Automatisation, infonuagique et IA : État des Lieux & Synergies

Ces 20 dernières années, j’ai vécu plusieurs transformations organisationnelles avec différents employeurs, toutes ont eu comme catalyseur des innovations technologiques majeures : l’automatisation, l’infonuagique et les IA avancées.

Ici, je me propose de mettre en lumière l’importance de l’informatique dans les technologies opérationnelles, de clarifier le contexte de l’automatisation, de l’infonuagique et des IA avancées et d’examiner comment leur synergie amplifie leurs capacités respectives.

---

Avant-propos: Cet article, augmenté d’améliorations générées avec des IA (Napkin , Google AI, Perplexity), est mis à disposition au travers de la license CC BY-ND 4.0

---

L’Omniprésence Croissante de l’Informatique dans les Technologies Opérationnelles : Une Transformation Industrielle Profonde

Les Technologies Opérationnelles (TO) regroupent l’ensemble des systèmes utilisés pour surveiller, contrôler et automatiser les équipements industriels, les processus de fabrication, les infrastructures critiques et d’autres systèmes physiques.

L’intégration exponentielle de l’informatique dans le mix des TO représente une transformation d’une ampleur considérable pour une multitude de secteurs industriels à l’échelle planétaire. Cette tendance se caractérise par une intégration de systèmes informatiques d’une complexité croissante au cœur des processus de production.

Dans le même temps, cette informatisation gagne en importance dans la gestion et la supervision des infrastructures critiques. Les réseaux énergétiques, les installations de traitement des eaux, ou encore les réseaux routiers, ferroviaires, aériens ou maritimes, dépendent de plus en plus de systèmes informatiques pour assurer une surveillance constante, un pilotage précis et une optimisation en temps réel des flux.

L’informatisation transforme également la distribution de services. Les télécommunications, les services financiers et la logistique dépendent de plateformes informatiques à hautes performances pour la gestion de données, la sécurité, la rapidité et l’optimisation des opérations et de la chaîne d’approvisionnement.

L’intégration massive de l’informatique dans les opérations physiques entraîne une convergence entre les TI et les TO. Les données temps réel des infrastructures et processus sont analysées par des systèmes puissants, transformant ces données en informations décisionnelles pour améliorer l’efficacité, orienter les stratégies et anticiper la maintenance. Cette convergence offre des possibilités inédites pour améliorer l’efficacité opérationnelle par l’optimisation des ressources, l’augmentation de la productivité grâce à l’automatisation et un contrôle plus fin et adaptable des processus industriels, permettant une personnalisation accrue.

Enfin, cette convergence entre l’informatique et les technologies opérationnelles se révèle être un puissant catalyseur d’innovation. L’exploitation intelligente des données collectées et l’automatisation avancée des tâches ouvrent la voie au développement de nouveaux produits aux fonctionnalités enrichies, de services inédits venant combler des besoins émergents et de modèles d’affaires disruptifs remettant en question les pratiques établies. Cette transformation, portée par la transformation numérique des processus opérationnels, est donc un moteur essentiel de la croissance économique dans un paysage industriel en constante évolution.

Automatisation, infonuagique et IA : bref état des lieux

Automatisation: des fondamentaux aux systèmes avancés

Les fondements de l’automatisation moderne

La technologie a toujours eu cette promesse : simplifier la vie de l’être humain. De manière paradoxale, ses applications nécessitent généralement des systèmes composés de processus d’une complexité variable. De la même manière, chaque processus est une somme de tâches plus ou moins complexes, dont l’exécution va demander de l’intervention humaine.

L’automatisation moderne a pour but d’améliorer la productivité tout en évitant au maximum les erreurs dues aux interactions manuelles en remplaçant l’être humain dans l’exécution de tout ou partie de ces tâches.

