Theo Yameogo
Je suis ravi de vous présenter le plus récent épisode de L’actualité minière avec EY. Mon invité est mon bon ami Pradeep Karpur, qui dirige le groupe IA et données d’EY, et j’ai hâte d’entamer la discussion qui tombe à point. Pradeep, bienvenue à l’émission.
Pradeep Karpur
Merci beaucoup, Theo. J’ai hâte, moi aussi. Les mines me tiennent à cœur, comme tu le sais, et j’ai hâte de parler de l’IA et de mes perspectives là-dessus.
Theo Yameogo
Entrons dans le vif du sujet. Peux-tu expliquer comment les sociétés des mines et métaux peuvent adopter l’IA sûrement et efficacement? Peux-tu aussi fournir des exemples de ce qui fonctionne aujourd’hui?
Pradeep Karpur
Bonne question, Theo. C’est toujours bon de commencer avec des exemples, car cela vous permet de les appliquer à votre contexte particulier. Concernant les cas d’utilisation et les exemples d’IA dans le secteur, j’ai tendance à les classer en deux catégories distinctes. La première relève de l’IA opérationnelle. Cette catégorie est mature et vaut pour l’entretien d’actifs, l’optimisation du traitement, la répartition, le roulage, le dynamitage, la santé et la sécurité. Ce sont quelques-uns des éléments matures sur le plan opérationnel. L’IA joue un rôle prépondérant dans ces domaines.
La deuxième concerne les fonctions de soutien. Mentionnons la gestion des comptes clients et fournisseurs, la conformité des contrats, la détection des fraudes, la veille stratégique en approvisionnement, l’analyse des écarts, les rapports aux investisseurs et la productivité grâce à Copilot. Voilà les deux grandes catégories.
Chez un client d’Australie, nous avons implanté un écosystème d’apprentissage automatique fondé sur l’IA pour la maintenance ferroviaire permettant d’améliorer les flux de travail de planification, la fiabilité des actifs et l’efficacité opérationnelle. Ce programme pluriannuel intègre des capteurs IdO dans la chaîne d’approvisionnement et assure l’utilisation des données tirées des capteurs pour renforcer l’efficacité opérationnelle.
Voici d’autres exemples où j’ai moi-même participé au développement d’assistants de santé et sécurité. Nos clients, surtout les grandes sociétés minières, mènent leurs activités à l’échelle mondiale. Chaque région impose des règlements différents et dispose de manuels de santé et sécurité qui leur sont propres. Aujourd’hui, grâce à l’IA, nous pouvons rendre ces informations accessibles au bureau et sur le terrain aux fins de planification préalable, de prise de décisions en temps réel et d’analyse après tâche. Imaginons : en allant dans une mine du nord de l’Ontario, sous une averse de grêle, quelqu’un souhaite savoir quelles précautions prendre avant d’accomplir une tâche donnée. Grâce à un agent conversationnel d’IA spécialisé en santé et sécurité, il obtient des recommandations précises afin d’intervenir en toute sécurité. C’est d’usage courant dans le secteur.
Il en va de même pour les documents techniques. Comment effectuer une recherche sémantique? Le besoin d’affaires est d’améliorer la gestion des connaissances. Comment utiliser les technologies de recherche, qui analysent des milliers de documents et mettent l’information à votre portée? Imaginez vivre une importante restructuration, être à l’étape de planification et avoir accès à autant d’information rapidement, sans devoir appeler dix personnes différentes pour l’obtenir. Ça change la donne. Un autre exemple. Rappelle-toi, nous avons travaillé ensemble il y a cinq ans pour une mine en Afrique : elle surveillait la conformité en santé et sécurité au moyen de l’analyse vidéo de caméras. Les gens portent-ils un casque? Portent-ils les bonnes bottes? Portent-ils le bon équipement? En cas de non-conformité, le système le signalait immédiatement afin de prévenir les incidents.
Theo Yameogo
Que de bons exemples, Pradeep. Qu’ont fait ou qu’ont appris les clients qui ont réussi à concevoir/élaborer et à implanter ces remarquables outils de productivité?
