Samsara mise sur l’IA pour optimiser les décisions d’entretien des flottes

Samsara a constaté que, pour certaines flottes, l’entretien peut représenter environ 10% des coûts d’exploitation. Pourtant, déterminer quelles réparations nécessitent une intervention immédiate repose encore largement sur l’expérience, les manuels d’entretien et le jugement des techniciens.

Lors de sa conférence Beyond, à Las Vegas, l’entreprise a dévoilé Maintenance Insights, un outil conçu pour aider les flottes à aller au-delà du simple décodage des codes de défaillance. Il évalue la gravité des problèmes, estime les coûts de réparation, détermine si les réparations sont couvertes par la garantie et modélise les conséquences possibles si un problème n’est pas corrigé.

Cette annonce s’inscrit dans la stratégie plus large de Samsara visant à utiliser l’intelligence artificielle (IA) pour «automatiser les tâches répétitives» du quotidien. Tout au long de la conférence d’ouverture, les dirigeants de l’entreprise ont soutenu que les flottes recueillent plus de données que jamais sur leurs véhicules et leur matériel, mais qu’elles manquent souvent de temps pour les interpréter et en tirer des actions concrètes.

L’entretien n’était qu’un des exemples présentés.

Sanjit Biswas, cofondateur et PDG de Samsara, a décrit des situations où les techniciens arrivent souvent au travail avant l’aube pour examiner les rapports d’inspection, analyser les voyants de vérification du moteur et déterminer quels véhicules doivent être pris en charge en priorité. Selon lui, bon nombre de ces décisions reposent encore sur l’expérience et des processus manuels.

Pour démontrer le fonctionnement de Maintenance Insights, Sanjit Biswas a présenté une démonstration mettant en scène une flotte de plus de 1 000 véhicules.

Au lieu de présenter aux gestionnaires une longue liste d’alertes et de codes de défaillance, la plateforme établit automatiquement les priorités en fonction du degré d’urgence, en indiquant quels véhicules nécessitent une intervention immédiate et lesquels peuvent attendre.

Il a ensuite sélectionné un camion en particulier, un Freightliner Cascadia 2024 équipé d’un moteur Detroit DD13. Le véhicule avait généré le code de défaillance 3251, associé à un problème de capteur de pression du système d’échappement.

«Je ne sais pas pour vous, mais je ne suis pas mécanicien diesel. C’est donc vraiment pratique d’avoir un outil capable de décoder ce genre de numéros plutôt obscurs», a déclaré Sanjit Biswas alors que le code s’affichait à l’écran. «Le système a essentiellement interprété le manuel d’entretien pour expliquer ce que signifie le code 3251. Il y a beaucoup d’information à l’écran. Il indique précisément à quoi correspond ce code de défaillance et quelles sont les interventions recommandées.»

Il a ajouté que de nombreux codes de défaillance sont simplement informatifs. «Ils sont là à titre indicatif, ce qui est utile, mais cela ne signifie pas nécessairement qu’il faut intervenir. Dans ce cas-ci, l’IA nous indique qu’il s’agit d’une défaillance de gravité modérée. Vous vous demandez peut-être comment elle en arrive à cette conclusion.»

Selon Sanjit Biswas, la réponse réside dans l’ampleur du réseau de Samsara. Il a expliqué que la plateforme est déployée sur des millions de véhicules et qu’elle a analysé, depuis plus de dix ans, des milliers de combinaisons de codes de défaillance.

«En fait, pour le Detroit DD13, qui est un type de moteur très précis, nous en avons observé plus de 107 000, et nous avons pu voir leur évolution au fil du temps», a expliqué Sanjit Biswas.

Ces données historiques permettent à la plateforme d’estimer la fréquence d’apparition de certains codes de défaillance et de prévoir les conséquences les plus probables lorsqu’ils sont ignorés.

Dans la suite de la démonstration, la plateforme a analysé les données et estimé que la réparation coûterait entre 100 $ et 800 $ si elle était effectuée immédiatement. Elle a également calculé qu’il existait une probabilité de 22% que le problème évolue vers une défaillance plus grave dans un délai d’environ 500 milles s’il n’était pas corrigé.

