigneusement les exigences de bande passante, de latence et de vitesse pour la future solution et comparez-les aux coûts fixés. La règle d'or est pour les déploiements en périphérie pour les systèmes critiques couvrant un grand nombre d'appareils et s'appuyant sur le cloud au cas où une latence minimale et une bande passante élevée seraient moins critiques.

Des cycles de déploiement lents avec des coûts difficiles à estimer. Les projets AIoT nécessitent un engagement à long terme. Selon un cas d'utilisation particulier, le processus de mise en œuvre peut prendre plusieurs mois à plusieurs années. Le paysage technologique évoluant rapidement, il existe un risque qu'une solution devienne obsolète au moment où elle est pleinement opérationnelle, ainsi que de perdre le contrôle des coûts de mise en œuvre. Pour éviter cela, les entreprises doivent être suffisamment agiles pour pouvoir introduire des changements en cours de route.

La nécessité de connecter des systèmes très hétérogènes et complexes. En fonction de l'échelle de votre future solution et du secteur dans lequel vous opérez, vous devrez peut-être connecter des équipements hérités très hétérogènes à l'AIoT. Souvent une tâche difficile à accomplir, elle nécessite une planification et une compréhension des options disponibles. Par exemple, vous pouvez choisir d'attacher des capteurs aux anciennes machines, de les connecter via des passerelles ou même de les remplacer complètement. Quelle que soit l'approche, assurez-vous de rédiger les scénarios de numérisation réalisables dès le début.

Ne pas avoir assez de données pour former des algorithmes d'IA. Pour générer des informations fiables, les algorithmes d'IA doivent être entraînés sur de grandes quantités de données. Si elles ne sont pas disponibles en quantités suffisantes (ou sont disponibles mais ne peuvent pas être utilisées pour des raisons de confidentialité), vous devrez utiliser d'autres stratégies pour compenser le manque de données. Les méthodes courantes incluent l'apprentissage par transfert (pensez : utiliser un réseau de neurones déjà formé qui résout un problème similaire), l'augmentation des données (modifier les échantillons existants pour obtenir de nouvelles entrées de données) ou le recours à des données synthétiques.

Luttant pour atteindre les performances suffisantes du système AIoT. Les performances des systèmes AIoT dépendent d'un ensemble de facteurs, notamment les capacités matérielles, la charge de données, l'architecture du système, l'approche de mise en œuvre, etc. Pour éviter les problèmes de performances en cours de fonctionnement, planifiez à l'avance les charges de données potentielles et ajustez la stratégie de mise en œuvre en conséquence.

Corriger les vulnérabilités des logiciels et des micrologiciels. De nombreux projets AIoT échouent car la sécurité des données, des appareils, des serveurs et des réseaux de communication n'a pas été prise en compte lors de la phase de planification. Si vous traitez des données très sensibles, envisagez des déploiements hybrides, où les données sont traitées plus près de la source, afin de minimiser le risque qu'elles soient compromises pendant le transit ou dans le cloud.

Si vous avez des questions sans réponse sur l'intelligence artificielle des objets ou si vous envisagez déjà de vous lancer dans une démarche de mise en œuvre de l'AIoT, contactez nos experts.

Publié à l'origine sur https://itrexgroup.com le 30 août 2022.