Publié le 28 mai 2021

Intelligence artificielle : Aquila Data Enabler remporte l'AI Challenge for Industry 2020

Crédit photo : iStock-VanderWolf

La solution d'Aquila Data Enabler, associée à l’ISAE Supméca, a remporté le 2d challenge AI for Industry, coorganisé par la Région Île-de-France et Dassault Aviation. Le défi relevé ? Recourir à l’intelligence artificielle, à travers des capteurs virtuels, pour anticiper l'usure de pièces d'avions et optimiser leur maintenance. 

L’annonce a été faite ce 28 mai 2021 au Bourget (93). C'est le consortium composé d’Aquila Data Enabler, cabinet français de conseil référence en intelligence artificielle (IA ou AI en anglais), et du laboratoire Quartz de l’ISAE Supméca qui remporte l'AI Challenge for Industry 2020.

Coorganisé du 18 novembre 2020 au 31 décembre 2020 par la Région Île-de-France et Dassault Aviation en partenariat avec Startup Inside, les pôles de compétitivité franciliens Astech et Systematic, ainsi que l'Université Paris-Saclay, ce challenge a été doté de 500.000 euros par la Région. Cela, afin de financer la collaboration, ensuite, de l'équipe lauréate avec Dassault Aviation.

Le Bourget, le 28 mai 2021.

Des capteurs virtuels pour étudier l'usure des pièces des avions en vol

L’Île-de-France soutient les projets liés à l’IA

Dans le cadre de son plan régional IA2021, lancé en 2017 et qui vise à renforcer le leadership de l'Île-de-France en matière d'intelligence artificielle, la Région lance des challenges IA sur la santé ou sur l’industrie.

L'objectif du Challenge AI for Industry est de favoriser l'émergence de champions franciliens en IA appliquée, à l'instar de Quantmetry, lauréat du Challenge AI for Industry 2019, coorganisé avec la SNCF et Michelin. Et de Owkin, la start-up qui a remporté le challenge AI for Health, en 2019.

Quel était le défi ? Développer, sur la base de données fournies par Dassault Aviation, des capteurs virtuels pouvant estimer les déformations structurales locales subies par les avions en service, grâce aux seules données des instruments de bord.

Durant les 2 mois de sélection du challenge, 10 équipes candidates ont déployé plus de 1.000 soumissions d’algorithmes.

Les algorithmes doivent permettre, « par une connaissance plus fine du stress mécanique subi par les avions en service, d’optimiser nos programmes de maintenance et de proposer des structures plus légères et donc plus économes en carburant », explique Éric Trappier, P-D.G. de Dassault Aviation.

Collaboration de 18 mois avec Dassault Aviation

Les start-up candidates ont chacune entraîné une intelligence artificielle (IA) à partir de mesures réalisées sur des avions d’essai par des capteurs réels, fournies par Dassault Aviation. Avec un objectif : atteindre la meilleure précision possible avec des capteurs virtuels dans toutes les phases de vol.

Au final, les algoritmes développés par Aquila Data Enabler et l’ISAE Supméca  se sont révélés les plus performants pour le jury.

Leurs équipes vont donc travailler pendant 18 mois avec Dassault Aviation sur ce projet, avec le soutien financier de la Région.

Antonin Braun, CTO Data Science & IA d’Aquila Data Enabler revient sur la participation du consortium qui a remporté le challenge.

Qu’est-ce qui vous a motivé à participer à ce challenge ?

Antonin Braun : Dès que nous avons eu vent de ce challenge, nous nous sommes mis en ordre de marche pour pouvoir y répondre et ce pour plusieurs raisons. Tout d’abord, parce que c’est un sujet mêlant le machine learning et la physique, ce qui est l’ADN de notre cabinet. Mais aussi parce qu’il s’agit de thématiques sur lesquelles nous sommes fortement impliqués, comme la maintenance prédictive d’équipements industriels.

Dans ce cas, il s’agit d’un véritable besoin industriel concret avec de la donnée déjà préparée. Cela nous permet de tester nos travaux de R&D internes sur de vrais enjeux métiers, avec des données de vol réelles, et ainsi de valider nos modèles face à la réalité du terrain. 

Comment avez-vous préparé votre dossier ?

A. B. : Dans le dossier technique et scientifique adressé à Dassault, nous souhaitions mettre l’accent sur les atouts de nos travaux ainsi que sur les perspectives de développement de l’ensemble des recherches que nous avions initié. La collaboration avec ISAE-Supméca a été aussi centrale dans notre proposition. De plus, la démarche consistant à former un consortium a été particulièrement appréciée par le jury du concours. Et la complémentarité de nos compétences nous a permis de construire une proposition homogène et cohérente.