Si cela se produisait, les coûts de réparation pourraient atteindre environ 2 800 $. Si aucune intervention n’était effectuée à ce stade, le problème pourrait ensuite évoluer vers un troisième code de défaillance, le plus grave, entraînant des réparations pouvant coûter jusqu’à 3 900 $.

Cette visibilité peut aider les responsables de l’entretien à déterminer si le conducteur peut terminer sa journée de travail ou s’il doit revenir immédiatement, leur permettant ainsi de prendre des décisions avec davantage de confiance. Dans la démonstration, la recommandation était de laisser le conducteur terminer son trajet avant de planifier la réparation.

Mais les réparations soulèvent aussi la question de la garantie.

«La plupart d’entre vous achètent des centaines, voire des milliers de camions chaque année. Vous négociez des garanties particulières avec les fabricants en fonction de vos activités», a indiqué Sanjit Biswas. «Vous pouvez désormais téléverser tous ces documents de garantie dans Samsara, et l’IA en tiendra compte. Ainsi, lorsque vous cliquez sur un bouton comme «Vérifier la couverture de garantie», l’IA peut analyser le code de défaillance, le comparer aux conditions de la garantie et vous indiquer si la réparation est admissible à un remboursement ou non.»

Dans l’exemple du Freightliner Cascadia, la plateforme a déterminé que la réparation du capteur de pression du système d’échappement était couverte par la garantie.

La plateforme a ensuite proposé de générer automatiquement un bon de travail.

Après avoir obtenu l’approbation, la plateforme a récupéré automatiquement les renseignements nécessaires à la création du bon de travail, notamment le kilométrage au compteur et les heures de fonctionnement du moteur, puis les a intégrés au document. Elle a également analysé les documents de garantie téléversés afin de déterminer les pièces justificatives requises pour présenter une réclamation sous garantie.

«Comme je l’ai mentionné, cette réparation précise est couverte par notre garantie Detroit Diesel, mais, en général, il faut aussi fournir d’autres documents, quelques photos et remplir une liste de vérification», a expliqué Sanjit Biswas. «Le système a analysé ce document PDF, déterminé tout ce qui devait être fourni, puis a simplifié le processus en regroupant toutes les exigences directement ici.»

Sanjit Biswas a ensuite comparé cette approche aux processus d’entretien traditionnels, affirmant qu’autrefois, l’ensemble de la démarche pouvait prendre jusqu’à deux heures.

La dernière partie de la démonstration est passée de l’analyse d’un seul camion à une vue d’ensemble de l’ensemble de la flotte.

«Si un camion présente ce problème, qu’en est-il des autres véhicules que nous avons achetés dans le même lot?», a demandé Sanjit Biswas.

À l’aide d’une requête en langage naturel, la plateforme a analysé plus de 1 000 véhicules afin de repérer des schémas de défaillance similaires et a identifié d’autres unités présentant le même problème de capteur de pression du système d’échappement. Elle a ensuite proposé de générer automatiquement des bons de travail pour ces véhicules également.

Un atelier pour les agents d’intelligence artificielle

Alors que les clients souhaitent exploiter davantage les capacités de l’intelligence artificielle, Samsara a également présenté Agent Studio, une plateforme sans code conçue pour leur permettre de créer leurs propres flux de travail personnalisés alimentés par l’IA.

Décrivant Agent Studio comme «un atelier pour concrétiser vos idées en matière d’IA», Sanjit Biswas a expliqué que les clients peuvent créer et personnaliser des agents en utilisant un langage courant, sans avoir à écrire une seule ligne de code. Il a ajouté que l’outil est désormais offert en bêta ouverte.

Alors que la première démonstration portait sur la production de rapports hebdomadaires sur les principaux indicateurs de performance (KPI), la seconde mettait en évidence les capacités de communication avec les conducteurs. À l’aide d’un déclencheur de géorepérage, un agent d’intelligence artificielle a automatiquement appelé un conducteur qui approchait d’un site désigné afin de lui transmettre les consignes propres à cet emplacement.

«C’est le genre d’appel que chacun d’entre nous aimerait pouvoir faire à un conducteur, mais qui est pratiquement impossible à réaliser, puisqu’il faudrait passer des milliers et des milliers d’appels par jour», a déclaré Sanjit Biswas. «Mais, comme je l’ai dit, l’IA, elle, ne s’en soucie pas, et sa capacité de déploiement est pratiquement illimitée.»