Forum Québec-New York : l’IA trouve peu à peu sa place dans le transport et la fabrication

L’intelligence artificielle est sans doute l’un des grands phénomènes technologiques du moment. Lors du Québec–New York Transportation Rendez-vous and B2B tenu à Plattsburgh le 10 mars, un panel consacré à l’IA dans le transport et la fabrication a cherché à ramener la discussion au concret.

Le message des panélistes :  l’IA n’est pas un miracle, bien au contraire. À plusieurs reprises, ils ont insisté sur le même point : l’IA peut être un outil puissant et très concret, mais seulement si les entreprises savent quel problème elles cherchent à résoudre, disposent des données nécessaires et maintiennent l’humain au cœur du processus.

Commencer par le problème, pas par la technologie

Une des raisons pour lesquelles l’IA demeure confuse pour plusieurs entreprises, c’est que le terme regroupe différentes technologies souvent amalgamées.

Rick Lloyd, consultant en services marketing chez FuzeHub, a proposé une explication simple. « L’apprentissage automatique est la manière dont l’IA s’éduque elle-même », a-t-il expliqué. Les systèmes ingèrent des données et en tirent des modèles.

À partir de là, l’IA prédictive utilise ces modèles pour anticiper ce qui pourrait se produire. L’IA générative, celle que le grand public connaît le mieux grâce à des outils comme ChatGPT, sert à créer du contenu. Enfin, l’IA agentique peut aller plus loin et exécuter des actions au nom d’un utilisateur ou d’une organisation.

Mais pour Nima Golghamat Raad, professeur adjoint en génie et gestion de la chaîne d’approvisionnement à Clarkson University, cette classification n’est pas le point de départ le plus important.

«La première chose à déterminer, c’est le type de question auquel on veut répondre», a-t-il expliqué. Ce n’est qu’ensuite que l’on peut choisir quel type d’IA est approprié.

Si l’objectif est de résumer des documents ou produire des brouillons de texte, l’IA générative peut suffire. Si l’on cherche à prévoir la demande ou à anticiper des pannes, l’IA prédictive et l’apprentissage automatique sont plus pertinents. Si l’on veut automatiser des flux de travail ou connecter un système d’IA aux procédures internes d’une entreprise, l’IA agentique peut offrir davantage de valeur.

Ce principe peut sembler évident, mais il reflète l’un des thèmes majeurs du panel : trop d’organisations commencent par la technologie plutôt que par le problème d’affaires.

Un défi vieux de plusieurs décennies dans le transport collectif

L’exemple le plus concret présenté lors de la discussion est venu de Pierre Deslauriers, PDG d’Infodev Electronic Designers International à Québec, dont l’entreprise travaille depuis des décennies sur un problème étonnamment complexe dans le transport collectif : compter les passagers avec précision.

Infodev travaillait déjà dans ce domaine depuis près de 30 ans avant d’intégrer davantage l’IA vers 2016. Cette évolution a permis une percée importante.

«Nous sommes maintenant capables d’atteindre une précision de détection des humains de 99,9 %», a expliqué Deslauriers.

Cette précision ouvre la porte à d’autres applications : gestion de l’occupation des véhicules, analyse des flux de passagers et planification plus fine des services. Le système peut traiter les images à bord des véhicules et les supprimer immédiatement, sans utiliser de reconnaissance faciale.

Mais M. Deslauriers a insisté sur un point : cette réussite n’est pas apparue du jour au lendemain. «Il n’y a rien de magique», a-t-il dit.

Il a comparé l’IA à un stagiaire : rapide et utile, mais qu’il faut superviser et corriger.

L’IA pour gérer l’incertitude

Du côté de la fabrication et de la gestion de la chaîne d’approvisionnement, M. Raad a identifié plusieurs applications concrètes : prévision de la demande, maintenance prédictive, gestion des connaissances, documentation des projets et optimisation en temps réel.

Mais l’avantage principal de l’IA réside, selon lui, dans sa capacité à gérer l’incertitude.

Dans la réalité opérationnelle, les entreprises doivent constamment prendre des décisions avec des informations incomplètes. La demande évolue, les conditions changent et les perturbations apparaissent.

«L’IA peut détecter ces changements très rapidement et réoptimiser les décisions», a-t-il expliqué.

Par exemple, dans la maintenance industrielle, des capteurs peuvent mesurer les vibrations, les bruits ou les images d’une machine. Si une anomalie apparaît, l’IA peut l’identifier rapidement et alerter les équipes techniques.

Mais M. Raad a aussi lancé un avertissement : l’IA ne doit pas être perçue comme une solution miracle. «Il ne faut pas voir l’IA comme une baguette magique qui va tout organiser», a-t-il averti.

L’humain garde un rôle central

Les intervenants ont d’ailleurs insisté à plusieurs reprises sur la complémentarité entre humains et IA.

Pierre Deslauriers a résumé la situation simplement : aujourd’hui, les systèmes d’IA sont très bons pour répondre aux questions, mais beaucoup moins pour en formuler.

«L’humain restera présent pour la créativité, parce que l’IA n’est pas réellement créative pour l’instant», a-t-il expliqué.

M. Raad abonde dans le même sens. L’IA peut accélérer les analyses et automatiser certaines tâches, mais les décisions complexes, les cas rares et les considérations éthiques nécessitent encore l’intervention humaine.

Pour les entreprises qui souhaitent adopter l’IA mais ne savent pas par où commencer, Rick Lloyd recommande une approche progressive.

« Commencez petit et choisissez un projet facile à réussir », a-t-il conseillé.

Cela peut être l’automatisation de tâches répétitives, la préparation de rapports ou la rédaction de premières ébauches de documents.

L’objectif est de se familiariser avec l’outil avant de s’attaquer à des projets plus complexes.

Enfin, les intervenants ont souligné que l’adoption de l’IA dépendra surtout de la préparation des organisations.

Pour M. Raad, la priorité sera d’améliorer la qualité des données. «Les données sont la base de l’IA», a-t-il expliqué. « Si les données sont mauvaises, les résultats le seront aussi. »

Le leadership est également crucial : les dirigeants doivent comprendre les capacités réelles de l’IA et investir de manière réfléchie.

Rick Lloyd a ajouté que les questions de sécurité, de confidentialité et de gouvernance des données doivent être prises au sérieux dès le départ.