fr.wedoany.com Rapport : Motive Technologies estime que le prochain défi de l'industrie de la gestion de flotte n'est plus de collecter des données, mais d'agir sur la base de celles-ci. Alors que le volume de données générées par les systèmes de télémétrie, les caméras et les capteurs continue de croître, le directeur technique, Amish Babu, estime que plus de 90 % du travail d'ingénierie de Motive implique l'intelligence artificielle (IA). Il souligne que les flottes deviennent « riches en données, mais pauvres en temps ».
Lors d'un entretien accordé à la conférence Motive Vision à Nashville, Babu a indiqué que l'entreprise ne considère pas l'IA comme un produit indépendant, mais l'intègre dans presque tous les domaines de sa plateforme. La stratégie s'articule autour de deux thèmes : l'intégration et l'automatisation. Le cofondateur et PDG, Shoaib Makani, a exposé lors de son discours liminaire les deux « étoiles polaires » de l'entreprise : l'intégration vise à briser les silos de données pour créer une vue unifiée des opérations couvrant les véhicules, les conducteurs, les équipements et les dépenses ; l'automatisation, quant à elle, cherche à réduire le travail manuel et le temps de réponse nécessaires après la détection d'un problème. Makani a souligné que de nombreuses décisions importantes dans les flux de travail reposent encore sur la capacité des gestionnaires à identifier d'abord les problèmes et à décider des actions, et que la réponse est souvent limitée par « les limites de l'attention humaine ». Cette année, l'entreprise a étendu cette stratégie du logiciel au matériel, en lançant les plateformes AI Dashcam Plus et AI Omnicam Plus.
Le directeur des produits, Robert Higdon, a ajouté que les clients souhaitent de plus en plus simplifier leurs flux de travail existants, plutôt que d'ajouter davantage de tableaux de bord ou de produits indépendants. Cette approche a influencé de nombreux produits dévoilés lors de la conférence Vision, allant de l'intégration de la télémétrie et des caméras en un seul appareil, à la connexion des données de sécurité, de maintenance, de conformité et de gestion des conducteurs via des outils pilotés par l'IA, avec pour objectif de réduire le nombre de systèmes indépendants que les gestionnaires doivent gérer.
Le besoin de contexte est une autre raison pour laquelle Motive investit massivement dans l'IA. Babu estime que les opérations de flotte présentent des défis uniques, car de nombreuses décisions doivent être prises en temps réel. Il a expliqué ce qui pousse Motive à investir dans l'informatique de périphérie, permettant aux modèles d'IA de fonctionner directement sur les appareils embarqués dans les véhicules, plutôt que de dépendre entièrement du traitement dans le cloud. La dernière plateforme matérielle de l'entreprise, le processeur Qualcomm DragonWing, peut exécuter simultanément 20 à 30 modèles d'IA, surveillant en temps réel des comportements tels que l'utilisation du téléphone, la fatigue, le port de la ceinture de sécurité, le franchissement de ligne, la distance de suivi et les risques de collision frontale. L'exécution simultanée de plusieurs modèles permet au système d'identifier plusieurs risques à la fois et de fournir un retour immédiat au conducteur.
La même approche soutient également les technologies de sécurité prédictive, comme le système anticollision publié pour AI Dashcam Plus. Cette plateforme utilise la vision stéréoscopique de deux caméras avant pour estimer la profondeur, à la manière de l'œil humain. Le système ne se contente pas de détecter la position des objets, mais tente également de prédire la direction probable de leur prochain mouvement. Lors de la conférence, Motive a lancé l'assistant IA Atlas, capable d'analyser les données de sécurité, de carburant, de conformité et de maintenance, de générer des recommandations, d'automatiser les flux de travail de gestion, de coordonner les tâches opérationnelles et d'aider les conducteurs via des commandes vocales. Atlas intégrera bientôt des systèmes d'IA générative externes, tels que ChatGPT, Claude, Gemini et Microsoft Copilot, via le protocole de contexte de modèle (MCP).
Concernant les préoccupations liées aux hallucinations, aux autorisations et aux limites des données apportées par l'IA générative, Babu a déclaré que l'entreprise fait de la sécurité et de la précision des données une exigence fondamentale. Les données clients et les informations personnelles identifiables ne sont utilisées qu'avec l'autorisation du client et sont gérées via une infrastructure de sécurité dédiée. Pour les systèmes d'IA liés à la sécurité fonctionnant à bord des véhicules, Babu a indiqué qu'aucune hallucination ou inexactitude n'est tolérée. La précision de la reconnaissance technique atteint 95 à 99 %, et des services d'annotation manuelle sont également fournis, permettant d'atteindre une précision quasi parfaite de 100 % lorsque les données sont présentées à la flotte. Lorsque l'IA passe de la détection d'événements opérationnels à la génération de rapports via des interfaces conversationnelles comme Atlas, les défis sont légèrement différents, mais le jugement humain joue toujours un rôle important. Babu estime que les processus manuels traditionnels sont déjà sujets aux erreurs humaines, et que les normes de précision de l'IA de l'entreprise sont assez élevées.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
