Cas d’usage de l’IA hybride

L’IA hybride fonctionne depuis plus de 10 ans. Nos équipes ont déployé des solutions d’intelligence artificielle dans des secteurs différents. Au quotidien, notre IA traite des dizaines de milliards de données complexes pour apporter une aide à la décision en temps réel. Voici 4 cas d’usage de l’IA hybride : IA médicale, IA sécurité, IA aéronautique et IA supply chain.

cas d’usage de l’IA neuro-symbolique - médical

IA Médicale

Service de réanimation assisté par l’IA

Besoin :
Améliorer la prise en charge des traumatisés crâniens, particulièrement pendant les cruciaux 3 premiers jours.
Analyser le syndrome respiratoire aigu Sepsis
Assurer une maintenance préventive avec détection de valves de respirateurs défaillantes.

Outils et technologies :
Réseaux de neurones neuro-symboliques (base de connaissance).
Arbres décisionnels.
Pondération des données avec dégradation de la valeur de paramètres au cours du temps (logique floue).

Résultats depuis 10 ans :
Système d’analyse d’un signal en temps réel avec 254 signaux numériques et analogiques en temps réel par patient pour 50 patients (1 md de données / J).
Aide à la prise en charge et au diagnostic des traumatisés crâniens via le monitoring de la pression intracrânienne. Proposition de décision sous 1,5 sec.
Monitoring en temps réel vs. monitoring lissé sur plusieurs minutes.
Mesure de l’impact des input exogènes (ex : visite d’un proche)
Identification de variantes entre l’Acsos modélisé et la réalité pratique.
Boucles asynchrones pour fournir une aide à la décision avec des données parcellaires (et évolution du score selon le flux de données).
Détection d’un arrêt cardiaque 30 minutes avant qu’il ne se produise.

IA Sécurité

Pilotage d’une cellule de surveillance par l’IA

Besoin :
Identifier les alarmes intempestives et les alarmes non prises en compte par les exploitants.
Simplifier/automatiser la prise de décisions.
Prendre les décisions les plus appropriées en fonction des données : envoyer un mail au client, lui rendre visite, etc…
Distinguer une alerte d’intrusion d’une fausse alerte (coupure de courant, volets non fermés)

Outils et technologies :
Réseaux de neurones neuro-symboliques (base de connaissance).
Arbres décisionnels.
Auto apprentissage.

Projet :
6 mois de mise en œuvre.
Ressources de l’entreprise : 4 jours de d’ateliers de travail répartis sur 1 mois pour comprendre leurs attentes.

Résultats :
Avant : >500.000 alarmes jours à gérer humainement

Après : <20 alarmes jours à gérer humainement
Pilotage automatique de près de 500 000 alarmes / jour
– Prise de décision et pilotage des actions
– Envoi automatique de SMS / d’équipe, bascule call center
– Rejet des alarmes fausses par auto-apprentissage
– Alerte pour traitement humain (raison juridique)

Intelligence artificielle neuro symbolique - sécurité
cas d’usage de l’IA neuro-symbolique - aviation

IA Aéronautique

Atterrissage d’urgence d’un avion de combat de 4ème génération

Besoin :
Création d’un POC (Proof of Concept)
Développer le démonstrateur (POC) d’aide à la décision fondée sur l’IA pour l’atterrissage d’urgence en situation de détresse – Perte du réacteur.

Outils et technologies :
Réseaux de neurones neuro-symboliques (base de connaissance) avec intégration des données métiers (expérience du pilote)
Arbres décisionnels

Projet :
2 mois de développement.

Résultats  :
Prise en compte simultanée de plus de 100 000 paramètres :
– Carburant
– Cartographie
– Type d’incident
– Vent…
Modélisation et intégration des raccourcis « métiers »
IA embarquée dans l’aéronef sans appel externe (vs. F35)
Prise de décision en temps réel pour définir la piste d’atterrissage et gérer les paramètres de vol

IA Supply Chain

Gestion des stocks et approvisionnement d’un retailer

Besoin :
Baisser les coûts liés aux stocks (stocks immobilisés et coûts de transports) tout en garantissant contre la rupture de stocks et l’arrêt de production et de distribution.
Mise à jour des données toutes les heures.

Outils et technologies :
Réseaux de neurones neuro-symboliques (base de connaissance).
Arbres décisionnels.
Auto apprentissage.

Projet :
6 mois de mise en œuvre.
Ressources de l’entreprise : 4 jours de d’ateliers de travail répartis sur 1 mois pour comprendre leurs attentes.

Résultats :
Modélisation des règles métiers (directions financière et des ventes, atelier central).
Définition des seuils d’alerte.
Pilotage automatique des prises de commandes multi-critères :
– Seuil de sécurité.
– Données financières (coût du stockage).
– Canaux d’approvisionnement (bateau / avion / route) selon les délais, le volume et le coût.
– Retour des consommations en atelier.
– Suivi des ventes et prévisionnels.
Gestion des cygnes noirs (cas improbables à fort impact) comme l’accident du canal de Suez.

Aide à la décision sur les commandes avec une baisse des coûts liés aux stocks de 25 %.

Intelligence artificielle neuro-symbolique - supply chain

D’autres cas d’usage de l’IA hybride

Nous avons des cas d’usage de l’IA hybride pour d’autres secteurs. Pour en savoir plus, n’hésitez pas à nous contacter.