Hitachi mise sur son expérience industrielle dans la course à l'IA physique

Dans le monde de l'intelligence artificielle, on admet volontiers que l'avenir appartient à ceux qui construisent les plus gros modèles de langage et disposent des clusters de calcul les plus puissants. Mais lorsqu'il s'agit d'IA physique, c'est-à-dire de technologies qui pilotent des robots, des chaînes de production et des systèmes industriels dans le monde réel, les règles du jeu peuvent être tout autres. C'est précisément le pari d'Hitachi, l'un des plus grands conglomérats industriels du Japon.

L'IA physique n'est pas un chatbot qui génère du texte, ni un réseau de neurones qui dessine des images à partir d'une description. C'est une intelligence qui doit comprendre la physique, l'inertie, le frottement, la température et la pression : tout ce qui détermine le comportement des objets dans le monde réel. L'erreur d'un modèle de langage produit une réponse imprécise. L'erreur d'une IA physique peut provoquer un accident en usine, l'arrêt d'une centrale électrique ou la collision d'un système autonome. Les enjeux sont fondamentalement différents, et cela rebat les cartes.

Une sorte de hiérarchie à trois niveaux s'est formée dans ce domaine. Au sommet, des entreprises comme OpenAI et Google, qui font passer à l'échelle des modèles de fondation multimodaux capables de traiter simultanément texte, images, vidéo et données de capteurs. Leur approche : créer une intelligence universelle qui pourra ensuite être adaptée à n'importe quelle tâche, y compris le pilotage de systèmes physiques. Au niveau intermédiaire, Nvidia construit des plateformes et des outils pour développer l'IA physique, des simulateurs comme Omniverse aux puces spécialisées pour la robotique. Nvidia ne crée pas de solutions finales, mais fournit l'infrastructure sans laquelle elles sont impossibles.

Et il existe un troisième camp : les industriels comme Hitachi, qui travaillent depuis des décennies avec des systèmes physiques et ont accumulé un volume colossal de connaissances sur le fonctionnement du monde réel. Hitachi fabrique de tout, des trains et équipements énergétiques aux appareils médicaux et engins de chantier. L'entreprise gère des processus industriels extrêmement complexes depuis plus de cent ans. Et cette expérience, selon la direction d'Hitachi, est l'avantage concurrentiel qu'on ne peut pas reproduire en entraînant simplement un réseau de neurones sur de gros volumes de données.

La logique est à la fois simple et profonde. Les modèles de fondation d'OpenAI ou de Google peuvent être aussi puissants que l'on veut, mais ils sont entraînés principalement sur des textes et des images issus d'internet. Ils savent à quoi ressemble une turbine en photo, mais pas comment elle vibre sous une charge donnée, quels schémas d'usure sont typiques d'un type précis de roulement, ni comment le comportement d'un système de refroidissement change à des températures anormales.

Ce savoir vit dans les journaux d'ingénierie, dans des bases de données propriétaires, dans la tête de milliers de spécialistes, et Hitachi y a accès. Transformer cette expérience en données d'entraînement pour l'IA n'est pas une tâche triviale, mais celui qui y parviendra obtiendra des modèles qui comprennent réellement le monde physique, au lieu de simplement imiter cette compréhension.

Il faut comprendre le contexte de cette manœuvre stratégique. Le marché de l'IA industrielle croît rapidement : selon diverses estimations, il dépassera 200 milliards de dollars d'ici 2030. Pourtant, la plupart des entreprises industrielles dans le monde n'utilisent encore l'IA que de façon fragmentaire, pour la maintenance prédictive ou l'optimisation de processus isolés. Le déploiement complet d'une IA physique pilotant de manière autonome les systèmes de production reste davantage un horizon qu'une réalité. Hitachi compte occuper ce créneau avant que les géants technologiques de la Silicon Valley n'y arrivent.

La stratégie d'Hitachi est aussi intéressante parce qu'elle remet en cause le paradigme dominant de l'industrie de l'IA, selon lequel l'emporte celui qui dispose de plus de puissance de calcul et de données généralistes. En IA physique, cette formule peut ne pas fonctionner. L'expertise métier, l'accès à des données industrielles réelles et, tout aussi important, la confiance des clients sont ici déterminants. Aucun exploitant de centrale nucléaire ne confiera le contrôle d'un système à un modèle conçu par une start-up sans expérience dans l'énergie, aussi impressionnante que soit son architecture. Hitachi travaille avec ces clients depuis des décennies.

Bien sûr, le pari d'Hitachi n'est pas sans risques. Les entreprises à riche héritage industriel perdent souvent face aux challengers technologiques précisément parce que leur inertie et leur bureaucratie freinent l'innovation. De plus, OpenAI et Google avancent activement vers la multimodalité et la robotique, et Nvidia propose chaque année des outils plus aboutis pour l'IA physique. La fenêtre d'opportunité d'Hitachi n'est pas infinie.

Pourtant, le simple fait qu'un géant industriel japonais affiche ouvertement son intention de concurrencer la Silicon Valley sur l'IA signale un changement important. L'époque où l'intelligence artificielle n'existait que dans l'espace numérique touche à sa fin. Le prochain chapitre, c'est l'IA dans le monde physique, et l'avantage pourrait y revenir à ceux qui comprennent le mieux ce monde.