Pourquoi ChatGPT, Claude ou Mistral peinent-ils à répondre à des questions d'ingénierie ? Parce que l'IA industrielle a un problème de contexte. Dans cette conférence filmée au Tech for Industry Show, Anthony Ponceau (Aras, éditeur PLM low-code depuis 25 ans) démontre pourquoi la continuité numérique — le digital thread — est la fondation d'une IA fiable sur les données techniques.
Au programme : la fragmentation des données du cycle de vie produit — de l'exigence (ALM) à la conception (CAO), de la simulation à la fabrication et au service (CRM) — et la thèse d'Aras : la valeur ne vient pas des données, mais de leurs connexions. Sans imposer un outil unique : la plateforme PLM relie les données là où elles vivent. Trois cas concrets illustrent le propos : le changement d'exigence tardif (analyse d'impact instantanée de l'exigence à l'instruction de fabrication), l'obsolescence d'un composant (variantes affectées, pièces alternatives, impacts de conformité — des mois de résolution gagnés) et le problème remonté du terrain via un numéro de série (configuration exacte, défaillances connues, résolutions déjà disponibles). Côté IA : le « thread RAG » — l'exploration du fil numérique pour augmenter le contexte de l'agent avec la bonne version, la bonne variante et la sémantique des relations —, le respect strict du modèle de permissions par les agents, et la mise en garde sur l'entraînement des modèles avec des données propriétaires. Avec, en conclusion, 4 exigences de mise en œuvre et 5 actions pour démarrer.
Une conférence de référence pour les directions ingénierie, PLM, qualité et DSI.