Pradeep Karpur
Excellente question, Theo. L’un des problèmes que je constate dans le secteur est qu’on se lance dans l’IA et conçoit des prototypes fantastiques pour s’apercevoir qu’il est impossible de les appliquer à grande échelle. On s’embourbe dans les projets pilotes parce qu’on ne les a pas suffisamment planifiés. Tout d’abord, priorisez les données intégrées, accessibles et de qualité du secteur minier. Tu le sais, dans le secteur minier, les technologies ne s’intègrent pas dans un seul système. On compte plusieurs systèmes pour différents aspects (systèmes ERP, entretien des usines, gestion d’actifs, capteurs IdO) et les données sont éparpillées dans tous ces systèmes.
D’une part, il faut réfléchir à la façon d’intégrer les données et de les regrouper. On peut ensuite tirer parti de plusieurs des cas d’utilisation de l’IA dont j’ai parlé. D’autre part, il faut voir comment choisir les cas d’utilisation sur lesquels travailler. Privilégier les cas d’utilisation bien définis à valeur élevée et faire des choix précis de pertinence économique, c’est capital. Tout comme passer du projet pilote au déploiement de vrais flux de travail sans rester coincés dans le processus. Le projet pilote peut bien impressionner votre patron, mais ce n’est pas là que la vraie transformation se produit. Elle se produit quand l’IA fait partie du travail. C’est l’IA intégrée. Vous intégrez l’IA dans le processus plutôt que de la greffer à un processus qui ne fonctionne pas. L’IA est une technologie transformatrice et l’on doit repenser les processus quand l’IA les sous-tend. Le dernier point que je souhaite aborder, c’est l’aspect humain. Les gens, le changement et les modèles opérationnels importent plus que la technologie. Le programme réussit quand la main-d’œuvre joue un rôle actif dans le développement du cas d’utilisation de l’IA et ne fait pas que l’observer. Les sociétés qui tirent une valeur réelle de l’IA font plus que maîtriser les algorithmes. Elles maîtrisent les données, l’intégration et le changement. En IA, la réussite ne se limite pas à la technologie. C’est un modèle opérationnel en soi.
Theo Yameogo
J’aime que tu parles des gens. Que font les entreprises pour réussir? Que conseillerais-tu aux sociétés des mines et métaux concernant la formation de la main-d’œuvre et la gouvernance, afin que le tout soit éthique et que la formation soit bien prodiguée, de sorte à pouvoir développer son propre programme d’IA tout en faisant participer la main-d’œuvre à sa propre productivité? Qu’as-tu vu en ce sens?
Pradeep Karpur
Excellente question. Aujourd’hui, les modèles d’IA sont normalisés. Il y a quelques années, pour travailler avec l’IA, il fallait une armée d’experts en sciences des données pour concevoir un modèle pour vous. Aujourd’hui, on a moins besoin de développer des modèles en interne, car de nombreux modèles disponibles en ligne sont prêts à l’emploi : il suffit de s’y abonner et de les utiliser. Désormais, quels sont les obstacles? Ce sont le changement, l’adoption et savoir quand utiliser l’IA, comment l’utiliser et comment l’intégrer dans les processus. Viennent ensuite l’aspect humain, la gestion du changement et la formation. Si l’on me demande ce qui distingue les organisations les plus prospères des autres, c’est d’avoir un programme de formation d’entreprise fondé sur des personas couvrant tous les échelons jusqu’au conseil d’administration, et informer votre conseil de l’importance de l’IA pour les mines et métaux. C’est très différent de l’IA pour une banque ou un gouvernement. Offrez donc des formations sectorielles sur l’IA à votre conseil et à votre direction. Il faut partir de là afin que les bonnes questions soient posées aux cadres. C’est essentiel. Quels sont les cas d’utilisation? Où réside la valeur? Comment quantifier la valeur? Comment préparer l’organisation au monde agentif qui nous attend? De quelles compétences mon organisation a-t-elle besoin pour demain? Quelle sera la stratégie de perfectionnement pour nos gens à l’heure où l’IA bouleverse notre travail? Doter la direction de ce niveau de formation et de littératie est primordial. C’est probablement chez les cadres intermédiaires que la plupart des frictions surviennent.
