Méthodes d’intelligence artificielle et de fouille de données appliquées en génie des procédés

Les méthodes d’intelligence artificielle (IA) et de traitement de données massives ont démontré leur pertinence dans beaucoup de domaines grâce à leur capacité à résoudre des problèmes complexes, souvent difficiles à formuler explicitement (traduction multilingue, génération d’images, conduite autonome…). Or, le génie des procédés et des produits est une science interdisciplinaire de la complexité : (i) complexité des phénomènes physiques et chimiques (chimie, transfert, hydrodynamique…), (ii) complexité des fonctions d’usage (réactivité d’un intermédiaire, capacité énergétique d’un carburant, viscosité d’un polymère…), (iii) complexité des milieux (mélanges, produits formulés, milieux biologiques…), (iv) complexité des secteurs d’applications (semi-conducteurs, alimentaire, pharmaceutique…), (v) complexité des installations opérées (réacteurs, séparateurs, procédés…) et (vi) complexité des stratégies de gestion (régulation, chaîne logistique, planification…). De plus, le génie des procédés et des produits opère dans un marché fluctuant et hautement concurrentiel, où les industries doivent se différencier en développant des produits innovants, rapidement et économiquement, tout en garantissant qualité, performance et production durable.

Il paraît donc naturel que les méthodes d’IA aient un rôle à jouer en génie des procédés. L’explosion récente de ces méthodes pourrait laisser penser qu’il s’agit d’une nouveauté, mais des liens existent depuis longtemps : modèles de tendance basés sur des données depuis le début du XX ^e  siècle, systèmes experts dans les années 1980-1990, etc. La compréhension des couplages et l’extrapolation en échelle étant des préoccupations constantes en génie des procédés, de nombreuses démarches de traitement de données et de modélisation sont d’utilisation courante : la régression multilinéaire (MLR) et l’analyse en composantes principales (ACP) font partie du syllabus de nombreuses formations initiales en génie des procédés. Une analyse documentaire met en évidence l'utilisation des méthodes d'apprentissage supervisé et des méthodes hybrides, non supervisées et combinatoires. Si les méthodes semi-supervisées et par renforcement restent marginales, elles croissent et ouvrent des perspectives nouvelles dont la communauté commence à s’emparer. Mais de nouvelles méthodes émergent régulièrement, se basant parfois sur des logiques très nouvelles. Cet article vise donc à faire le point sur les méthodes d’IA utilisées en génie des procédés, leurs logiques, leurs spécificités et leur pertinence par rapport à un besoin applicatif, puis à élargir cette vue aux méthodes les plus prometteuses.

Qu’un ingénieur en génie des procédés s’intéresse à la transformation optimale de matières premières en produits,...