Notre consortium propose à Dassault un modèle pertinent, frugal, explicable et aisément déployable. 
Antonin Braun, CTO Data Science & IA d’Aquila Data Enabler

En échange permanent avec ISAE-Supméca, nous avons fait intervenir notre direction scientifique, nos experts techniques, ainsi que la stratégie commerciale. Ce qui nous a permis d’assurer un certain équilibre entre qualité scientifique, efficacité opérationnelle et débouchés commerciaux.

In fine, nous proposons à Dassault un modèle pertinent, frugal, explicable et aisément déployable, ce qui nous a permis de faire la différence.

Quels étaient vos atouts ?

A. B. : Le consortium formé avec ISAE-Supméca nous a permis, dès le départ, d’allier 2 expertises clés pour le déroulement du concours : 

  • L’intelligence artificielle, portée par Aquila,
  • La connaissance des enjeux métiers (physiques, mécaniques, spécificités du secteur aéronautique) apportée par ISAE-Supméca.

La synergie nous paraissait évidente car chez ISAE-Supméca, l’IA et le machine learning sont des sujets clés depuis plusieurs années. Et, chez Aquila, les datascientistes viennent du monde de la recherche et bien souvent de la physique. 

Aviez-vous déjà mené des travaux similaires dans d’autres domaines ?

A. B. : Notre société travaille, depuis plus de 3 ans, sur des sujets liés à l’analyse et à l’exploitation de données capteurs. Nous avons mené de nombreux projets industriels mêlant la prévision de performance et la détection d’anomalies sur ces types de données quel que soit le secteur industriel. 

Nous avons ainsi pu accompagner des clients sur ces sujets dans de nombreux domaines :

  • Prédiction de performance d’unités industrielles complexes à partir de données capteurs et labo,
  • Détection d’anomalies dans des systèmes énergétiques à partir des données capteurs,
  • Prédiction de consommation électrique de clients industriels à partir d’historiques et données exogènes, etc.

Que ce soit dans le domaine de l’aéronautique, du transport, de l’énergie, ou de l’industrie lourde, la demande sur l’exploitation des données par l’IA explose. De nombreux projets seront mutualisables entre les différentes filières.

L’équipe Vibrations, Acoustique, Structure et Formes Mécanique (VST-FM) d’ISAE-Supméca travaille également avec de nombreux industriels (Keyprod, PSA, PTC, KSB) pour lesquels des solutions originales alliant expertise mécanique, notamment en vibrations, traitement du signal et intelligence artificielle ont été développées : 

  • Capteur intelligent pour le suivi de production en temps réel,
  • Instrumentation embarquée intelligente pour l’autodiagnostic de défaillances,
  • Jumeau numérique pour la dynamique véhicule, etc.

Quelles difficultés avez-vous dû surmonter ? 

A. B. : Ce concours représente de nombreux challenges intéressants. L’œil humain n’avait pas accès à l’intégralité des données, mais seulement à une toute petite partie, ce qui ne nous a pas permis d’exploiter notre expertise à son maximum ! Nous avons tout de même réussi en nous appuyant sur la documentation et la complémentarité de notre consortium, à exploiter au mieux ces datas grâce à des méthodes de clustering non supervisées. 

Les autres problématiques rencontrées étaient :

  • De savoir identifier les phases de vols, 
  • De savoir construire un modèle explicable, frugal tout en gardant un niveau de performance compétitif,
  • De savoir n’utiliser que les données en vol (hors atterrissage et décollage).

Comment va se dérouler cette collaboration avec Dassault ? Avec quelle finalité ?

A. B. : L’objectif de ce challenge est de pouvoir construire une solution de qualité industrielle, permettant l’utilisation de capteurs virtuels dans différentes situations. Dans ce développement l’apport de la subvention de la Région sera un accélérateur pour la mise au point des produits dont les objectifs sont les suivants :

  • Donner un retour d'utilisation plus fin au bureau d’études pour leur permettre d'améliorer la conception des futurs appareils et apporter à nos clients un support immédiat, voire prédictif,
  • Améliorer l’utilisation des équipements en apportant de l’information complémentaire pour une utilisation optimale (capteur acoustique, température, de vibrations…).

Cette solution s’appuiera sur des travaux de recherches permettant de repousser l’état de l’art (2 thèses cofinancées Aquila – ISAE-Supméca). Elle sera appliquée sur la gamme Falcon de Dassault pour l’apport de services complémentaires sur les gammes futures notamment les F6X et F10X.