fr.wedoany.com Rapport : WSP Intelligence artificielle (IA) explique comment l’organisation utilise des outils d’apprentissage automatique numériques pour remodeler la maintenance des infrastructures au Royaume-Uni. L’idée centrale est que l’IA ne doit pas remplacer les ingénieurs, mais être utilisée pour accomplir des tâches fastidieuses à grande échelle que les humains ne peuvent pas traiter.
Dan Scott, scientifique principal des données et responsable de l’IA chez WSP Royaume-Uni et Irlande, et James Montrose, responsable du conseil numérique, décrivent comment cette société de conseil utilise l’IA pour numériser des décennies de documents papier et accélérer l’exécution des tâches quotidiennes. La stratégie IA de WSP comporte deux axes : d’une part, développer les compétences IA de ses propres employés, et d’autre part, collaborer avec les clients pour optimiser les flux de travail. Cela inclut un partenariat avec Microsoft et la création de prototypes d’outils via un accélérateur IA dédié, afin de mettre en œuvre des projets pilotes réussis.
Scott indique que WSP a déployé Microsoft Copilot auprès de ses employés au Royaume-Uni il y a environ 18 mois à deux ans, et évalue en continu son taux d’adoption et ses bénéfices. Grâce aux codes de temps utilisés dans la facturation des conseils, l’entreprise suit le temps consacré à des activités non liées aux projets, comme le travail administratif et les comptes rendus de réunions. Elle constate que les employés utilisant Copilot plus d’une fois par mois économisent en moyenne environ 165 minutes par semaine. Actuellement, WSP teste un système plus strictement contrôlé, offrant des fonctionnalités similaires tout en gérant les risques potentiels liés aux données de l’IA. En interne, l’IA est utilisée pour automatiser les comptes rendus de réunions, les tâches administratives et les recherches simples dans les documents. Scott explique que ces tâches à faible charge cognitive et de longue durée constituent le « point idéal » de la technologie actuelle, car le temps qu’elles nécessitent s’accumule et frustre les ingénieurs.
Dans le domaine ferroviaire, WSP collabore avec Network Rail pour construire une base IA destinée à la maintenance prédictive des actifs vieillissants et à la planification des investissements à long terme. Les deux parties utilisent actuellement des outils IA pour filtrer de vastes quantités de données liées aux actifs, telles que des rapports numérisés, des images et des notes manuscrites, stockées dans SharePoint ou des entrepôts distants. En discutant de ce travail, Scott demande : « Est-il possible d’utiliser l’IA pour prédire quelles pièces je dois réparer et quand ? » Il précise qu’en réalité, il faut d’abord utiliser l’IA pour réparer les données de base, les structurer, avant de pouvoir entamer ce type de discussions. La technologie développée par WSP convertit les scans en données accessibles et relie les historiques, les données opérationnelles en temps réel et les systèmes de gestion des actifs. En matière de gestion des défauts, Scott décrit la complexité du processus actuel : quelqu’un identifie un défaut, le quantifie, propose une réparation, puis un ordre de travail est créé et exécuté, mais cette chaîne est difficile à suivre car elle a longtemps été gérée uniquement via des rapports écrits par les ingénieurs sur le terrain. De plus, WSP combine les enregistrements de défaillances d’actifs avec les données climatiques du Met Office britannique pour construire des modèles prédictifs déterminant quand et où les actifs tomberont en panne en cas de conditions météorologiques extrêmes. Montrose explique que ce modèle soutient la planification des dépenses opérationnelles et d’investissement, citant un récent incident de perturbation à Londres dû à une forte chaleur.
Dans le secteur de l’eau, WSP a développé pour Northumbrian Water un projet d’assistant IA nommé Wisdom. Cet agent IA répond aux questions opérationnelles en intégrant différentes informations issues des ressources de l’entreprise, par exemple en identifiant l’emplacement d’une pompe sur site, en affichant son débit actuel et ses performances historiques, et en récupérant les enregistrements de maintenance et les spécifications de conception. Scott mentionne que Northumbrian Water fait face à d’importants besoins d’investissement dans les cinq à dix prochaines années, tandis que son personnel vieillit et qu’une grande partie des connaissances opérationnelles est détenue par des employés proches de la retraite. Le système Wisdom peut être considéré comme un ChatGPT pour dialoguer avec les actifs. Outre le nettoyage et l’interrogation des historiques, Scott décrit l’utilisation de l’IA pour explorer des millions de combinaisons de dépenses et de facteurs de pression, afin d’explorer des espaces de problèmes complexes que les humains ne peuvent pas aborder seuls, et de trouver des stratégies et solutions pour le secteur de l’eau.
Montrose souligne que l’essentiel de l’utilisation de l’IA est d’améliorer la chaîne de valeur de chacun, de favoriser de meilleures conversations et de comprendre les impacts, plutôt que de simplement convaincre les autres. Scott réaffirme le principe de l’entreprise d’ingénierie : ne jamais utiliser l’IA pour faire ce que l’on ne peut pas faire soi-même. Ce principe guide la manière dont WSP permet aux ingénieurs d’utiliser les outils IA, notamment en encourageant la formation à la programmation pour garantir que les ingénieurs puissent comprendre et valider les applications de codage de l’IA.
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
