Quelle place pour l'IA dans les usines chimiques, aujourd'hui… Et demain ?

Contrairement à d'autres secteurs […], la chimie […] n'a pas encore réellement pris le virage du digital et exploré les opportunités offertes par l'Industrie du Futur. Voilà le constat assez implacable que posaient, au printemps 2019, les auteurs de l'étude « Pipame »(1) ; un rapport (2) de plus de 150 pages visant alors, en substance, à identifier les solutions qui permettraient justement d'accélérer ce déploiement des technologies de l'industrie 4.0, au sein des usines de la filière Chimie & Matériaux (3). Une situation pour le moins paradoxale, alors que les industriels de la chimie ont, à n'en pas douter, fait partie des pionniers de l'adoption du numérique au sein de leurs usines, comme en témoignent plusieurs experts.

« La chimie est un secteur qui, globalement, s'est automatisé très tôt, ne serait-ce que pour faciliter la conduite de procédés de production souvent complexes, ou pour des questions de sécurité », observe, par exemple, Mathieu Cura, cofondateur et actuel président de l'entreprise Optimistik, éditrice - nous y reviendrons - d'une solution dédiée à la digitalisation et à la gestion des usines, pilotée par la donnée. « L'une des usines dans lesquelles j'ai travaillé s'est automatisée dès les années 1970 », ajoute celui qui a, par ailleurs, à son actif une quinzaine d'années d'expérience opérationnelle dans l'industrie.

« On ne l'appelait pas encore ainsi, mais ça fait très longtemps que la transformation numérique des usines chimiques a débuté », confirme à son tour Philippe Delespierre, en charge des relations commerciales avec les industriels de la chimie sur le marché francophone européen (4) d'Hexagon, l'un des leaders mondiaux des capteurs, logiciels et technologies autonomes.

« C'était déjà le cas d'industriels tels que Rhône Poulenc, dans les années 1990 », illustre l'expert. Cet embryon de digitalisation a toutefois fini par se heurter à un obstacle majeur qui, jusqu'à très récemment, a largement freiné la poursuite de son développement : l'accessibilité de la donnée.

Tous les indices

En opérant ainsi, de manière relativement précoce, leur mue vers le numérique, les sites de production de la filière chimie sont rapidement devenus de véritables « usines à data ». Selon l'expert du secteur de la chimie et des industries de process Serge Lhoste, directeur exécutif chez Accenture, ce ne sont, en effet, pas moins de 200 téraoctets de données - dont deux tiers environ issus de l'environnement de production - qui sont générés, chaque année, par un industriel réalisant dix milliards d'euros de chiffre d'affaires…

Des données longtemps inexploitées

Des données à foison, donc, qui se sont toutefois révélées particulièrement difficiles à exploiter, faute d'homogénéité et de structuration adéquate notamment, mais aussi tout simplement d'accessibilité. « Nos équipements de production disposent, depuis bien longtemps, de tout un tas de capteurs, qui produisent une multitude de données. La principale difficulté, cependant, réside dans la récupération et l'exploitation de cette data », confirme Anthony Patte, responsable Excellence opérationnelle pour les sites (5) de la plateforme technologique chimie de Sanofi.

Un problème majeur auquel ont toutefois fini par s'intéresser les industriels; pour bon nombre d'entre eux, il y a quelques années seulement, comme le retrace l'expert d'Accenture Serge Lhoste : « Dans le secteur de la chimie, la data est présente depuis des décennies; bien plus tôt d'ailleurs que dans d'autres secteurs industriels. Selon moi, ce n'est toutefois qu'à partir du milieu des années 2010 que les entreprises chimiques ont véritablement pris conscience du potentiel que représente l'énorme volume de données de production qu'elles possèdent ». Un timing qu'illustre notamment l'exemple d'un industriel, et pas des moindres : Solvay. C'est en effet en 2015 que le groupe belge s'est lancé dans une démarche transversale de transformation numérique. Un vaste projet qui s'est en outre conjugué, en 2021, avec un programme baptisé Star (6) Factory, visant rien de moins que de « révolutionner les performances de toutes les usines de Solvay », tel que le décrit Lanny Duvall, COO en charge de la digitalisation. « Aujourd'hui, 90 % de nos usines ont entamé leur parcours Star Factory », se félicite le responsable; autant de sites de production qui bénéficient ainsi désormais, notamment (7), d'outils numériques avancés permettant la surveillance, le contrôle et l'optimisation de leurs process en temps réel. Un aspect qui se révèle, en effet, l'un des intérêts premiers de l'utilisation de la data au sein des usines chimiques.

