fr.wedoany.com Rapport : Shell adoptera les agents intelligents de C3 AI pour passer de la détection d’anomalies à une maintenance prédictive entièrement automatisée.
Le géant mondial de l’énergie utilise déjà la suite C3 AI Reliability Suite, qui surveille plus de 30 000 équipements, couvrant les opérations amont et aval. Shell prévoit de s’appuyer sur des agents intelligents autonomes pour gérer l’ensemble du cycle de vie de la maintenance, de l’alerte de panne à la réalisation des réparations, en automatisant entièrement le processus, éliminant ainsi le besoin de supervision humaine et garantissant une allocation précise des ressources.
Stephen Ehikian, président de C3 AI, a déclaré que l’extension de la collaboration avec Shell démontre l’impact de l’IA d’entreprise déployée à l’échelle mondiale dans les opérations de maintenance prédictive, notamment la réduction des arrêts non planifiés et la création de centaines de millions de dollars de valeur économique. Il a souligné que Shell a déjà mis en place un programme mature de maintenance prédictive basé sur l’IA sur sa plateforme, et que les deux parties travaillent ensemble pour faire progresser l’IA agentique afin de transformer la fiabilité, la sécurité, l’efficacité et la performance opérationnelle.
Initialement, Shell utilisait l’apprentissage automatique pour identifier les schémas anormaux dans les données des capteurs, alertant les ingénieurs avant une panne d’équipement. Le système ingère d’importants volumes de données opérationnelles en temps réel et les combine avec le contexte métier provenant de plateformes ERP telles que SAP. La nouvelle génération du cadre introduit des agents IA conçus pour le raisonnement et l’action autonome : lorsqu’une anomalie apparaît, l’agent enquête de manière autonome sur la cause profonde de l’alerte, rédige un ordre de travail précis après identification, confirme la disponibilité des pièces en stock et génère une demande d’achat.
La plateforme C3 AI offre un espace piloté par modèle qui intègre les données haute fréquence des capteurs avec les journaux financiers et de maintenance structurés. Les capacités d’IA sont entraînées à apprendre les lignes de base de fonctionnement normal des pompes, turbines, compresseurs et autres équipements. La couche agentique fonctionne au-dessus de cela : les opérateurs configurent les agents en définissant des objectifs et en autorisant des réponses. Lorsque le modèle d’apprentissage automatique central détecte un écart par rapport au fonctionnement normal, l’agent s’active et collecte des données contextuelles telles que l’historique de maintenance, les conditions environnementales et les variables de processus en amont, proposant un plan de réparation que l’opérateur humain approuve ou rejette. À mesure que la fiabilité du système augmente, Shell peut mettre en œuvre des réponses entièrement automatisées pour certaines alertes, l’agent se connectant directement à des systèmes comme SAP et fonctionnant dans les flux de travail existants.
Le déploiement à grande échelle de l’IA agentique résout le problème du « dernier kilomètre » de la maintenance prédictive. De nombreuses entreprises industrielles peuvent prédire les pannes, mais transformer ces informations en actions reste un défi : les ingénieurs doivent filtrer manuellement les alertes, enquêter sur les causes et rédiger les ordres de travail. En traitant l’analyse des causes profondes et la génération d’ordres de travail via l’IA, Shell réduit le délai entre la prédiction de la panne et la réparation effective, améliorant ainsi le temps de fonctionnement des équipements. Le modèle de maintenance uniquement lorsque l’état de l’équipement le nécessite réduit les coûts, évite de gaspiller de la main-d’œuvre sur des machines en bon état et prolonge la durée de vie des équipements. L’intervention avant qu’une catastrophe ne se produise améliore également la sécurité opérationnelle et la gestion des risques environnementaux.
Sandy Gupta, vice-président du développement logiciel GISV chez Microsoft, a commenté que l’IA d’entreprise construite par Shell et C3 AI sur Azure ces dernières années a atteint des applications réelles, est entrée en production et a apporté une valeur mesurable. Ce déploiement étendu montre que les flux de travail de production de l’IA industrielle passent des discussions algorithmiques à une phase pratique, la valeur provenant de la capacité du système à agir avec presque aucune supervision humaine.
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