Les gens ont surtout l’habitude de se fier à l’intuition et à l’expérience. Je ne dis pas qu’il ne faut pas le faire, mais on doit avoir la bonne mentalité pour aborder avec intuition et expérience ce qu’indiquent l’IA et les modèles. Comment faire? Souvent, quand l’IA n’est qu’une boîte noire qui donne des réponses, un ingénieur hésitera à s’y fier aveuglément.
Quand l’IA vient avec une explication des raisons justifiant ses décisions et donne à l’ingénieur son raisonnement étape par étape, elle permet à l’ingénieur de comprendre comment l’IA produit ses réponses, qui sera plus enclin à accepter et à adopter l’IA. Donc, dans la formation aux cadres intermédiaires, on doit mettre l’accent sur ce qu’on appelle l’IA responsable. Sur l’explicabilité et la traçabilité des données. Et les aider à comprendre les rouages de l’IA. Je pense que c’est crucial pour amener les gens à y croire, à l’utiliser et, essentiellement, à se simplifier la vie.
Theo Yameogo
C’est un très bon point. Bien des conseils d’administration t’ont invité à parler de l’IA dans le contexte des mines et métaux, tant aux États-Unis qu’en Europe. Je crois qu’il est nécessaire d’informer, étant donné l’écart générationnel entre les administrateurs et les gens du terrain. On pourrait dire : « C’est bien, mais on n’a pas l’infrastructure technologique pour ça. C’est trop compliqué. » Comment répondre?
Pradeep Karpur
Il y a quelques années, j’aurais accepté cette réponse, mais aujourd’hui, avec l’accès à une infrastructure infonuagique simplifiée, où l’on peut configurer un environnement complet des capteurs à l’intégration des données en concevant des applications utilisateur, qui reposent sur des modèles, on peut couvrir l’entièreté du cycle de vie sans écrire une seule ligne de code. Ce sont des technologies conteneurisées disponibles dans la pile de Microsoft ou dans d’autres piles de votre choix. Leurs capacités se sont simplifiées et démocratisées. L’IA a joué un rôle crucial dans leur simplification. Désormais, la question est de savoir comment utiliser cette technologie de manière responsable et sécuritaire.
Se doter de garde-fous adéquats et veiller à la bonne implantation de l’infrastructure technologique est primordial. C’est ici qu’entre en jeu le terme IA responsable qui, selon moi, surtout dans le secteur des mines et métaux, s’avère essentiel, car nous sommes un secteur axé sur la sécurité. La sécurité fait partie intégrante de notre travail. En matière d’IA, l’IA responsable correspond à nos priorités. Je recommande vivement de prendre à cœur les principes de l’IA responsable et de toujours utiliser l’IA de façon à renforcer la confiance. Concevez une IA explicable et transparente. Intégrez sa gouvernance dans les activités, contrôlez étroitement l’utilisation de jetons, dotez-vous de mécanismes d’information efficaces et essayez d’établir des liens entre les jetons et la valeur que vous en tirez, de sorte à toujours garder la valeur à l’esprit et à assurer l’utilisation responsable de l’IA à grande échelle afin que vos activités d’IA soient rentables, sécuritaires et prospères.
Theo Yameogo
C’est bien d’en prendre conscience et c’est primordial. J’aimerais passer à un sujet relativement nouveau : l’IA physique. Comment envisages-tu l’intégration de l’IA physique dans l’exploitation minière, surtout en milieu éloigné?
Pradeep Karpur
En effet, elle change vraiment la donne. Ce qui diffère aujourd’hui, c’est que le matériel et les puces ont évolué : on peut maintenant intégrer du matériel et des puces dans certains chiens-robots pour exécuter des modèles d’IA localisés. Pourquoi est-ce important? Dans les profondeurs des mines ou dans les sites éloignés sans connexion réseau, l’exécution de modèles d’IA a longtemps représenté un défi. Les choses ont changé, car nos infrastructures se sont beaucoup améliorées. La technologie des puces s’est beaucoup améliorée. Nos modèles se sont tant allégés qu’on peut désormais les déployer dans ces petits appareils et les laisser s’exécuter dans des milieux où les humains entrent généralement avec difficulté. L’entraînement des modèles et leur exécution autonome dans les appareils changent la donne.
