Le groupe Lubrizol, spécialisé dans la chimie de spécialité, réunit scientifiques, data scientists et équipes informatiques au sein d’« équipes fusionnées » pour déployer l’intelligence artificielle. Selon le contenu publié, cette organisation vise à aligner ces profils sur des objectifs communs, en commençant par de petits pilotes destinés à bâtir la confiance. Ce texte a été produit par Insights, le service de contenus sur mesure de MIT Technology Review, en partenariat avec Infosys, et non par la rédaction du magazine.
Des compétences complémentaires
Scientifiques, data scientists et équipes informatiques abordent les problèmes selon des angles différents, en privilégiant respectivement la validité expérimentale, la performance des modèles et la sécurité et l’extensibilité des plateformes. En les réunissant, Lubrizol les oriente vers des objectifs partagés. « Une fois que la confiance s’est installée entre les membres de l’équipe et qu’ils savent quelle valeur ils sont sur le point de créer, les choses se passent bien mieux », affirme Rao.
L’infrastructure cloud offre également à l’entreprise la souplesse nécessaire pour accéder à des ressources de calcul et à des outils récents, sans avoir à consentir les investissements importants que supposent la construction et l’entretien de ses propres centres de données.
Le développement durable en ligne de mire
Ces capacités pourraient s’avérer particulièrement utiles pour le développement durable. La modélisation numérique peut aider les chercheurs à évaluer davantage de formulations, à explorer des matériaux comme l’amidon ou des alternatives à base de maïs, et à analyser les compromis sur l’ensemble du cycle de vie d’un produit.
Mais promettre un matériau en laboratoire n’est que la première étape. Passer à la production tout en respectant les attentes de performance, les exigences réglementaires et les contraintes financières reste un exercice délicat. La capacité de l’IA à modéliser de nombreuses variables pourrait toutefois aider les équipes à arbitrer entre ces exigences concurrentes.
Vers des laboratoires et des usines plus intelligents
Rao s’attend à ce que l’IA, l’automatisation, la modélisation avancée, les jumeaux numériques (répliques virtuelles de processus ou d’installations) et les données connectées convergent, à mesure que les laboratoires gagnent en intelligence et que les usines de production deviennent plus efficaces. Selon lui, l’enjeu consiste à réunir ces capacités de manière responsable et à grande échelle.
« Ce n’est pas une technologie unique. Je pense que c’est la combinaison de toutes ces technologies, et ce sera la capacité à connecter tous ces processus qui va générer des quantités énormes de données. »
