Actualité Le CNES et Clemessy développent un simulateur de systèmes fluidiques à l’aide de réseaux...

Pour approfondir le sujet

Automatisation robotisée des processus et machine learning : le pari des hôtels pour relancer le tourisme

UiPath, une entreprise spécialisée dans l'automatisation robotisée de processus, a exploité sa technologie pour développer plusieurs processus d'automatisation au service de l'industrie du tourisme....

Atos et Graphcore annoncent leur partenariat pour concevoir des solutions de calcul haute performance

D'un côté, Atos, un spécialiste français de la transformation numérique, qui a présenté en début de mois sa nouvelle plateforme de computer vision, mais...

DeepMind et EMBL : une avancée majeure dans l’analyse du protéome humain grâce à l’intelligence artificielle

DeepMind, société technologique et filiale de Google, a annoncé sa collaboration avec le laboratoire européen de biologique moléculaire (EMBL) dans l'objectif de proposer une...

Grâce au deep learning, une application pourrait aider à diagnostiquer le VIH plus facilement

Une équipe de recherche composée d'experts de l'Africa Health Research Institute (AHRI) et de l'University College de Londres (UCL) a exploité l'intelligence artificielle pour...

Le CNES et Clemessy développent un simulateur de systèmes fluidiques à l’aide de réseaux de neurones artificiels

Le  Centre national d’études spatiales (CNES) et Clemessy collaborent actuellement au développement d’un simulateur de systèmes fluidiques, à l’aide de réseaux de neurones artificiels. Au centre de leur partenariat, un objectif : optimiser le remplissage des réservoirs d’une fusée grâce à l’intelligence artificielle.

Pour faire décoller une fusée, il faut commencer par remplir ses réservoirs d’hydrogène liquide (LH2), un combustible au comportement diphasique, très instable et difficile à modéliser. Le CNES, qui excelle notamment dans les modélisations mathématiques complexes dans le but de mieux maîtriser cette phase critique du remplissage, a choisi de considérer l’IA pour obtenir de meilleurs résultats.

“ Le principe est très simple. Plutôt que de passer du temps à modéliser mathématiquement le remplissage en LH2 du premier étage d’une fusée, on fait ingérer les données acquises par l’expérience (Ariane 5 et open data) à un réseau neuronal. En sortie, on dispose d’un simulateur qui permet de valider le process sans avoir à mettre en œuvre des équipements réels ou de lourds développements de modèles mathématiques ”, nous explique Benjamin Lamy, responsable ingénierie informatique & contrôle-commande pour Eiffage Énergie Systèmes-Clemessy.

L’IA utilise les données du passé pour mieux “prédire ” les données du futur. Elle permet aussi de simuler, en temps réel, le comportement du process fluide (sol et lanceur). Prometteur, le démonstrateur mis au point en collaboration avec le CNES pourrait être utilisé sur les lanceurs du futur (Callisto et Themis) durant les phases de développement, pour la validation du logiciel applicatif et lors de la maintenance prédictive. Ce démonstrateur informatique, utilisable de façon intuitive, est une première étape pour les équipes du CNES et de Clemessy qui concourt à améliorer le défi de la compétitivité au niveau européen dans le spatial et les industries critiques.

“ Au-delà du travail en partenariat avec la prestigieuse Direction des Lanceurs du CNES, l’enjeu de l’IA appliquée aux besoins de l’industrie, c’est d’augmenter notre capacité à donner du sens aux informations, là où l’algorithmie classique requière trop de temps et de moyens. A l’avenir, lorsque l’on voudra tester un système complexe, on ne mobilisera quasiment plus que des moyens informatiques ”, souligne Benjamin Lamy.

À présent, les réseaux neuronaux et l’IA sont utilisés au quotidien dans l’industrie et les usages concrets se multiplient  : classification des formes dans l’industrie automobile, comptage des poids lourds aux entrées et sorties d’aires d’autoroute (pour les informer sur le nombre de places disponibles), comptage des usagers d’une gare en temps réel (pour déterminer l’intensité du chauffage à prévoir), etc.

Les clients industriels sont également de plus en plus nombreux à avoir recours à l’IA pour mieux prédire leur consommation énergétique. Les champs d’application de l’IA sont vastes et le procédé commence à porter ses fruits, en tant que nouvelle offre de EIFFAGE.

© ESA/CNES/Arianespace/Optique vidéo du CSG – S. Martin

Thomas Calvi

Partager l'article

Automatisation robotisée des processus et machine learning : le pari des hôtels pour relancer le tourisme

UiPath, une entreprise spécialisée dans l'automatisation robotisée de processus, a exploité sa technologie pour développer plusieurs processus d'automatisation au service de l'industrie du tourisme....

Atos et Graphcore annoncent leur partenariat pour concevoir des solutions de calcul haute performance

D'un côté, Atos, un spécialiste français de la transformation numérique, qui a présenté en début de mois sa nouvelle plateforme de computer vision, mais...

DeepMind et EMBL : une avancée majeure dans l’analyse du protéome humain grâce à l’intelligence artificielle

DeepMind, société technologique et filiale de Google, a annoncé sa collaboration avec le laboratoire européen de biologique moléculaire (EMBL) dans l'objectif de proposer une...

Grâce au deep learning, une application pourrait aider à diagnostiquer le VIH plus facilement

Une équipe de recherche composée d'experts de l'Africa Health Research Institute (AHRI) et de l'University College de Londres (UCL) a exploité l'intelligence artificielle pour...