Les multiples vertus de l'exploitation de la data

À condition d'être rendues accessibles, mais aussi « désilotées », contextualisées et, ainsi, pleinement exploitables - a fortiori, grâce à des solutions basées sur des algorithmes d'IA (lire plus bas) - les données générées par les usines chimiques peuvent se révéler de précieuses alliées de l'amélioration de leurs performances. Ceci, en permettant, en effet, en premier lieu, d'optimiser les procédés de production qui y sont mis en œuvre, comme l'explique l'expert d'Accenture, Serge Lhoste : « Il peut s'agir d'améliorer le rendement d'une réaction chimique, ou encore de diminuer la consommation énergétique du process ». Un potentiel d'autant plus grand, lorsqu'il s'agit de procédés continus, mais qui peut aussi se révéler intéressant pour des approches en batch : sur son site de La Rochelle, Solvay a, par exemple, lancé un projet baptisé « Golden batch », basé sur l'utilisation d'un outil d'analyse avancée fourni par SeeQ, permettant à l'industriel de suivre en temps réel les paramètres clés de chacun de ses lots de production, et de les comparer à un lot optimal - le fameux « golden batch ».

Mais ça n'est pas tout : comme le souligne Serge Lhoste, cette exploitation des données peut aussi se révéler un atout quand il s'agit de planifier la production d'un site industriel, ou encore, d'accroître sa disponibilité, en permettant de remonter jusqu'aux causes des arrêts ou des baisses de performances qu'il peut être amené à subir. D'en identifier les causes, certes, mais aussi - mieux encore - de les prédire… Comment ? En grande partie grâce à des algorithmes de machine learning. « Actuellement, l'utilisation de l'IA dans les usines chimiques est très axée autour de la maintenance prédictive », note en effet le spécialiste de l'industrie lourde Alain Hermans, responsable Stratégie industrielle et Marketing pour la zone EMEA de Rockwell Automation, l'un des leaders mondiaux de l'automatisation industrielle et de la transformation numérique des usines. Le fournisseur de solutions propose ainsi d'ores et déjà un module logiciel spécifiquement dédié à cet usage, basé sur l'utilisation d'algorithmes d'IA : FactoryTalk Analytics GuardianAI. Un exemple - parmi tant d'autres - des solutions d'IA de plus en plus nombreuses à être adoptées par les industriels de la chimie, dans un but : exploiter au mieux la « mine d'or » que constituent leurs données.

Data & IA : des solutions à foison

Alors qu'elle s'attelle actuellement à la mise en place d'un logiciel de gestion et de pilotage de sa production (ou MES, pour Manufacturing Execution System) sur ses sites d'Aramon et de Sisteron, Sanofi peut, par ailleurs, déjà compter, depuis l'an dernier, sur un système d'IA déployé à grande échelle en son sein : plai, une application développée en collaboration avec le spécialiste des solutions d'IA SaaS (8) Aily Labs. « Plai est une solution globale d'IA, qui nous permet de piloter en temps réel nos opérations. Grâce à cet outil, nous avons notamment accès aux indicateurs de performance d'un site », décrit Anthony Patte. « Il s'agit d'une véritable aide au pilotage : en nous alertant en temps réel sur d'éventuelles déviations, ou sur des opérations prioritaires à réaliser, la solution nous permet de mettre immédiatement en place un plan correctif, et d'éviter les récurrences », poursuit-il.

Autre exemple éloquent dans ce domaine : celui d'Axens. Spécialisée notamment dans la production de catalyseurs et d'adsorbants - principalement à destination des raffineries - l'ETI française s'est en effet lancée, il y a quatre ans environ, dans un vaste programme de transformation numérique baptisé « Factor y 4.0 ». Objectif : améliorer les performances de ses propres sites de production grâce à une meilleure exploitation de la data, et ce, notamment, via la mise en œuvre de solution d'IA. « Depuis plusieurs années, notre offre “Connect'In” permettait déjà à nos clients d'optimiser les solutions que nous leur proposons, grâce à l'exploitation de leurs données. Une possibilité que nous avons voulu transposer à notre propre activité de production au travers du projet “Factory 4.0” », explique Frédéric Kuntzburger, directeur industriel chez Axens. « Nous avions donc déjà une certaine expérience dans ce domaine de l'exploitation de la data… Il nous restait cependant à trouver des outils qui nous permettent de contextualiser ces données, et surtout, d'aller chercher grâce à des algorithmes d'IA les informations “cachées” au sein de ces data », poursuit-il. Un vœu désormais exaucé grâce à la collaboration établie entre Axens et l'éditeur de logiciel Optimistik. Fondée en 2015 à Chambéry, la jeune entreprise est, en effet, à l'origine du développement d'une solution de digitalisation qui se prête particulièrement bien à l'intégration d'algorithmes d'IA : OIAnalytics.