Les bases de l’automatisation dans les TI

Replacée dans le contexte de l’informatique actuelle, l’automatisation a initialement permis de rationaliser les tâches administratives fondamentales au moyen de scripts simples et efficaces. Le perfectionnement continu des langages de script, tels que Python, PowerShell et Bash, conjugué à la prolifération des interfaces de programmation applicative (API), a ouvert la voie à l’automatisation de processus auparavant considérés comme complexes et chronophages. Parmi ces processus figurent désormais la gestion et l’attribution des accès utilisateurs, la configuration et le déploiement d’infrastructures informatiques, le traitement et l’analyse de volumes importants de données, ainsi que la mise en œuvre de mesures robustes de protection des données sensibles. L’automatisation a même atteint un niveau de sophistication permettant l’orchestration de flux de travail de bout en bout, intégrant diverses applications et systèmes pour atteindre des objectifs métiers complexes.

Parmi les systèmes d’automatisation basiques mis en œuvre en informatique, on retrouve fréquemment :

• La programmation horaire, qui permet d’exécuter des tâches spécifiques à des moments prédéfinis. Elle est notamment utilisée pour :
  • La gestion des mises à jour logicielles sur les parcs informatiques.
  • La gestion du cycle de vie des données d’entreprise (sauvegarde, archivage, suppression).
• Le filtrage de motifs, qui déclenche des actions spécifiques en fonction de motifs listés dans une base de définition. Ce type d’automatisation est fréquemment utilisé notamment pour :
  • Les chatbots limités à de simples interactions, qu’on peut retrouver dans les FAQs ou les sites marchands,
  • Les systèmes de préventions des menaces (antivirus, antimalwares)
  • Les systèmes de prévention d’intrusion (IPS).

Infonuagique : Le moteur de la transformation numérique

En l’espace de 20 ans, le secteur informatique a vu l’essor puis la généralisation de ce que l’on appelle l’infonuagique (le fameux “cloud”).

Là où les entreprises et organisations étaient contraintes à financer l’achat, la mise en place, le maintien opérationnel, l’évolution et la gestion de l’obsolescence de solutions TI de plus en plus complexes et donc imposantes, elle se sont vu offrir la possibilité de passer à des modèles de consommation au service (“As a Service”). Ces services sont offerts à distance par des fournisseurs tiers et utilisés par les clients pour compléter ou remplacer les solutions pré-existantes.

Parmi les modèles de service infonuagique les plus courants :

• L’infrastructure en tant que services (ou IaaS, “Infrastructure as a Service”)
  • Fournit des ressources informatiques virtualisées sur Internet ou via des réseaux privés virtuels, y compris des serveurs, du stockage et des réseaux.
  • Les utilisateurs gèrent les systèmes d’exploitation, les applications et les données, tandis que le matériel et la virtualisation sont gérés par le fournisseur.
• La plateforme en tant que service (PaaS, “Platform as a Service”)
  • Offre une plateforme et un environnement infonuagiques pour permettre aux développeurs de créer des applications et des services sur Internet.
  • Les fournisseurs de PaaS hébergent du matériel et des logiciels sur leur propre infrastructure.
• Le logiciel en tant que service ( SaaS, “Software as a Service”)
  • Fournit des applications logicielles sur Internet, sur une base d’abonnement.
  • Les utilisateurs peuvent accéder aux logiciels à partir de n’importe quel appareil doté d’une connexion Internet et d’un navigateur Web, sans se soucier de l’installation, de la maintenance ou du codage.

Dans le top 3 des fournisseurs IaaS et PaaS, on retrouve :

• Amazon Web Services (AWS) Chef de file du cloud public depuis 2002, AWS détient 33% du marché avec plus de 200 services (calcul, apprentissage machine, etc.). Son succès mondial s’explique par sa fiabilité, sa flexibilité, son évolutivité et son innovation continue, contribuant significativement à la transformation numérique.
• Microsoft Azure Le géant de Redmond favorise une intégration poussée de ses services cloud avec son écosystème existant, ce qui plaît aux entreprises clientes de ses produits (Windows Server, MS SQL, Office 365, etc.)..
• Google Cloud Platform (GCP) La solution infonuagique de Google se distingue par son réseau mondial, ses innovations en IA et traitement de données, et ses solutions d’orchestration de conteneurs Kubernetes.

