Skip to main content

L’impact de l’intelligence artificielle sur l’industrie de la mobilité

Quel sera l’impact de l’intelligence artificielle (IA) sur les emplois et l’industrie de la mobilité ? Découvrez pourquoi l'IA joue un rôle important pour votre avenir.

Ivan Lequerica

Par Ivan Lequerica

14 juillet 2022

5 minutes de lecture

The world and data points

Il est clair et bien accepté que l’intelligence artificielle (IA) changera nos vies, mais nous ne savons pas quand cela se produira. L’exploitation de ces technologies permettra aux entreprises, en tant qu’individus, d’accomplir plus de tâches avec moins d’efforts et d’automatiser des processus complexes. Cet article explore l’impact de l’intelligence artificielle sur l’industrie de la mobilité.

Qu’est-ce que l’intelligence artificielle et pourquoi est-elle pertinente ?

Définie en 1956 par le professeur John McCarthy, l'intelligence artificielle est « la science et l'ingénierie de la fabrication de machines intelligentes, en particulier de programmes informatiques intelligents. »1 L'apprentissage machine est un sous-ensemble de l'IA. Il est décrit comme le domaine d'étude qui donne aux ordinateurs la capacité d'apprendre sans être explicitement programmés.

 

Selon McKinsey, l’application de l’IA permettra une croissance de la productivité et offrira d’autres avantages non seulement pour les entreprises, mais aussi pour des économies entières. Les estimations d’un point de vue macroéconomique indiquent que l’automatisation à elle seule pourrait faire passer la croissance de la productivité à l’échelle mondiale de 0,8 % à 1,4 % par an.

L’IA aura un impact transformateur semblable à celui de l’électricité il y a 100 ans. Elle changera chaque industrie, des soins de santé au transport, en passant par les communications et la fabrication.

 

Bien que l’idée de l’IA ne soit pas nouvelle, le rythme des avancées récentes l’est certainement. Trois facteurs principaux favorisent cette accélération :

  1. Capacité de traitement : des progrès sont en train d’émerger au-delà de la génération actuelle d’unités centrales de traitement (CPU) et d’unités de traitement graphique (GPU). Cette capacité a été agrégée dans des centres de données hautement évolutifs et est accessible via le cloud.
  2. Big Data : d’énormes quantités d’informations (images, voix, vidéo, localisation, informations sur les capteurs...) sont collectées par le biais de processus IoT et peuvent être utilisées pour former des modèles d’IA.
  3. Les algorithmes d’apprentissage machine (ML) ont progressé de manière significative grâce au développement de l’apprentissage profond basé sur les réseaux neuronaux. De plus, l’accessibilité de ces algorithmes via des boîtes à outils comme scikit-learn et Tensorflow aide les développeurs et les scientifiques des données.

L’intelligence artificielle et l’adoption des technologies

Les entreprises devront garder à l’esprit un certain nombre de considérations pertinentes avant de commencer à utiliser l’IA. La technologie est complexe et son succès dépend de l’environnement (c’est-à-dire de la qualité des données, de la culture de l’entreprise ou de l’appétit du client). En règle générale, l’IA a un certain impact sur la transparence des décisions et le règlement général sur la protection des données (RGPD) à venir, qui exige des entreprises qu’elles indiquent clairement ce qu’elles font avec les données, peut ajouter de la complexité.

 

La sécurité suscite également d’importantes préoccupations, car il faut en tenir compte dès les premières phases de l’IA pour s’assurer qu’elle n’est pas piratée ou programmée de manière malveillante. Alors qu’il s’exprimait à Toronto, une nouvelle plaque tournante mondiale pour l’IA, le premier ministre du Canada, Justin Trudeau, a rappelé l’importance de l’éthique appliquée à l’IA et a suggéré la création d’un groupe de travail au Canada, où il existe un code moral et éthique solide qui accueille la diversité.

 

Robot

 

Quel est l’impact de l’intelligence artificielle sur l’emploi ?

Un débat intéressant est centré sur la façon dont les occupations humaines seront affectées. McKinsey rapporte que seule une petite proportion de toutes les professions (environ 5 %) sont entièrement automatisables à l’aide des technologies actuelles d’IA, tandis que 60 % des professions ont au moins 30 % des activités qui peuvent être automatisées. Cela s’applique également aux PDG, puisqu’ils consacrent environ un quart de leur temps à des activités que les machines pourraient faire, comme l’analyse de rapports et de données pour éclairer les décisions.

 

Plutôt que de remplacer des emplois, l’IA réduira certaines tâches dans de nombreuses professions et les travailleurs auront plus de temps pour se concentrer sur des activités qui ajoutent de la valeur. En supprimant les tâches moins créatives de leur travail, l’IA peut en fait accroître la satisfaction au travail des employés.

