Récapitulatif de la session de Chris Kuntz au MD&M East 2025 sur la manière dont les copilotes et les agents d'IA transforment la fabrication, de l'amélioration des capacités de la main-d'œuvre à la mise en place d'opérations autonomes.
Cette année MD&M Est, anciennement IME East 2025, Augmentir a occupé le devant de la scène alors que Chris Kuntz, vice-président des opérations stratégiques, a fait une présentation puissante sur le rôle transformateur des copilotes et des agents d'IA dans la fabrication.
Lisez ci-dessous un bref récapitulatif de la présentation, ainsi qu'un enregistrement vidéo de la présentation.
Résoudre la crise de la main-d'œuvre grâce à l'IA
Chris a commencé par une réalité qui donne à réfléchir : même si tous les travailleurs qualifiés des États-Unis étaient employés, 351 TP3T d'emplois manufacturiers supplémentaires resteraient vacants. Évoquant un coût d'opportunité annuel de 1 TP4T1 000 milliards d'ici 2030 (Deloitte), Chris a souligné que les stratégies traditionnelles de gestion de la main-d'œuvre ne suffisent pas et qu'il est temps de passer à l'automatisation intelligente et à l'augmentation des effectifs.
Principaux points saillants de la présentation
L'essor des copilotes et des agents IA
Chris a présenté les copilotes IA comme des outils conversationnels basés sur des LLM, offrant un soutien contextuel et en temps réel aux collaborateurs. Les agents IA, quant à eux, sont des systèmes autonomes qui exécutent des tâches complexes de manière autonome, réduisant ainsi les frictions, les temps d'arrêt et les inefficacités manuelles.
Le travailleur connecté augmenté
Au cœur de la conférence se trouvait Augmentir Technologie du travailleur connecté—un cadre qui rassemble :
- Des conseils et un soutien basés sur l’IA pour aider les travailleurs de première ligne à effectuer des tâches plus efficacement, plus en toute sécurité et plus précisément.
- Capture de données et informations en temps réel qui favorisent une amélioration continue des opérations, de la formation et des performances des effectifs.
- Une plateforme numérique unifiée qui connecte les personnes, les processus et les systèmes pour permettre une transformation évolutive de la main-d'œuvre dans le secteur manufacturier.
6 cas d'utilisation révolutionnaires
Chris a présenté aux participants six cas d'utilisation réels, montrant comment Augmentir et Augie fournissent des résultats mesurables pour les fabricants :
- Assistant de contenu – 76% numérisation plus rapide des SOP et des documents de formation
- Assistante de travail et de formation – 82% réduit le temps d'intégration
- Comparaison d'images – Précision d’inspection améliorée, retouches réduites
- Agent IA Compétences et formation – Apprentissage et certification à la demande
- Agent des opérations – Assistance en temps réel pour le dépannage
- Graphiques de connaissances d'entreprise – Un accès plus intelligent aux connaissances institutionnelles
Des études de cas réalisées auprès de grandes entreprises d'emballage et de boissons ont ajouté une crédibilité concrète, démontrant comment les organisations évoluent plus rapidement tout en minimisant les temps d'arrêt et les incidents de sécurité.
Enregistrement vidéo
Transcription complète
Je m'appelle Chris Kuntz. Je travaille pour Augmentir, une entreprise d'IA spécialisée dans les logiciels de travail connecté pour les travailleurs de première ligne dans l'industrie manufacturière. Aujourd'hui, je vais parler de l'intelligence artificielle, qui, à bien des égards, a envahi les médias et est devenue une part importante de nos vies. Je souhaite toutefois l'aborder dans le contexte de l'industrie manufacturière, et plus particulièrement des assistants et agents IA génératifs qui peuvent être utilisés dans l'industrie pour guider et soutenir les travailleurs de première ligne d'aujourd'hui.