Du côté des solutions SaaS, on peut voir notamment:

• Salesforce (pour la gestion de la relation client),
• SAP (pour la planification des ressources d’entreprise),
• Microsoft 365,
• Google Workspace.

Les offres d’infonuagique sont pléthores!

Lors de la conception d’une solution, il est conseillé d’évaluer les critères suivants :

• Intégration avec les systèmes existants
• Budget
• Requis en termes de performance, de disponibilité, de capacité
• Exigences de sécurité
• Obligations de conformité
• Niveau de compétence des équipes

Boom des intelligences artificielles avancées dans les systèmes d’information

Machine Learning (ML) : La fondation

L’apprentissage automatique (“Machine Learning” - ML) est la branche de l’IA qui, par l’utilisation d’algorithmes de plus en plus complexes pour traiter des données, permet d’améliorer les performances des ordinateurs sur l’execution de tâches sans qu’ils soient spécifiquement programmés pour cela.

Le champ d’application du ML est assez vaste, et s’intègre depuis longtemps dans les systèmes d’information, notamment dans :

• les moteurs de recherche,
• les systèmes de recommandations,
• la détection d’anomalie en cybersécurité.

Deep Learning (DL) : Un bond en avant

L’apprentissage profond (“Deep Learning” - DL) est une branche de l’intelligence artificielle et du machine learning qui utilise des réseaux de neurones artificiels composés de plusieurs couches (d’où le terme « profond ») pour “apprendre” à partir de grandes quantités de données, souvent non structurées.

Inspiré du fonctionnement du cerveau humain, le DL permet aux ordinateurs de reconnaître des motifs complexes dans des images, du texte, de l’audio ou d’autres types de données, et d’automatiser des tâches qui nécessitent normalement l’intelligence humaine.

Dans les applications de longue date, on retrouve par exemple:

• la détection de fraude bancaire,
• la reconnaissance faciale et vocale,
• la traduction automatique.

L’essor de l’IA générative : La nouvelle vague

L’intelligence artificielle générative (“Generative AI” - GenAI) tire partie des techniques avancées de ML et DL pour créer de nouveaux contenus (texte, images, audio, vidéo, code, etc.) en s’inspirant des caractéristiques des données sur lesquelles elle a été entraînée.

Les avancées majeures réalisées ces cinq dernières années dans la pertinence des contenus générés ouvrent la voie à l’intégration de fonctionnalités GenAI au sein des systèmes d’information.

Ainsi, on observe de plus en plus souvent dans les SI des usages tels que :

• la génération automatique de code,
• la création de contenus marketing,
• le déploiement de chatbots avancés.

IA agentique: quand l’union fait la force

L’IA agentique désigne des systèmes d’IA autonomes, dotés de raisonnement, orientés vers des objectifs, adaptables et capables d’interagir dynamiquement avec leur environnement pour atteindre des résultats sans supervision constante. Contrairement à l’IA statique, elle est holistique, proactive et s’adapte, agissant comme un employé numérique spécialisé capable d’évoluer et de collaborer.

En écho qui est décrit dans mon article dédié aux applications de l’IA agentique dans le monde des infrastructures télécom, les cas d’usage d’application d’agents IA dans les SI sont nombreux:

• Automatisation du service client,
• Maintenance prédictive,
• Optimisation opérationnelle générale et gestion de la chaîne d’approvisionnement,
• Sécurité et détection de fraude,
• Analyse et reporting.

Synergies entre automatisation, infonuagique et IA avancées

L’intégration dynamique de l’automatisation, de l’infonuagique et de l’intelligence artificielle avancée engendre une interaction synergique puissante, formant un cycle vertueux où les capacités de chaque composante se potentialisent mutuellement, ouvrant ainsi de nouvelles avenues pour l’efficacité, l’innovation et la croissance.

