L'innovation par l'IA dans l'industrie des produits chimiques de spécialité
Lubrizol, fabricant américain de produits chimiques de spécialité, mise sur une transformation numérique pour donner à ses chercheurs les moyens de tester leurs idées plus vite, de décider avec de meilleures informations et de concevoir des matériaux plus durables sans sacrifier la performance. Girish Rao, vice-président des technologies de l'information de l'entreprise, explique que Lubrizol construit un socle qui relie les processus métier, des plateformes de données modernes et une infrastructure cloud au service de ses équipes de recherche et développement. L'objectif est de croiser des décennies de données techniques accumulées avec l'expertise des chimistes et des ingénieurs, qui connaissent les besoins des clients comme les contraintes physiques de leur travail. Les spécialistes des données peuvent repérer des tendances, tester des hypothèses et modéliser des scénarios avant toute expérience en laboratoire. Pour Girish Rao, il ne s'agit pas de remplacer le jugement scientifique, mais de fournir de meilleurs outils aux scientifiques.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MIT Technology Review. Lire l'article original →
Cette approche répond à un défi très concret : relier des technologies récentes comme l'intelligence artificielle, le cloud et la modélisation avancée à des données fiables, à une expertise scientifique et aux réalités de la mise sur le marché. Les chercheurs, les data scientists et les équipes informatiques abordent les problèmes avec des priorités différentes, à savoir la validité expérimentale, la performance des modèles, la sécurité et la capacité de montée en charge des plateformes. Lubrizol les réunit au sein de « fusion teams » autour d'objectifs communs, en commençant par de petits projets pilotes pour établir la confiance. Selon Girish Rao, une fois cette confiance installée et la valeur à créer comprise, les choses se passent bien mieux. Le cloud apporte en outre de la souplesse, puisque l'entreprise accède à de la puissance de calcul et à des outils récents sans investir massivement dans ses propres centres de données.
Ces capacités pourraient être précieuses pour la durabilité. La modélisation numérique permet d'évaluer davantage de formulations, d'explorer des matières comme l'amidon ou des alternatives à base de maïs et d'arbitrer entre les impacts d'un produit sur l'ensemble de son cycle de vie. Mais une matière prometteuse en laboratoire n'est qu'une première étape : passer à l'échelle industrielle en respectant les attentes de performance, les exigences réglementaires et les contraintes financières reste un exercice d'équilibriste, que la capacité de l'IA à gérer de nombreuses variables à la fois pourrait faciliter. Girish Rao anticipe une convergence de l'IA, de l'automatisation, de la modélisation avancée, des jumeaux numériques et des données connectées, qui rendra les laboratoires plus intelligents et les usines plus efficaces. Selon lui, c'est la combinaison de ces technologies, et la capacité à relier tous ces processus générant d'énormes volumes de données, qui fera la différence. Ces propos ont été recueillis lors d'un webcast réalisé en partenariat avec Infosys par Insights, la branche de contenus sponsorisés de MIT Technology Review.
Pas d'impact direct sur la France/UE