Aller au contenu principal

AI and Data

Les données sont partout. Les entreprises technologiques et manufacturières en tirent, elles aussi, déjà pleinement profit, même s'il est parfois difficile de suivre leur évolution. Sirris vous aide à exploiter tout leur potentiel en vous apportant un soutien en matière de science des données et d'IA. Pour ce faire, nous prenons part à de nombreux projets dans divers domaines.

Explorer l'importance de la sécurisation et de la protection des données dans un contexte industriel

De plus en plus d'entreprises se concentrent sur la façon d'appliquer l'intelligence artificielle et l'apprentissage automatique aux données afin d’améliorer les processus de fabrication, d’optimiser la consommation d'énergie ou d’analyser comment leur produit est utilisé dans la pratique. Dans ce contexte, la sécurisation et la protection des données ne sont souvent envisagées qu'à un stade ultérieur.

En 2020, l’EluciDATA Tech Talk annuel a été consacré à la sécurisation et à la protection des données, afin d’en souligner l’importance pour les membres de la communauté EluciDATA. L'événement a eu lieu le 8 décembre.

Une vision du trafic bruxellois pendant la pandémie de COVID-19 grâce à l'analyse de données

La crise du Coronavirus et les confinements qui en ont résulté ont radicalement changé les conditions de vie et de travail de chacun. Pour la science des données, les restrictions liées au confinement ont mis au jour un certain nombre de problèmes concrets très intéressants à étudier. Le EluciDATA Lab de Sirris a saisi cette opportunité et a réussi à en déduire quelques modèles caractéristiques du trafic à Bruxelles.

Dans le cadre d'un projet de doctorat industriel en collaboration avec Macq et la VUB, le  EluciDATA Lab de Sirris a commencé, début 2020, à collecter des données publiques sur le trafic bruxellois, captées par Bruxelles Mobilité à 55 endroits de la capitale. L’objectif initial de ce projet de doctorat, parrainé par Innoviris, consiste à développer un moteur avancé d'analyse des tendances qui permet de comprendre les situations de trafic de manière précise et contextuelle.

En janvier, nous n'avions pas la moindre idée que l'aggravation de l'épidémie de coronavirus allait fournir un ensemble de données concrètes uniques pour nos recherches. Nous avons compilé nos conclusions au cours de la période de crise dans une série d'articles.

Le EluciDATA Lab participe à la recherche et à la collaboration en matière d'IA

Le EluciDATA Lab de Sirris a rejoint l'initiative TRAIL (Trusted AI Labs), qui comprend une structure générale visant à promouvoir la collaboration et la recherche sur l'intelligence artificielle (IA) en Wallonie et à Bruxelles, entre les universités et les centres de recherche, conformément aux politiques régionales. Au cours de l'année 2020, le EluciDATA Lab a participé à la définition de ce partenariat et de cette offre de services. Il est principalement impliqué dans des activités liées à l'adoption de l'IA par l'industrie.

Trois nouveaux projets ICON thématiques consacrés à l’IA

Au travers du plan politique flamand sur l’intelligence artificielle, la Flandre investit chaque année 32 millions d'euros dans l'intelligence artificielle (IA). Dans le cadre de ce plan, la VLAIO a lancé un appel spécifique pour des projets ICON thématiques consacrés à l'intelligence artificielle (AI-ICON). Son intention est de combler ainsi le fossé entre les résultats de la recherche dans le domaine de l'intelligence artificielle et ses applications dans les entreprises flamandes.

Pour l'appel ICON spécifique sur l'IA, les experts du Data and AI Competence Lab de Sirris ont identifié trois thèmes à haute valeur ajoutée industrielle en Flandre, en collaboration avec trois consortiums de partenaires universitaires et industriels : TRACY (Trace Analytics), qui se concentre sur l'utilisation optimale des données de journal des actifs industriels, CONSCIOUS (Contextual aNomaly deteCtIon for cOmplex indUstrial aSsets), qui se focalise sur la détection d’anomalies contextuelles dans les machines et processus industriels, et ATWI (Hybrid, multi-modal methodology for Automatic Tool Wear Inspection), qui entend analyser et prédire précisément l'usure des outils dans les processus de découpe des métaux.

Malgré la forte concurrence dans le cadre de cet appel, les trois propositions soumises ont été sélectionnées pour un financement. Sirris pourra ainsi continuer à soutenir l'industrie dans ses efforts pour relever les défis auxquels elle est confrontée dans le domaine de l’IA.

Projet visant à rendre les composants et systèmes électroniques plus fiables

La fiabilité des composants et systèmes électroniques (CSE) constitue un enjeu industriel majeur en raison de la numérisation accrue et de la complexité des systèmes électroniques qui en découle dans différents domaines. Les défauts inattendus entraînent des pertes financières, nuisent à la réputation et peuvent même conduire à des situations de danger vital. Grâce à de nouveaux types de capteurs et à de nouvelles possibilités de communication, la collecte d’informations détaillées sur le comportement des systèmes électroniques permet d’accroître leur fiabilité.