Juste 30 secondes pour vous présenter Augmentir et notre entreprise. Nous sommes une entreprise relativement jeune, fondée en 2018, mais nous possédons une solide expérience dans les logiciels innovants et la fabrication, qui remonte à la fin des années 1980. Les fondateurs d'Augmentir étaient les mêmes innovateurs industriels qui ont fondé Wonderware en 1987, révolutionnant ainsi les logiciels IHM dans les usines. Wonderware est entrée en bourse et fait désormais partie d'AVEVA/Schneider Electric. Nous avons également fondé Lighthammer, qui fait désormais partie de l'offre MII de SAP. Nous avons également fondé ThingWorx, qui fait désormais partie de PTC et a révolutionné l'Internet industriel des objets. Après notre départ de PTC, l'équipe s'est reformée et nous avons souhaité nous concentrer sur ce que nous considérions comme le prochain grand problème de l'industrie manufacturière à l'époque : le travailleur humain.
Si l'on considère l'IA, son évolution, l'automatisation et la manière dont elle a optimisé les lignes de production, le dernier maillon pour améliorer l'efficacité industrielle réside dans le travailleur humain. Et, de manière encore plus flagrante depuis cinq ans, depuis la pandémie, la pénurie de main-d'œuvre qualifiée a eu des conséquences considérables sur la qualité et l'efficacité des produits, ainsi que sur le rendement global de la production. Notre objectif chez Augmentir était donc de remédier à ce problème.
Commençons par l'IA et son histoire dans l'industrie manufacturière. Son origine remonte aux années 1960. L'IA est utilisée depuis des décennies pour l'automatisation de la production. Elle a permis d'atteindre des niveaux d'efficacité incroyables. Elle a été utilisée dans les systèmes de vision industrielle pour améliorer la qualité. Lors de salons professionnels comme celui-ci, on constate qu'elle a été utilisée pour l'automatisation des entrepôts et, plus récemment, dans l'Internet industriel des objets (IoT), connectant numériquement les équipements et utilisant l'IA pour analyser les données issues de ces équipements afin d'améliorer l'efficacité de la production. Mais un point commun à tout cela est que, jusqu'à présent, l'IA a été utilisée pour remplacer le travailleur humain ou pour optimiser le travail manuel ou les efforts manuels auparavant réalisés par les humains dans les usines. L'IA offre une opportunité unique, notamment grâce aux copilotes génératifs, si l'on pense à ChatGPT ou aux agents IA, pour renforcer le travailleur humain, et non le remplacer.
La question que nous nous sommes posée chez Augmentir, dès nos débuts, était : l’IA peut-elle faire la même chose pour les humains ? L’IA peut-elle améliorer l’efficacité des employés qui travaillent encore dans les ateliers de fabrication, de qualité, d’ingénierie et de maintenance, ainsi que dans l’exploitation des équipements ? Plus important encore, en maintenance, l’IA peut-elle être utilisée pour optimiser leur travail ? Et pourquoi maintenant ? Voici quelques statistiques tirées d’un rapport publié l’an dernier par LNS Research, un cabinet d’analystes basé à Boston, sur l’avenir du travail industriel. Des statistiques fascinantes. Si l’on compare le taux d’ancienneté moyen dans le secteur manufacturier en 2019 à celui de la fin de l’année dernière, on constate que la durée moyenne d’emploi et le poste sont passés de 20 ans à 3 ans, passant de 7 ans à 9 mois, et le taux de rétention moyen après trois mois, c’est-à-dire le taux de rétention après trois mois, est passé de 901 TP3T à 501 TP3T. Le problème actuel dans le secteur manufacturier est qu'il y a effectivement une pénurie de main-d'œuvre, qu'il est difficile de trouver de la main-d'œuvre qualifiée, mais comme la main-d'œuvre humaine est indispensable, les entreprises recrutent des travailleurs moins qualifiés. Or, le problème est double dans l'atelier : des travailleurs moins expérimentés, ou moins qualifiés, ont également moins d'expérience. Cela entraîne des problèmes de sécurité, des problèmes de qualité, des rappels de produits, des temps d'arrêt, bref, tout ce que l'on peut imaginer en lien avec l'erreur humaine dans l'usine.
