Comment CrossnoKaye ancre son IA physique avec Amazon Bedrock AgentCore
CrossnoKaye, éditeur d'une plateforme d'automatisation logicielle baptisée ATLAS, a détaillé sur le blog d'AWS comment son système d'intelligence agentique, AURA, s'appuie sur Amazon Bedrock AgentCore pour piloter des équipements industriels. ATLAS pilote des fours, concasseurs, salles de séchage, tunnels de congélation en spirale, refroidisseurs, turbines, vannes et compresseurs dans des usines agroalimentaires, des installations de réfrigération industrielle, des carrières de granulats et des sites de fabrication. Il le fait au-dessus des automates (PLC) et systèmes de contrôle distribués (DCS) existants, sans remplacer le matériel. Selon l'entreprise, la plateforme couvre plus de 100 sites et 13 000 actifs contrôlés, stocke plus de 22 000 milliards de points de données machine, ingère plus de 50 milliards de nouvelles mesures par jour et fait tourner plus de 1 000 applications de contrôle avancé des procédés. CrossnoKaye affirme qu'elles augmentent le débit de production de 11 à 17 % et réduisent en moyenne de 21 % le coût énergétique total des installations. AURA utilise la fonction d'interpréteur de code d'AgentCore pour écrire et exécuter du Python à la volée dans des bacs à sable isolés de type microVM gérés par AWS, en complément d'Amazon Bedrock Guardrails et de contrôles de sécurité locaux en périphérie.
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 AWS ML Blog. Lire l'article original →
L'enjeu est de rendre l'IA fiable dans un environnement où une erreur a des conséquences physiques. Les grands modèles de langage interprètent bien un contexte d'ingénierie et planifient une enquête, mais ils ne peuvent pas calculer de façon fiable des statistiques ou des bilans physiques sur des millions de mesures placées dans un prompt. En déléguant ces calculs à du code exécuté dans un environnement isolé, AURA adosse chaque réponse chiffrée à un vrai calcul. Comme ATLAS réunit sur AWS le modèle de l'installation, le logiciel de contrôle de base, l'historien de données et les applications d'optimisation, l'agent accède à l'état opérationnel complet de l'usine à l'intérieur d'un seul périmètre de sécurité. Les exploitants n'ont donc pas à distribuer des identifiants sur le réseau industriel.
Cette approche répond aux limites des agents greffés après coup sur des piles industrielles hétérogènes. Dans la plupart des sites, les données et la logique de contrôle sont dispersées entre des systèmes de fournisseurs différents : automates, historiens aux conventions de nommage propres à chaque site, supervision SCADA, outils d'optimisation ou enregistreurs d'alarmes autonomes. La logique qui gouverne vraiment le comportement des machines (séquences, machines à états, verrouillages de sécurité) reste enfermée dans du code propriétaire qu'un outil externe ne peut pas inspecter. CrossnoKaye a donc construit ATLAS en trois couches. Sur chaque site, un panneau de contrôle sur site à ordinateurs, alimentations et commutateurs réseau redondants fait tourner un cluster Kubernetes local en microservices, ce qui permet de poursuivre le contrôle pendant le remplacement d'un composant défaillant. Dans le cloud, ATLAS rédige, valide et versionne les récits de contrôle de base de chaque installation, qui sont ensuite envoyés vers la périphérie. L'article indique qu'AURA se décline en discussions interactives, tâches répétables et routines automatisées, et que l'équipe y partage aussi les enseignements tirés de l'exploitation en production.
Pas d'impact direct sur la France/UE