C’est parfois un précieux allié pour améliorer des solutions de machine learning existantes. Air Liquide a travaillé sur un cas d’usage d’IA générative visant à augmenter les performances de son système d’IA de comptage automatique des bouteilles de gaz qui entrent et sortent de ses centres de remplissage.
Fiabiliser les modèles grâce à l'IA générative
Dans le cadre du programme de recherche Confiance.ai, soutenu par France 2030, le groupe gazier a cherché comment rendre son système aussi robuste la nuit et en cas d’intempérie qu’il l’est de jour et par temps ensoleillé. Et c’est notamment sur l’IA générative qu'il s’est appuyé pour améliorer la fiabilité de ses modèles.
Un prétraitement consistant à éliminer les flocons de neige ou à transformer des images de nuit en jour a d’abord permis au système d’intégrer ces données dans son apprentissage, sans entraînement supplémentaire. Les équipes ont aussi complété la base des scénarios d’entraînement en générant de nouvelles images de nuit et de neige.
Résultat : des erreurs de comptage de nuit réduites de moitié, pour des performances de précision supérieures à 98%. La solution est désormais testée dans différentes parties du monde avant un possible déploiement complet.
Vous lisez un article de L'Usine Nouvelle 3731 - Juin 2024