Dans cette enquête de LNS, les répondants, soit 92%, ont déclaré envisager la technologie pour pallier cette pénurie de main-d'œuvre qualifiée. Ce n'est pas la seule solution : il existe certes de meilleures stratégies de recrutement et de formation, mais la technologie est certainement un élément essentiel pour pallier cette crise de l'emploi. Autre statistique tirée d'une étude Deloitte : même si chaque travailleur qualifié, et ce n'est qu'aux États-Unis, même si chaque travailleur qualifié était employé, il resterait un déficit de 35% de postes vacants dans le secteur manufacturier. C'est dire l'ampleur de la situation. Deloitte prévoit donc que le problème se chiffrera à 144T1 000 milliards de dollars d'ici 2030, rien qu'aux États-Unis. Et je crois qu'ils prévoient 144T3 000 milliards de dollars d'ici 2030 à l'échelle mondiale, un problème qui touche la production et le secteur manufacturier.
Cela nous amène à notre sujet d'aujourd'hui : les agents et copilotes IA. Tout le monde ici a utilisé ChatGPT, Gemini, Perplexity ou autre, le chatbot que vous souhaitez utiliser aujourd'hui. Les résultats et les opportunités sont fantastiques en matière d'IA grand public. Mais je souhaite aborder le contexte de l'assistance IA, ainsi que celui des agents. La frontière est parfois floue, mais nous en parlerons, ainsi que de leur applicabilité aux opérations industrielles et de leur différence significative avec l'IA grand public.
Alors, qu'est-ce qu'un copilote IA ? Le meilleur exemple est ChatGPT, non ? Nous l'avons tous utilisé. Une interface en langage naturel, la possibilité d'utiliser ce qu'on appelle un grand modèle de langage (MLM, pour ceux qui ne sont pas aussi techniques), qui permet à l'agent ou à l'assistant de comprendre de vastes quantités de données et de fournir une assistance contextuelle aux utilisateurs. D'un autre côté, qu'est-ce qu'un agent ? Un agent est un robot IA qui agit de manière plus autonome. Il peut agir sur la base d'une invite, comme avec ChatGPT, mais il n'y est pas obligé. Il peut donc agir de manière autonome en fonction des instructions que vous lui donnez. En y réfléchissant bien, je vais prendre ChatGPT comme exemple aujourd'hui, car je pense que nous l'avons tous utilisé, ou quelque chose de similaire. Ils commencent à brouiller un peu les pistes avec leur opérateur ChatGPT, je crois, ce qui brouille les frontières entre IA autonome et IA strictement basée sur des invites. Mais l'idée est la même aujourd'hui : nous parlons d'un copilote IA ou d'un assistant, un robot basé sur des instructions qu'un utilisateur pourrait utiliser. Du point de vue de l'agent, il s'agit d'un outil capable d'agir de manière plus autonome. Et une condition préalable à tout cela, lorsqu'on pense à l'industrie manufacturière et aux travailleurs de première ligne, qu'ils travaillent dans la sécurité, la qualité, la maintenance et la réparation des équipements ou l'exploitation des machines, est la capacité d'avoir un travailleur connecté.
Chez Augmentir, nous entendons par travailleur connecté un travailleur connecté non seulement à un outil numérique ou mobile, comme un téléphone, une tablette, une technologie portable, un casque de réalité augmentée, mais aussi numériquement connecté à l'entreprise. Cette interface permet non seulement de le connecter physiquement à un appareil, mais aussi aux systèmes RH, de gestion de l'apprentissage, ERP, qualité et sécurité, qu'il utilise au quotidien. Désormais connectés, ils peuvent devenir des capteurs humains dans l'atelier. Nous pouvons ainsi exploiter une quantité considérable de données, sur lesquelles l'IA peut agir.
Je souhaite maintenant aborder l'IA grand public, en comparant ChatGPT à l'IA industrielle. Aujourd'hui, je vais vous donner quelques exemples d'entreprises manufacturières qui utilisent déjà cette technologie. Mais pour les opérations industrielles, il faut adopter une approche très différente de celle que nous pourrions adopter avec Gemini ou ChatGPT aujourd'hui. Je vais donc vous donner un exemple. Vous avez un opérateur de première ligne dans une usine de fabrication, dont le travail quotidien consiste à utiliser le mélangeur. D'accord ? Son travail consiste également à nettoyer, inspecter et lubrifier régulièrement cet équipement afin d'éviter toute panne ou toute défaillance. Il s'agit donc d'une CIL. Revenons maintenant au contexte initial. Imaginons un opérateur moins expérimenté, peut-être débutant.