Theo Yameogo
Oui. C’est une excellente transition vers la convergence entre l’IA, la cybersécurité et les cyberrisques. Qu’aimerais-tu partager avec le public à ce sujet?
Pradeep Karpur
Quel bon moment d’en parler, particulièrement avec Mythos et tout ce qu’on entend sur le marché. Parfois, ça fait peur, n’est-ce pas?
Désormais, l’IA et la cybersécurité ne sont plus des sujets distincts. Ils sont désormais une source combinée de risque et de possibilités. Je constate trois choses. De un, l’IA accroît la surface d’attaque. Or, les systèmes d’IA eux-mêmes peuvent être des cibles.
Ils peuvent aussi amplifier l’incidence d’un enjeu de sécurité. Nous venons de parler des chiens-robots qui effectuent des tâches importantes. En effet, ils sont aujourd’hui vulnérables aux cyberattaques. De deux, l’IA accélère et raffine les cybermenaces.
Les cyberattaquants utilisent désormais l’IA pour automatiser la reconnaissance afin de générer des attaques ou d’exécuter rapidement des hameçonnages et des logiciels malveillants d’envergure. C’est bien vrai. Je ne dirai pas que ce n’est pas un problème.
En même temps, de trois, l’IA est aussi le meilleur moyen de défense. L’IA devient vitale pour la détection de menaces en temps réel, la détection d’anomalies dans les environnements de TO, la réponse automatisée et la résilience. Voici le grand virage : dans le secteur minier, la cybersécurité n’est plus qu’un enjeu de TI, c’est un risque opérationnel. Avec l’intégration de l’IA dans les activités, sécuriser l’IA devient aussi important que de la déployer. L’IA peut aussi être votre meilleure alliée dans la défense contre les cyberrisques. Voici une histoire. J’étais avec l’un de mes clients ici, en Alberta. Une attaque a eu lieu et des agents d’IA s’en sont pris à une infrastructure. C’était fascinant de voir les agents de défense de l’organisation s’activer et combattre les agents malveillants. En temps réel, je voyais un vecteur d’attaque et un vecteur de défense s’affronter afin de protéger l’organisation.
J’avais la chair de poule en regardant le tout, mais le système a fonctionné.
Theo Yameogo
Wow, c’est génial! Selon ce que tu dis à notre public, il me semble que l’élément central soit un changement de mentalité et des processus. Quel message veux-tu laisser au public à propos du changement de mentalité?
Pradeep Karpur
Je suis entièrement d’accord avec tes propos, Theo. Pour être chef de file de l’IA dans le secteur minier, on doit vraiment changer foncièrement les mentalités, en adoptant certes de nouveaux outils, mais en redéfinissant aussi la façon dont l’entreprise fonctionne. Voici cinq grands changements de mentalité. Le premier est de penser d’abord aux données plutôt qu’aux installations physiques.
Au fil des ans, les machines ont généré des millions de téraoctets de données. Commençons à les utiliser. Pensons d’abord aux données. Un autre : s’appuyer sur les données et le jugement plutôt que sur l’expérience. Le troisième : passer d’un grand projet pilote à 25 petits. Sans oublier le déploiement à grande échelle. C’est là que la vraie valeur exponentielle se crée.
Le quatrième : cesser de focaliser sur certaines parties du processus ou du système pour passer à un système intégré. Penser à la chaîne de valeur de bout en bout. C’est aussi là que la valeur exponentielle se crée.
Le dernier : passer d’une mentalité d’évitement des risques à une d’apprentissage. Une mentalité numérique favorisant la curiosité, l’apprentissage et l’adaptation rapide. Ce sont probablement les changements de mentalité les plus importants. Pour tirer une valeur transformationnelle, exponentielle de l’IA, ces cinq changements de mentalité sont essentiels.
Theo Yameogo
Fantastique! Sur ce, Pradeep, merci d’avoir été des nôtres. Ça a été un plaisir de te recevoir.
Pradeep Karpur
De rien, Theo! Merci de m’avoir accueilli.