Automatisation propulsée par IA

L’automatisation des tâches répétitives est essentielle dans de nombreux domaines. Avec la complexification croissante des processus de production de biens et services due aux innovations technologiques, les systèmes d’automatisation doivent être capables de gérer des tâches toujours plus complexes et variées.

L’IA actuelle, grâce à sa capacité d’analyser de vastes données et d’identifier des schémas complexes, est devenue un outil indispensable pour automatiser à grande échelle. Les avancées récentes en apprentissage automatique et profond, ainsi que l’essor de l’IA générative et agentique, ont permis d’automatiser des tâches de plus en plus sophistiquées, comme la création de code ou la gestion automatique des incidents informatiques.

Capacités IA augmentées grâce à l’infonuagique

Le développement et le déploiement d’applications d’IA, notamment celles basées sur l’apprentissage profond et l’IA générative, exigent d’importantes ressources de calcul et de stockage. Les modèles d’IA, tels que les grands modèles de langage ou les réseaux neuronaux pour la vision, sont entraînés sur des jeux de données massifs, nécessitant des infrastructures capables de traiter et de stocker des pétaoctets d’informations.

L’infonuagique s’est rapidement imposée comme la solution idéale, offrant une évolutivité et une flexibilité considérables pour allouer des ressources à la demande. Les fournisseurs de cloud proposent des GPU et des TPU optimisés pour les charges de travail d’IA, rendant cette puissance de calcul essentielle non seulement plus accessible financièrement, mais aussi plus flexible et facile à déployer, favorisant ainsi l’adoption et l’innovation dans le domaine de l’intelligence artificielle.

Capacités infonuagiques optimisée et augmentées par l’IA

Face à la demande croissante de services infonuagiques et à la nécessité d’optimiser les coûts, l’automatisation intelligente de la mise à l’échelle est devenue primordiale. L’IA générative et agentique, en combinant leurs atouts, permettent d’atteindre cet objectif.

L’IA générative peut analyser les tendances d’utilisation et anticiper les besoins futurs en ressources, permettant une allocation proactive et évitant le surprovisionnement ou le sous-provisionnement.

L’IA agentique, quant à elle, peut surveiller en temps réel l’utilisation des ressources et ajuster dynamiquement l’allocation en fonction des besoins, en déplaçant automatiquement les charges de travail vers les serveurs les moins sollicités ou en adaptant les ressources à la demande. Cela permet une gestion plus efficace et économique des infrastructures infonuagiques.

Puissance de calcul améliorée par l’IA

L’intelligence artificielle ne se contente pas d’optimiser l’utilisation des ressources informatiques existantes ; elle révolutionne également la conception et la fabrication des puces informatiques elles-mêmes. Grâce au Machine Learning et au Deep Learning, les ingénieurs peuvent désormais simuler et tester des milliers de configurations de circuits intégrés en un temps record.

L’IA permet d’identifier les designs les plus efficaces, réduisant ainsi la consommation d’énergie et augmentant la vitesse de traitement. De plus, l’IA générative est utilisée pour créer de nouveaux types d’architectures de puces, ouvrant la voie à des performances inédites et à une spécialisation accrue pour les charges de travail d’IA elles-mêmes.

Cette boucle de rétroaction positive entre l’IA et le matériel informatique promet des avancées spectaculaires dans les années à venir.

Conclusion

On vient de voir que l’intégration poussée de l’automatisation, du cloud et de l’IA change radicalement les systèmes d’information et les usines. Ces technologies combinées offrent des opportunités incroyables pour l’efficacité, l’innovation et la croissance.

Mais cette transformation, au même titre que chaque innovation technologique, soulève une question clé: quel sera l’impact sur les gens et le marché du travail ? Comment s’assurer d’une transition juste et ouverte à tous, où les avantages sont partagés et les problèmes gérés de manière responsable ?

Je reviendrai en détail sur ces interrogations dans mon prochain post. D’ici-là, rejoignez-moi sur les réseaux 😉