« L'utilisation d'algorithmes d'IA - et plus particulièrement des techniques de machine learning - se situe au sommet de la courbe de maturité en matière d'exploitation de la data », explique le président d'Optimistik, Mathieu Cura. C'est donc tout naturellement que l'éditeur a intégré à sa solution logicielle OIAnalytics, une « couche » facilitant la mise en œuvre de tels algorithmes d'apprentissage automatique. « Ceci, que ce soit pour l'amélioration continue de procédés, la détection d'anomalies, la préconisation de réglages ou encore l'aide au diagnostic », énumère le cofondateur d'Optimistik.

Autant de cas d'usage de l'IA dont la mise en œuvre peut être envisagée au travers de deux approches distinctes : standardisée, en utilisant des fonctionnalités génériques d'analyse avancée, basées sur le machine learning; mais aussi sur mesure, grâce au développement ad hoc d'algorithmes en Python. « Nous fournissons, dans ce cas, toute la mécanique qui permet de mettre cela en place très facilement », note Mathieu Cura. Reste alors, pour faire tourner ces rouages, à développer les fameux algorithmes ad hoc… Un besoin face auquel Optimistik a ainsi décidé de nouer un partenariat stratégique, avec l'un des spécialistes du domaine : Probayes, comme l'ont annoncé les deux entreprises, en avril dernier.

Le duo s'est ainsi notamment lancé, aux côtés d'autres acteurs, dans un ambitieux projet visant à développer une approche novatrice de pilotage et d'optimisation en temps réel des procédés industriels batch. Celle-ci est basée, entre autres domaines technologiques, sur l'intelligence artificielle : ABC4I (lire notre encadré). Si elle bénéficiera naturellement, en premier lieu, aux deux industriels directement impliqués dans le projet - Adisseo et Elkem - la solution devrait aussi, à terme, être rendue disponible pour tous les utilisateurs d'OIAnalytics. Des clients nombreux, en effet, à rester à l'affût de solutions d'IA novatrices, comme en témoigne, par exemple, le directeur industriel d'Axens, Frédéric Kuntzburger : « On n'est sans doute encore loin d'imaginer tout ce que pourra nous apporter l'IA… Il nous semble donc primordial de rester ouverts aux possibilités qu'offrent ces technologies, et de scruter en permanence ce qui se fait de mieux dans ce domaine. Qui sait, peut-être que, dans quelques années, l'on pourra, par exemple, piloter une usine entièrement au travers d'un jumeau numérique… ».

De la science-fiction ? Non, bien au contraire ! La perspective se concrétise d'ores et déjà au travers, notamment, de l'offre développée par le spécialiste des capteurs, logiciels et technologies autonomes évoqué supra, Hexagon. Plusieurs divisions du groupe, fort de près de 25 000 salariés, unissent, en effet, leurs forces, pour faire du jumeau numérique, mais aussi de la réalité augmentée, de nouveaux alliés des industriels de la chimie.

Le jumeau numérique, nouveau mode d'accès à la data

« Nous proposons un ensemble de solutions basées sur des capteurs LiDAR, qui permettent d'obtenir, rapidement, un véritable double numérique d'une usine, sous forme d'un nuage de points », décrit Benjamin Outrey, responsable commercial au sein de la division Manufacturing Intelligence d'Hexagon, spécialiste du concept de digital factory. Particulièrement novateur, l'outil permet de réunir, au sein d'une même représentation graphique tridimensionnelle, un ensemble de données très hétérogènes; qu'elles soient figées, telle la documentation d'un équipement, ou dynamiques, à l'image de données de process. Le tout, consultable à distance, mais aussi directement sur site, en réalité augmentée, au travers d'une tablette. « En visant une partie de l'installation avec la caméra de la tablette, le système va reconnaître et localiser l'équipement en question, et fournir ainsi, en temps réel, l'ensemble des informations qui lui sont associées, en surimpression sur l'image », décrit Philippe Delespierre. Véritable outil facilitateur, le jumeau numérique permet ainsi de donner, à chaque membre de la ligne hiérarchique d'un site, un accès visuel à l'ensemble des informations qui le concernent directement. « On parle d'ailleurs de single pane of glass (9) », glisse-t-il.

Un ensemble de possibilités prometteuses, qui n'auraient pu se concrétiser sans le développement, là aussi, d'algorithmes d'IA; des technologies d'intelligence artificielle intervenant, en effet, à toutes les étapes du processus de création du jumeau numérique, comme l'explique un troisième expert d'Hexagon, Yannick Stenger, représentant de la division Geosystems du groupe, et spécialiste de la capture de la réalité : « L'une des principales technologies issues des méthodes d'IA est ce que l'on nomme la “classification”, qui permet d'assigner à chaque point la nature de l'objet qu'il représente : un tuyau, une vanne… L'IA permet aussi de “nettoyer” la réalité, en supprimant le bruit, pour ne conserver que la donnée utile dans l'environnement 3D. On peut même aller plus loin, en utilisant l'IA pour créer un jumeau numérique presque automatique ».

