Situé à Paris-Saclay et à Grenoble, le CEA-List, fort d’un effectif de près de 1000 personnes, est l’un des grands instituts de la direction de la recherche technologique du CEA, avec le CEA-Irig et le CEA Leti. Ce « spécialiste des systèmes numériques intelligents », tel qu'il se définit, est missionné pour « transférer (ses) technologies numériques aux industriels », déclare son directeur Alexandre Bounouh, récemment nommé à la présidence de l’Association des instituts Carnot.
Et l’éventail de ces technologies numériques est large, puisqu’il est question d’intelligence artificielle, bien sûr, mais aussi de robotique, de jumeau numérique, d’industrie 4.0, de cybersécurité, de santé numérique… A l’occasion d’une visite des laboratoires de Paris-Saclay organisée ce mardi 10 octobre 2023 par cet institut, la rédaction d’Industrie et Technologies a pu apprécier cette diversité. Et apercevoir des innovations qui pourraient bénéficier à l’industrie de demain.
Fantastyc : l’apprentissage fédéré et la blockchain pour sécuriser et fiabiliser l’apprentissage des IA
Le projet Fantastyc doit aboutir au développement d’une plateforme d’apprentissage fédéré et sécurisée par une blockchain, pour la construction d’’IA plus sûres et robustes. Chef du Instrumentation intelligente, distribuée et embarquée au CEA-Leti, Cédric Gouy-Pailler prend l’exemple du milieu hospitalier et indique que Fantastyc serait « une solution pour réaliser un apprentissage, à des fins d’identification de tumeurs par exemple, sans centraliser et partager les données. »
Une démarche classique pour entraîner une IA – les données convergent vers un serveur unique – est en effet exposée à plusieurs dangers : les données peuvent être interceptées, ce qui menace leur confidentialité, corrompues ou engorger les réseaux de communication.
L’apprentissage fédéré ou décentralisé, par lequel plusieurs serveurs mutualisent de façon collaborative les paramètres de l’apprentissage et non les données, ne résout pas toutes ces problématiques, cependant. « Si un participant (à l’apprentissage) est corrompu, l’apprentissage peut être perturbé, explique Cédric Gouy-Pailler. Et si quelqu’un a accès aux paramètres, il peut remonter jusqu’aux données par rétro-ingénierie. »
D’où l’intérêt d’une blockchain pour protéger et fiabiliser les échanges entre les serveurs, une technologie qui permet en outre de retracer les mises à jour du modèle d’IA via les logs (journaux).
« Pour améliorer la robustesse du modèle, nous comparons les paramètres transmis pour éliminer ceux qui s’écartent trop de la moyenne, précise Cédric Gouy-Pailler. Concernant la confidentialité, on ne partage qu’une proportion des paramètres, mais pas l’intégralité, ce qui complique la tâche d’un cyber-assaillant. »
Fantastyc aurait aussi un intérêt pour les fabricants de machines industrielles, qui pourraient entraîner de IA (pour le contrôle-qualité, la maintenance prévisionnelle…) à partir de données de diverses provenances. Un premier déploiement de test est prévu en novembre 2023.
OptimEnergie : le jumeau numérique et la simulation multi-physique au service de l’économie d’énergie
Une consommation d’énergie réduite de 15 à 30% dans l’atelier dédié au chromage des surfaces, et jusqu’à 40% pour les fours : ce sont les économies constatés par Safran, d’une année sur l’autre, dans son usine de Bidos (Pyrénées-Atlantiques), où sont produits chaque année quelque 2000 trains d’atterrissage.
Voici le résultat concluant du démonstrateur mis en place au cours du projet OptimEnergie, qui associe le CEA-List avec plusieurs partenaires (Cetim, Actemium, Technip, Sherpa Engineering, Safran, Naval Group…). Il a été obtenu à périmètre constant (sans changement de machine, de source d’énergie…) grâce au jumeau numérique de la ligne de production. Un modèle qui a servi à mieux planifier et organiser les différents processus.
« Nous pouvons réaliser des modèles du composant jusqu’au système, avance Alexandre Bounouh, directeur du CEA-List. Il s’agit en outre d’un jumeau numérique fonctionnel, où tous ces modèles interagissent via une simulation physique. » Le moteur multi-physique XDE du CEA-List opère de manière sous-jacente à cet effet. Intervient aussi la plateforme open source d’ingénierie logicielle Papyrus, qui offre la possibilité, par exemple, de programmer automatiquement chaque robot d’après le jumeau numérique.
Achevé en 2022, OptimEnergie est en voie d’industrialisation. Le CEA-List a également annoncé une collaboration avec Siemens, début octobre 2023, pour mettre davantage à contribution l’IA et le cloud computing dans le jumeau numérique.
Robot auto-apprenant : l’apprentissage simplifié de manipulations complexes
Une programmation simple menant à des mouvements complexes : ce qui apparaît comme un paradoxe est l’un des enjeux de la robotique industrielle, auquel s’attaque le projet « Robot auto-apprenant » du CEA-List. « L’idée serait de pouvoir décrire la séquence d’actions au robot de façon naturelle, plutôt que de le programmer », lance Caroline Vienne, adjointe au chef du service de robotique interactive.
Un opérateur aurait alors la possibilité de reconfigurer une tâche sans la moindre connaissance en matière de programmation, laquelle demande du temps et de l’argent. Cette robotique plus « agile » intéresserait particulièrement les industries produisant des petites séries. Le CEA-List cite également le démantèlement et le tri de déchets électroniques, ainsi que le démontage de batteries.
Le socle technologique d’un tel système fait appel à du contrôle-commande nourri à l’IA. « Une première IA couplée à un capteur d’image sert à identifier et à segmenter les objets, et une autre IA apprend quant à elle à les saisir et à suivre des trajectoires prédéfinies », précise Caroline Vienne. Ces mouvements complexes sont appelés des « skills » - soit des compétences en français – dans le jargon.
Une équipe nommée Oscar a fait la démonstration de ces travaux de recherche durant le concours international Robothon, organisé par l’université de Munich en juin 2023, à l’occasion du salon Automatica. Elle s’est classée troisième. Son système robotique a pris un peu plus d’une minute pour effectuer une série de manipulations fines : localiser un boîtier et appuyer sur un bouton, ouvrir une trappe, accomplir une mesure avec une sonde, enrouler le câble pour le ranger… « Nous avons montré qu’un robot pouvait enrouler le câble plus vite qu’un humain », se réjouit Caroline Vienne.