Applications de l’IA dans l’espace mobilité

L’IA et les technologies d’apprentissage machine auront un impact significatif sur les industries de l’automobile et de la mobilité car elles apporteront de nouveaux produits et modèles d’activité plutôt que de simples améliorations de productivité.

Selon Microsoft, d’ici 2025, 100 % des voitures neuves seront connectées et d’ici 2030, 15 % des voitures neuves seront autonomes, et prendront en charge l’envoi, la réception et l’analyse de « grandes quantités de données ».

 

Les voitures sont des centres de données sur roues. Toutes ces informations peuvent être utilisées par de nombreuses parties prenantes (autorités routières, sociétés de leasing, municipalités, constructeurs automobiles, assureurs, ateliers, services d’urgence, etc.) dans l’espace de mobilité pour améliorer les processus.

 

Quelques exemples d’IA en mobilité :

  • Réduction des accidents : les techniques de ML apprendront quelles sont les différentes causes d'accidents de la route : distraction, conditions météorologiques, fatigue, défaillance du véhicule… Le fait d’avoir des capteurs IoT à bord nous permettra de comprendre en profondeur les raisons d’un accident et de prédire quand un accident similaire peut se reproduire (avec une probabilité raisonnable) et d’avertir le conducteur et l’entreprise, améliorant ainsi la sécurité de la flotte.
  • Le transport public à la demande tiendra compte des données historiques et en temps réel pour planifier les itinéraires en fonction de la demande et de la capacité. Les systèmes qui se « parlent » entre eux, avec une prise en charge combinée, favorisent un meilleur trajet et des modèles de trafic améliorés.
  • Les algorithmes de maintenance prédictive détecteront une défaillance potentielle sur la base des données statistiques des mêmes modèles avec des conditions de conduite similaires et programmeront un atelier qui assistera automatiquement à l’agenda du propriétaire.
  • Logistique intelligente : le suivi des modèles de l’opérateur (préparation des commandes, contrôle des stocks et force de terrain) combiné à des commandes prédictives dans certains domaines peut minimiser les délais de livraison et optimiser les niveaux de stock dans les entrepôts.
Vehicles connected by data points

 

Geotab et l’intelligence artificielle : Des données riches pour créer de nouveaux outils

Geotab comprend le potentiel de l’intelligence artificielle appliquée à une grande quantité de données que nous recueillons quotidiennement (plus de 2 milliards de points de données par jour) et nous prenons plusieurs mesures pour améliorer nos processus et nos produits en utilisant les Big Data et des techniques d’apprentissage machine. Quelques exemples et initiatives concrets :

  1. Utiliser l’analyse des données pour optimiser les opérations dans tous nos départements, les prévisions de production, les informations financières, les appels de soutien, les connexions au serveur, etc.
  2. Prévoir les problèmes électriques du véhicule. En tenant compte des courbes de tension de la batterie et des détections de décharge réelle de la batterie, nous avons développé un modèle d’apprentissage machine (ML) capable de prédire quand une batterie est sur le point de tomber en panne.
  3. Offrir des ensembles de données riches. Après avoir agrégé et anonymisé les ensembles de données, nous offrirons nos données détaillées à des tiers pour construire des applications de valeur pour les différentes industries. Pour citer quelques exemples de villes intelligentes : Les obstacles routiers (nids de poule), détectés avec notre accéléromètre, aident les municipalités à localiser l’endroit où elles ont besoin de réparer la chaussée. Les zones dangereuses. L’identification des zones où se produisent des accidents ou des événements violents aide les autorités à améliorer la signalisation routière. Informations sur la température extérieure recueillies à partir des ordinateurs des véhicules afin de détecter les zones de pollution potentielles et de prédire avec plus de précision les conditions météorologiques dans une ville. Encerclage pour le stationnement. L’identification des modèles de véhicules à la recherche de places de stationnement aidera les gestionnaires d’infrastructure à planifier le transport en commun et/ou de nouvelles aires de stationnement. Intersection du trafic. Mesurer avec précision les flux de trafic, y compris les temps d’attente, identifier le type de véhicule en même temps (c’est-à-dire camions par opposition aux voitures).

Références :

  1. AISB. (s.d.). Qu'est-ce que l'intelligence artificielle ? [En ligne]. Disponible : http://www.aisb.org.uk/public-engagement/what-is-ai

Abonnez-vous au blog Geotab


Ivan Lequerica
Ivan Lequerica

Ivan Lequerica est un physicien et ingénieur en électronique PhD qui a contribué au développement et à la mise en œuvre des stratégies commerciales et d'ingénierie européennes de Geotab depuis 2015.

View last rendered: 12/13/2024 19:32:38