De là à imaginer une usine chimique du futur entièrement autonome, il n'y a qu'un pas… Que la plupart des experts que nous avons interrogés ne semblent toutefois pas prêts à franchir. « À court terme, les solutions basées sur des technologies d'IA resteront davantage un copilote qu'un pilote automatique », estime, par exemple, Serge Lhoste, d'Accenture, qui concède toutefois que l'IA peut faire peur -soulignant au passage l'importance de l'explicabilité des algorithmes (lire ci-dessous) - et va, surtout, profondément bouleverser les organisations, en nécessitant de transformer les compétences des équipes.

Reste alors aux industriels à accompagner leurs salariés face à un véritable changement de paradigme, dans lequel l'humain devra pouvoir garder une place centrale. Comme l'illustre finalement l'expert d'Hexagon, Philippe Delespierre : « Toutes ces technos sont comme autant de notes de musique… Charge à nous, désormais, d'écrire la bonne partition ».

Notes

1 Pôle interministériel de prospective et d'anticipation des mutations économiques.

2 « L'industrie du futur - Secteurs de la chimie et du papier-carton : amélioration des outils de production et apport du numérique ». Rapport réalisé par le cabinet EY, publié en mars 2019. ISBN : 978-2-11-152635-8.

3 Outre la chimie, l'étude s'intéressait également au secteur du papier-carton.

4 Représentant de la division Asset Lifecycle Intelligence d'Hexagon (ex-Intergraph).

5 Sites d'Aramon, de Sisteron et de Mourenx.

6 Standardiser, Transformer, Accélérer, Répéter.

7 Outre la digitalisation, le programme STAR Factory de Solvay repose sur deux autres piliers : la standardisation des meilleures pratiques, et la simplification des tâches de routine par l'automatisation.

8 Software as a Service.

9 Littéralement, « carreau de verre unique » ; expression qui désigne, en substance, un tableau de bord, une plateforme de gestion unifiée.

ABC4I : vers une automatisation avancée des procédés batch

Lancé en 2023 par un consortium de six partenaires - Optimistik, Axel'One, Probayes, INSA Lyon/Laboratoire IMP, Adisseo et Elkem - le projet ABC4I (Advanced Batch Control for Industry) vise au développement d'une « chaîne numérique » complète de traitement de la donnée, permettant à la fois le pilotage et l'optimisation en temps réel de procédés de production en batch; et ce, notamment, grâce à des algorithmes de machine learning. Une solution mise à l'épreuve au sein des usines des deux industriels du consortium : chez Adisseo, sur un procédé de synthèse de vitamine A, et chez Elkem, pour les besoins d'un procédé de polymérisation de silicones. « Nous avons déjà développé les premiers éléments algorithmiques », dévoile Vincent Bonnivard, lead data scientist chez Probayes et spécialiste des problématiques d'IA pour l'industrie. Si les tests menés dans le cadre du projet restent, pour l'heure, uniquement offline, l'objectif des membres du consortium est, bien sûr, d'aboutir au développement d'une solution déployable, à terme, dans un environnement industriel. « Nous menons un travail de développement des modèles en boucle itérative. Quand nous aurons convergé vers une solution fiable, nous envisagerons alors la question de son déploiement et de son intégration au sein de la solution de notre partenaire Optimistik, OIA-nalytics », décrit Vincent Bonnivard. Une perspective que les porteurs du projet espèrent voir se concrétiser à l'horizon 2026.

IA : la transparence des algorithmes, un enjeu central pour la chimie

« Le sujet de l'explicabilité des modèles est récurrent dans l'industrie, mais plus encore dans la chimie », constate le spécialiste des problématiques d'IA pour l'industrie Vincent Bonnivard, lead data scientist chez Probayes. L'entreprise prête ainsi une attention toute particulière à la transparence des algorithmes d'IA qu'elle développe. « Il est crucial de pouvoir contextualiser la prédiction d'un modèle, de fournir des indications intelligibles qui permettent d'expliquer un résultat », souligne l'expert. Un avis que partage Serge Lhoste, d'Accenture : « La chimie implique un déploiement de ces solutions d'IA dans des environnements sensibles, tels que des sites Seveso. Il est donc primordial de développer des algorithmes qui ne soient pas des “boîtes noires”, ne serait-ce que pour des questions d'acceptabilité par les ingénieurs process. La confiance et l'appropriation sont, en effet, des sujets majeurs ».