L'IA passe d'observateur à participant
Les agents intelligents industriels font leurs preuves dans les industries traditionnelles

Une mine de charbon à Shandong utilise une gestion intelligente pour les opérations souterraines. Photo/Source de l’entreprise interviewée

Journaliste du Securities Times Huang Xiang

« Autrefois, dans une usine de lavage de charbon, les anciens ajustaient la densité du médium lourd uniquement par le toucher, il leur fallait 5 à 6 ans pour développer un œil de feu ; maintenant, l’intelligence artificielle fournit directement les paramètres optimaux, et le PLC exécute automatiquement, garantissant une qualité de charbon fin stable et excellente. » Dans l’atelier de lavage de la mine de Xinglongzhuang, un opérateur a partagé le changement concret apporté par l’IA dans l’industrie minière traditionnelle.

Les scénarios industriels sont complexes, avec des exigences strictes en matière de sécurité et une forte nécessité de réactivité en temps réel. L’efficacité des grands modèles d’IA est limitée dans ce contexte. C’est pourquoi l’industrie commence à explorer et à déployer des agents intelligents.

Récemment, le Securities Times a visité YunDing Technology et découvert que dans les secteurs traditionnels tels que l’exploitation minière, la chimie, le pétrole et le gaz, on fait face à des problèmes communs de faible efficacité, de risques élevés pour la sécurité et de forte dépendance à l’expérience humaine. Mais ces défis trouvent désormais une voie de résolution systématique — grâce à la capacité de boucle fermée « perception-décision-exécution-optimisation » centrée sur l’agent intelligent, qui est en train de transformer la production et la gestion industrielles. En tant que vecteur clé reliant les grands modèles d’IA aux scénarios industriels, l’agent intelligent comble la « dernière kilomètre » de la mise en œuvre de l’IA, permettant aux industries traditionnelles de passer de « l’intelligence ponctuelle » à une « collaboration systémique ».

L’agent intelligent résout les points douloureux de l’industrie

« Auparavant, les grands modèles fournissaient des capacités fondamentales, comme un « cerveau intelligent » pour l’industrie, mais ce sont les agents qui concrétisent cette intelligence en « mains et pieds », transformant la technologie en bénéfices tangibles. » explique Gao Zhen, directeur général de l’intelligence artificielle chez YunDing Technology, division Internet industriel.

« La transformation intelligente des industries traditionnelles est restée longtemps au stade d’applications « d’alerte », et la capacité des grands modèles à passer de la « détection et perception » à la « décision et exécution » présente encore des lacunes. » Selon Gao Zhen, l’apparition des agents a complètement changé cette situation, avec des percées dans des domaines comme l’exploitation minière, la chimie et le pétrole/gaz, où l’IA passe du rôle de « spectateur » à celui de « participant ».

YunDing Technology est un fournisseur pionnier en Chine de solutions numériques intégrant de grands modèles pour des secteurs verticaux, avec plusieurs cas d’application exemplaires dans l’exploitation minière, la chimie et le pétrole/gaz, et une diffusion à grande échelle.

Dans l’atelier de lavage de la mine de Xinglongzhuang, YunDing a développé un agent intelligent permettant une régulation précise de la densité dans un scénario industriel. La séparation par médium lourd traditionnel dépendait de l’expérience humaine pour régler la densité, avec une grande variabilité des paramètres, ce qui entraînait une instabilité de la rendement du charbon fin, ainsi que du gaspillage de médium et des pertes de produit. Désormais, l’agent intelligent prédit la densité optimale de tri à l’aide d’un grand modèle, puis pilote directement le PLC pour un ajustement en boucle fermée, stabilisant la qualité du charbon fin tout en augmentant le rendement de plus de 0,2 %. Sur une production annuelle de 3 millions de tonnes, cela représente un bénéfice direct supérieur à 3 millions de yuans par an.

