Réussir votre projet d’intelligence artificielle dans le secteur minier

30 juin, 2020 | Blogue

Arbi Bouchoucha, Ph. D.

Analyste avancé de données

icon linkedin
Charlotte Athurion

Charlotte Athurion, Geo, M.Sc

Géologue

icon linkedin

L’intelligence artificielle (IA) désigne la science qui consiste à programmer des machines, notamment des ordinateurs, afin qu’elles puissent non seulement analyser une foule de données appelées mégadonnées, mais aussi apprendre par elles-mêmes, leur permettant ainsi de réaliser des tâches qui nécessitent généralement de l’intelligence ou de l’expertise humaine. L’IA se sert de plusieurs outils et techniques pour faire de l’analyse avancée de données, permettant de développer des modèles sophistiqués pour résoudre un ou plusieurs problèmes existants.

Développer votre projet d’IA : plus facile que vous ne l’imaginez

Pas besoin de machines de calcul surpuissantes – Contrairement à une croyance répandue, il est possible aujourd’hui d’entraîner, de tester et de déployer des algorithmes d’apprentissage machine à partir de mégadonnées en seulement quelques minutes et à moindres coûts, grâce aux services infonuagiques et aux serveurs GPU (graphical processing unit). Il n’est donc plus nécessaire de mettre en place une infrastructure matérielle (ex. serveurs de calcul, machines virtuelles) pour concevoir des solutions à base d’IA.

Pas besoin d’être un programmeur – Grâce aux plateformes d’analyse avancée de données comme Microsoft Azure ML et Amazon SageMaker, vous pouvez développer, tester et déployer rapidement et efficacement plusieurs familles de modèles d’IA – classification, régression, partitionnement des données (clustering), recommandation –, sans même savoir coder. De plus, la disponibilité de plusieurs données publiques sur le Web, aussi appelées « open data », vous permet de tester ces algorithmes et de voir leur efficacité sans investir dans la collecte et la structuration de données.

Et si vous voulez plus de flexibilité? – Les librairies gratuites comme Scikit-learn, TensorFlow, PyTorch et Keras, pour n’en nommer que quelques-unes, vous permettent de développer votre propre algorithme en vous servant des fonctionnalités existantes.

Les défis à prévoir

Les données – La majorité des bases de données actuelles ne sont pas assez organisées pour être utilisées dans un projet d’IA. La gestion et la manipulation des données sont primordiales et constituent généralement 80 % du temps et d’effort consacrés à un projet d’IA. Il est important de s’assurer non seulement d’avoir la bonne quantité de données, mais aussi que ces dernières sont pertinentes et de bonne qualité.

Attentes du modèle d’IA – Comme utilisateur d’un modèle à base d’IA, vous devez vous poser les questions suivantes : À quel point ce modèle est-il fiable? Correspond-il bien à mes attentes? Que veut-on améliorer dans nos tâches de tous les jours?

Contrôle et maintenance du modèle – Un modèle à base d’IA peut être une solution à un problème existant. Toutefois, ce modèle nécessite d’être suivi et maintenu au fil du temps en vue d’en préserver la pérennité et la robustesse. Par exemple, au fil des nouvelles données qui s’accumulent, il est important de réentraîner l’algorithme d’apprentissage machine sur ces données et de voir les résultats. Parfois, des ajustements sont requis afin de garder un certain degré de précision de l’algorithme.

Facteurs de succès

Tout d’abord, il faut prendre en considération que l’IA est uniquement un outil pour favoriser le travail des individus, résoudre des problèmes et aider à la prise de décision; il ne peut en aucun cas remplacer l’expertise humaine nécessaire pour réussir votre projet. Vous ne pouvez donc pas vous fier aveuglément aux résultats obtenus avec l’IA.

Comprendre les données et se doter d’une bonne stratégie pour bien les gérer constitue également un autre facteur important qui favorise la réussite de votre projet d’IA. Mieux vous comprenez et gérez vos données, plus vous réussirez votre projet d’IA en vous assurant de sa fiabilité.

Pensez également à la durabilité des informations collectées en vous demandant si les données que vous recueillez aujourd’hui seront exploitables demain. Il est peut-être temps de réorganiser votre base de données et de réorienter la collecte de vos données futures. Par exemple, songez à collecter des données quantitatives plutôt que qualitatives. De plus, prenez en considération que les logiciels maison ne seront peut-être plus exploités dans quelques années; la récupération des données qu’ils contiennent pourrait alors s’avérer compliquée.

Enfin, pour réussir votre projet d’IA, misez sur une équipe multidisciplinaire : l’algorithme est aussi complexe à comprendre pour un géologue/ingénieur que le contexte géologique ou le plan minier l’est pour un spécialiste en IA. Si vous réalisez un projet en géologie, par exemple, et que vous n’avez aucune idée de ce que veut dire un « contexte géologique » ou de ce qu’implique « un réseau de neurones », c’est que vous n’êtes pas assez outillé pour mener à bien votre projet. Les expertises des deux spécialistes s’avèrent nécessaires pour réussir à appliquer l’IA à vos projets.

Exemples d’applications de l’IA dans le secteur minier

Il existe plusieurs applications de l’IA dans le domaine minier. En voici quelques exemples :

  • Analyse de la productivité de la main-d’œuvre ou d’une machine et notification automatique des problèmes détectés.
  • Véhicules et foreuses autonomes afin de diminuer les coûts et d’augmenter la sécurité des employés.
  • Analyse des informations géologiques disponibles afin de trouver de meilleures cibles pour forer grâce à la régression.
  • Cartographie automatique d’un secteur en se basant sur les données déjà recueillies à l’aide de la classification.
  • Description automatique des carottes de forage ou des échantillons de roches par un processus de classification.
  • Automatisation des opérations d’extraction pour augmenter la qualité, le débit et la récupération du minerai afin de maximiser la production par la visualisation et la classification automatique de la roche en minerais et en stériles.
  • Utilisation des caméras pour un contrôle à distance de votre site minier pour surveiller les équipements ou les procédés cruciaux à l’aide des méthodes d’analyse de vidéos et d’images à base d’intelligence artificielle;
  • Prédiction des défaillances ou d’autres dangers potentiels en analysant les tendances des événements.

Pour conclure

De nombreuses recherches universitaires et études industrielles consacrées à l’IA ont permis d’améliorer considérablement les algorithmes et de proposer de nouvelles familles plus sophistiquées et plus robustes, comme les algorithmes d’apprentissage profond (deep learning). Profitez de ces connaissances pour développer des solutions à base d’IA à haute précision.

Notez qu’il existe aujourd’hui plusieurs sources de financement pour appuyer vos projets et vos initiatives en rapport avec l’IA, qu’elles proviennent des gouvernements ou des entreprises des secteurs public et privé. De telles subventions facilitent la réalisation et le soutien des projets d’IA.

Vous aimeriez vous lancer dans l’aventure IA, mais vous ne savez pas par où commencer? Notre programme de démarrage IA saura vous intéresser. D’une durée de trois à quatre semaines, ce programme vous fera prendre conscience où votre organisation se situe quant à l’intelligence artificielle pour ensuite bien cerner les étapes à prioriser afin de tirer un retour maximal sur vos investissements, et ce, le plus rapidement possible. Contactez-nous maintenant pour en savoir plus.

Ce contenu est fourni uniquement à des fins d’information générale. Tous droits réservés ©BBA

VOUS AVEZ UN DÉFI SEMBLABLE À RELEVER ?