L’intelligence artificielle est en train de faire évoluer les métiers du travail des métaux. Les régleurs de machines-outils sont particulièrement intéressés, mais également toutes les professions liées à l’automatisation des procédés de fabrication. Voici quelques pistes de réflexion à ce sujet.

Ce qu’on appelle l’intelligence artificielle, ou IA, touche tous les secteurs, depuis l’industrie jusqu’aux activités quotidiennes. Dans les ateliers de fabrication mécanique, la gestion des moyens de production, la programmation des machines, la robotisation des procédés de fabrication, de contrôle et d’assemblage sont déjà exploitées et connues. Ce qui l’est moins, c’est la capacité des machines – au sens large du terme – à l’apprentissage, appelé machine-learning. Grâce à ce type de structure numérique, les machines deviennent plus autonomes et « intelligentes », capables d’autogérer leurs fonctionnalités. Cette tendance impacte directement les métiers, dont l’objectif visait justement à contrôler leur bon fonctionnement, comme les régleurs, les opérateurs de maintenance, mais aussi les ingénieurs méthodes ou de bureaux d’études. Loin de pénaliser ces métiers, le machine-learning se révèle une aide précieuse pour l’Homme, afin de faire évoluer son travail vers plus de créativité et une meilleure valeur ajoutée. Encore faut-il connaître les fondements du concept.

Des algorithmes qui échappent à l’informaticien créateur

Selon Gérard Berry, professeur au Collège de France, chaire algorithmes, machines et langages, « un algorithme, c’est tout simplement une façon de décrire dans ses moindres détails comment procéder pour faire quelque chose. Il se trouve que beaucoup d’actions mécaniques, toutes probablement, se prêtent bien à une telle décortication. Le but est d’évacuer la pensée du calcul, afin de le rendre exécutable par une machine numérique pilotée par ordinateur ». L’intelligence artificielle d’une machine apprenante provient de la commande numérique, éventuellement d’ordinateurs complémentaires et des logiciels qui interviennent dans le pilotage des axes et fonctions numérisés. Chacun de ces « individus numériques » est constitué de plusieurs couches d’algorithmes qui interagissent entre eux. Ces algorithmes sont constitués de codes sources, qui récupèrent les milliers de données fournies par les différents capteurs, analysent ces données et les traitent mathématiquement.
Les codes exécutables, en fonction de ces analyses, vont déterminer les actions à effectuer pour atteindre le but fixé. Si l’analyse, le traitement des données et l’objectif sont clairement définis, par exemple pour obtenir la réalisation d’une pièce conforme au centre des tolérances de la forme géométrique définie en CAO, l’interaction des algorithmes menant à un résultat parfait dépasse la connaissance même du programmeur qui les a conçus. Les mathématiques et les statistiques permettent de travailler dans une espace à plus de trois dimensions (accessible à la compréhension humaine). Les algorithmes n’ont aucune difficulté à manipuler plusieurs centaines de caractéristiques simultanément.
Le machine-learning ajoute à ces algorithmes la capacité à apprendre par lui-même. Par exemple, il peut apprendre le comportement d’une machine, sa stabilité, sa dérive pour mieux l’anticiper. Travailler dans un espace vectoriel de grande dimension, tout en étant capable d’anticiper le futur, permet à ces algorithmes de fournir une aide précieuse dans le pilotage des machines et leurs fonctions support. Seul le résultat prouve la validité des définitions algorithmiques. Dans le domaine de la fabrication mécanique, ce phénomène aléatoire importe peu, car il n’impacte aucune notion d’éthique. Mais les opérateurs concernés, au sens large du terme, doivent savoir que cette sorte de « hasard » informatique existe. Maurice Pillet, professeur à l’université Savoie Mont-Blanc et développeur d’algorithmes avec le laboratoire SYMME, pour l’autoapprentissage en usinage complexe, le disait récemment au sujet du logiciel Elisetting : « Nous ne savons pas comment les algorithmes que nous avons créés parviennent à centrer des cotes multiples au centre des tolérances avec une telle efficacité. Mais le résultat dépasse nos espérances ! » Dont acte.

Une nouvelle confiance entre l’Homme et la machine

Les régleurs et agents de maintenance intervenant sur des machines complexes (tours multibroches, machines transfert, CU 5 axes, tour-fraiseurs…) connaissent bien la cinématique de leur machine, aussi bien que la réaction de leur structure mécanique. En plus d’être de vrais professionnels, les régleurs qui parviennent à produire des pièces bonnes sur des machines multiaxes, avec réalisation de formes intérieures et extérieures, sont aujourd’hui de véritables artistes. Mais, que ce soit lors du réglage pour les premières pièces, ou lors de dérives, une correction d’outil entraîne souvent le déport d’une autre cote de la pièce réalisée par le même outil, ou par un autre outil sur le même porte-outil. L’introduction sur le marché de systèmes numériques de mesure des pièces et réglage automatique des correcteurs d’outils corrige ces défauts, ce qui impactera profondément ce métier.
La surveillance vibratoire et thermique des axes, le diagnostic électronique à distance, la prédiction numérique des interventions avant panne favorise un fort TRS (taux de rendement synthétique) des machines, mais aussi le métier des professionnels de leur maintenance. Les concepteurs de machines-outils, les bureaux d’études, les ingénieurs méthodes, les outilleurs aussi bien que tous les techniciens d’atelier en quête d’évolution professionnelle peuvent profiter de ce raz-de-marée algorithmique annoncé. En premier lieu, les entrepreneurs eux-mêmes doivent adapter leur stratégie, la gestion des ressources humaines à cette évolution. Le travail collaboratif doit devenir une règle, basée sur la confiance des résultats obtenus par la chaîne numérique de gestion des machines. La transmission instantanée des informations à toutes les étapes décisionnelles permet une communication rapide et efficace, supprimant la réunionite chronophage des entreprises. L’intelligence artificielle devient alors support de l’intelligence humaine, pour que celle-ci puisse transcender sa créativité et son efficience.

Imaginer et former les métiers de demain

Au-delà des entreprises, c’est aussi tout le cadre de la formation technologique qui doit précéder ce mouvement, en relation directe avec les entreprises et leurs besoins. Car si les métiers d’aujourd’hui doivent évoluer, ceux de demain doivent se préparer dès maintenant. Il faut naturellement maintenir, voire renforcer l’apprentissage des bases fondamentales, comme un enfant apprend à marcher avant de devenir un athlète à l’âge adulte. Muni de ce savoir, s’inspirant du savoir-faire de leurs aînés, les mécaniciens de demain doivent acquérir cette confiance dans la chaîne numérique globale, en comprenant son fonctionnement, en sachant l’améliorer en permanence par l’échange de leurs connaissances avec celle des programmeurs des systèmes algorithmiques. Ce sont ces nouveaux savoir-faire collaboratifs qui pourront renforcer la créativité humaine, appuyée par les calculs de son collaborateur numérique.