La sécurité des opérations souterraines est également renforcée par la participation de l’agent intelligent. Sur le site de forage anti-blocage et décompression de Liliu Coal, l’agent de surveillance de la profondeur des trous de décompression utilise des algorithmes vidéo pour compter automatiquement le nombre de barres de forage, éliminant complètement l’ancien mode de vérification manuelle, fastidieux et sujet à erreur.

« Avant, compter manuellement les barres de forage nous faisait perdre la vue, et on craignait toujours d’en manquer. Maintenant, grâce à l’algorithme de vérification automatique, l’efficacité a augmenté de plus de 80 %. » ont déclaré les travailleurs sur place. La surveillance du convoyeur à charbon en sous-sol est également prise en charge par l’agent, avec une caméra surveillant 24h/24 en temps réel, détectant automatiquement les anomalies et déclenchant des alertes ou des actions. Cela réduit la charge de travail des opérateurs et élimine les zones d’ombre lors des inspections manuelles.

Dans le secteur chimique, l’agent doit relever le défi de l’optimisation des procédés de production, souvent caractérisés par « multi-variables, non linéarité et forte couplage ». « Le processus de lavage du charbon est principalement physique, mais les procédés chimiques en chimie sont souvent liés à des réactions chimiques, où la régulation d’un seul paramètre peut déclencher une réaction en chaîne, rendant la prédiction et l’optimisation très difficiles. » confie Gao Zhen. La R&D d’un agent pour la distillation du méthanol a nécessité près d’un an d’efforts. Avec des résultats, cette solution a été déployée chez Yulin Energy, où elle a permis de réduire la consommation de vapeur de méthanol de 3,2 %, augmentant la production annuelle de 180 tonnes et réduisant les coûts et augmentant l’efficacité de 4,5 millions de yuans par usine.

L’industrie du pétrole et du gaz voit également une mise en œuvre à grande échelle des agents intelligents. En 2024, YunDing a remporté un contrat pour un projet de grand modèle d’IA pour un groupe de pipelines, étendant la capacité des agents au domaine des réseaux de pipelines de pétrole et de gaz. « De l’exploitation minière à la chimie, puis au pétrole et au gaz, la rapidité de déploiement des agents repose sur leur capacité à résoudre de véritables points douloureux, apportant des bénéfices visibles. » indique Gao Zhen.

Construire un « support dur » pour l’industrie traditionnelle

Derrière la réussite des agents dans l’industrie traditionnelle se trouve un système technologique adapté aux scénarios industriels. Contrairement à la « généralité » des agents pour le grand public, le développement d’agents industriels privilégie la « praticité » et la « sécurité », avec une architecture centrale de « base multi-modèles + carburant de données + plateforme ».

Dès 2022, YunDing a collaboré avec Huawei pour le développement de grands modèles, en 2023, a lancé le premier grand modèle minier pour l’énergie, et en 2025, a présenté le modèle chimique Fuxi. Aujourd’hui, la famille de grands modèles couvre plusieurs industries. « Notre base de grands modèles repose sur une architecture multi-modèles, intégrant des modèles commerciaux comme Pangu de Huawei en local, ainsi que des modèles universels de l’industrie, permettant une adaptation flexible selon les scénarios. » explique Gao Zhen. Cette conception « industrie + généraliste » rend la technologie plus robuste.

« Un agent industriel ne peut pas se contenter de données génériques ; il doit s’enraciner dans les scénarios industriels pour accumuler des données spécifiques. » confie Gao Zhen. YunDing a misé dès le début sur l’accumulation de données industrielles, disposant aujourd’hui de plus d’un million d’images annotées et de plusieurs centaines de milliards de données de production. Leur jeu de données industrielles a été sélectionné pour le projet pilote de construction de jeux de données de haute qualité en 2025 par l’Administration nationale des données. Ces données, imprégnées de « chaleur industrielle », rendent les décisions des agents plus précises et adaptées.