L'objectif du projet iRel4.0 est d'améliorer la fiabilité des composants et des systèmes électroniques tout au long de la chaîne de valeur, du niveau de la puce et du conditionnement jusqu’au niveau de la carte et du système. Les composants et systèmes électroniques doivent être fiables plus rapidement, ce qui signifie que le transfert des processus de développement en production peut être accéléré. Par ailleurs, nous souhaitons atteindre un niveau de qualité supérieur grâce à une compréhension fondamentale des mécanismes physiques de défaillance et à l'utilisation de méthodes d'IA. La fiabilité doit également pouvoir être garantie lorsque les systèmes sont déployés dans de nouveaux environnements extrêmes et critiques pour la sécurité, nécessitant de nouveaux matériaux.

Dans ce projet, qui est le fruit d'une collaboration entre 75 partenaires issus de 13 pays différents, la recherche sur les techniques et méthodologies de l'IA et de la science des données joue un rôle crucial afin d'acquérir des connaissances à des fins de pronostic et de surveillance de l’état sur la base de données provenant de composants électroniques. Ces données sont utilisées pour comprendre, caractériser et prédire le comportement des composants et leurs interactions.

Les résultats seront validés dans plusieurs domaines d'application et notamment dans les secteurs de l'automobile, de l'énergie et du numérique. Le cas d'utilisation belge est axé sur l'automobile et plus précisément sur la recherche d'une méthodologie hybride pour la surveillance de l'état des réservoirs d'hydrogène dans les véhicules. Dans ce cadre, le laboratoire EluciDATA de Sirris collabore avec Plastic Omnium, ON Semiconductor, NiniX Technologies et imec au sein du consortium belge.

Distribution optimale des tâches et des charges de travail de l'IA sur les nœuds existants

Les récentes évolutions dans le domaine de l’IA distribuée en périphérie se traduisent par de nouvelles approches de l’analyse distribuée sécurisée et ciblée. Au sein de Sirris, dans le cadre de plusieurs projets de recherche, nous explorons la mise à l'échelle efficace en termes d'énergie et de ressources d’applications basées sur l'IA dans l'infrastructure périphérique existante, tout en préservant les données sensibles en termes de confidentialité.

Suite à l'arrivée de nœuds périphériques dotés de capacités de calcul et de stockage accrues, ceux-ci sont mis à profit par les entreprises pour exécuter un large éventail d'applications de plus en plus gourmandes en ressources par le biais d'un nombre croissant de dispositifs hautement instrumentés. Dans le cas d’applications de surveillance et de contrôle industriels, par exemple, cela se traduit par d’énormes quantités de données réparties sur une multitude de dispositifs sur le terrain. Actuellement, toutes ces données sont généralement transférées vers un emplacement central (par exemple, le cloud) en vue d'être exploitées par l'apprentissage automatique intelligent et l'IA.

Boîte à outils logicielle d’Edge Computing réellement évolutive

En tant que cadre d'intelligence décentralisé, MIRAI permettra une distribution optimale des tâches et des charges de travail de l'IA sur les nœuds existants (connaissant souvent des limitations), en faisant office de boîte à outils logicielle d’Edge Computing véritablement évolutive pour des applications IoT et d’Edge Computing. Grâce aux MIRAI Framework Building Blocks (MFBB), des modules d'IA de taille appropriée seront déployés sur les nœuds périphériques disponibles à proximité. Cela permettra d’obtenir un écosystème distribué à faible latence pour l'informatique basée sur l'IA dans l'IoT. Les tâches et services applicatifs étant déployés sur des ressources locales, les problèmes de réseau seront moins critiques.  Cette approche décentralisée rendra la solution MIRAI plus robuste (en permettant de nouveaux mécanismes de basculement) et plus sûre (les calculs étant exécutés directement sur la source sans devoir déplacer les données).

Le projet MIRAI du cluster ITEA3 a débuté en 2020 pour une durée de 3 ans. Les cas d'utilisation belges, fournis par 3E, Macq et Shayp, portent respectivement sur des systèmes d'énergie renouvelable distribués, la gestion du trafic et la gestion de l'eau.

Une solution de sécurité partagée pour relever les défis des appareils connectés

Ces dernières années, la révolution des dispositifs IoT a transformé notre monde en un monde où tout est connecté, intelligent et sécurisé (ou devrait l’être). Les appareils connectés offrent des avantages évidents, mais ils augmentent également le risque de manipulation et de vol de données ainsi que de cyberattaque. Le manque de confiance des entreprises et des consommateurs dans les appareils intelligents et connectés constitue un obstacle.

Dans ce contexte, le projet SunRISE du cluster PENTA a été lancé en 2019 afin de développer une solution de sécurité partagée qui permettra :
  • l'apprentissage automatique en périphérie facilitant l'analyse de la sécurité de l'IoT pour se défendre contre les attaques par intrusion et détecter les anomalies et les mauvaises configurations
  • le partage de données de sécurité pertinentes entre différentes parties prenantes et l'application de techniques d'apprentissage automatique sur les données et modèles combinés
  • l'évaluation du chiffrement homomorphe en tant que technologie de renforcement de la confidentialité et l'application de l'apprentissage automatique sur les ensembles de données chiffrées combinés
Les partenaires belges Engie Laborelec, NXP et Sirris feront la démonstration des résultats de SunRISE dans le contexte d'un cas d'utilisation des communautés d’énergie (réseau intelligent).