La plateforme Jingjie d’YunDing, développée en interne, facilite la mise en œuvre technologique. « Nous voulons que même les ouvriers sans compétences en programmation puissent utiliser les agents. » indique Gao Zhen. La plateforme offre des fonctionnalités d’orchestration d’applications et de collaboration multi-agents, permettant aux utilisateurs de construire rapidement des applications intelligentes via une interface drag-and-drop. Actuellement, elle supporte la programmation autonome de scénarios de traitement du langage naturel, avec une extension prévue vers la surveillance de la sécurité industrielle et l’optimisation des procédés.

Ce qui est crucial, c’est que l’agent industriel doit intégrer une « sécurité intrinsèque ». En raison des exigences strictes de sécurité dans l’industrie, les agents doivent comporter des mécanismes de sécurité complets lors de leur conception et de leur fonctionnement. Par exemple, en enregistrant tous les logs d’opération pour une traçabilité complète, avec une coupure automatique en cas d’anomalie ; ou en effectuant une vérification rigoureuse des « paquets de compétences industrielles » pour garantir leur sécurité.

« La réussite d’OpenClaw témoigne de la valeur concrète des agents, mais par rapport aux capacités générales, nous nous concentrons davantage sur la standardisation des algorithmes industriels et de l’expérience sectorielle, pour créer des « paquets de compétences industrielles » réutilisables, qui constituent notre avantage clé. » souligne Gao Zhen.

Évoluer face aux défis

L’application des agents dans l’industrie traditionnelle progresse, mais plusieurs défis subsistent.

« Les scénarios industriels sont complexes et ouverts, avec de grandes différences entre les procédés et équipements. La mise en œuvre d’agents génériques dans ces contextes est difficile. » illustre Gao Zhen. Par exemple, dans la protection temporaire en mine, certains utilisent des supports mobiles, d’autres des supports unitaires, nécessitant des solutions de surveillance différentes. La rénovation des anciennes usines, les barrières de données et le manque de standardisation freinent également le développement à grande échelle.

Plus important encore, la capacité des agents industriels diffère nettement de celle des agents grand public. « Les agents pour le grand public privilégient la généralité et la réutilisabilité des paquets de compétences ; mais les agents industriels doivent être profondément liés à des scénarios spécifiques, avec des interfaces et capacités sur mesure pour chaque équipement ou procédé. » confie Gao Zhen. La maturité des agents industriels est encore inférieure à celle des agents grand public, mais c’est aussi leur force — « résoudre les problèmes difficiles des scénarios complexes. »

« En raison de la complexité, de la spécificité et de l’ouverture des scénarios industriels, les agents sont encore principalement appliqués à des étapes ou des zones limitées. La prochaine étape consiste à coordonner plusieurs agents pour intégrer ces points dispersés, créer des « groupes d’agents », et développer des solutions systémiques telles que la gestion d’urgence minière, la planification de la sécurité ou la prévision des risques, pour enfin bâtir un véritable « cerveau IA ». » envisage Gao Zhen.

Le grand modèle minier de YunDing a été évalué par la China Coal Industry Association comme atteignant un niveau international de pointe, ses capacités étant classées dans la première rangée mondiale par une évaluation indépendante. À ce jour, 223 scénarios d’IA ont été déployés dans plus de 130 unités de production telles que China National Coal Group, National Pipeline Network et Wanbei Coal & Electricity.

« Notre force ne réside pas dans le nombre de paramètres, mais dans la solidité de la mise en œuvre des scénarios. » affirme Gao Zhen. YunDing ne se limite pas à une seule application d’agent, mais vise à gérer de manière centralisée la vision, la prédiction et le traitement du langage naturel.

Au niveau politique, plusieurs politiques ont été promulguées par le National Energy Administration et d’autres départements pour encourager l’intégration profonde de l’IA dans le secteur de l’énergie, soutenant ainsi l’application des agents intelligents. Ces agents, avec des résultats tangibles, aident à faire passer l’industrie traditionnelle d’une « expérience basée » à une « donnée basée. »