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

Journaliste du Securities Times Huang Xiang

« Autrefois, dans une usine de lavage de charbon, les anciens ajustaient la densité de masse 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 dispositif PLC exécute automatiquement, garantissant une qualité de charbon fin stable et excellente. » Dans l’atelier de lavage du charbon 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. L’utilité des grands modèles d’IA y est limitée, c’est pourquoi l’industrie explore et met en œuvre des agents intelligents.

Récemment, en visitant YunDing Technology, le journaliste du Securities Times a découvert que dans les secteurs traditionnels tels que l’exploitation minière, la chimie, le pétrole et le gaz, confrontés à des problèmes communs de faible efficacité, de risques élevés et de forte dépendance à l’expérience humaine, une voie de résolution systémique émerge — la capacité en boucle fermée « perception–décision–exécution–optimisation » centrée sur l’agent intelligent, 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 ouvre la « dernière ligne droite » de l’implémentation de l’IA, permettant aux industries traditionnelles de passer du « point unique intelligent » au « système collaboratif ».

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

« Auparavant, les grands modèles fournissaient des capacités fondamentales, comme si on équipait l’industrie d’un « cerveau intelligent », mais c’est l’agent qui est le « bras et jambes » permettant de concrétiser ce cerveau, transformant la technologie en bénéfices tangibles. » explique Gao Zhen, directeur général de l’intelligence artificielle chez YunDing Technology, au Securities Times.

« La transformation intelligente des industries traditionnelles est longtemps restée au stade d’applications « d’alerte », la capacité du modèle à passer de « détection et perception » à « décision et exécution » reste limitée. » Gao Zhen indique que l’émergence de l’agent a complètement changé cette situation, avec des percées multiples dans les domaines minier, chimique, pétrolier et gazier, où l’IA passe du rôle de « spectateur » à celui de « participant ».

YunDing Technology est le premier fournisseur de solutions numériques intelligentes à lancer un grand modèle vertical en Chine, avec plusieurs cas d’application typiques dans l’exploitation minière, la chimie, le pétrole et le gaz, et une diffusion à grande échelle.

Dans l’atelier de lavage et de tri du charbon de la mine de Xinglongzhuang dans le Shandong, l’agent intelligent développé par YunDing a permis la mise en œuvre concrète d’un contrôle précis de la densité. La séparation par densité lourde, traditionnellement dépendante de l’expérience humaine, présente de grandes fluctuations, ce qui entraîne une instabilité du rendement du charbon fin, ainsi que du gaspillage de médium et de pertes de produit. Désormais, l’agent prédit la densité optimale de tri à l’aide d’un grand modèle, puis pilote directement le dispositif 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.

La sécurité en exploitation souterraine est également révolutionnée par la participation de l’agent. Sur le site de travaux de forage anti-explosion et décompression de LiLou Coal, l’agent de surveillance de la profondeur des trous de décompression anti-explosion, utilisant des algorithmes vidéo, compte 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 en temps réel 24h/24, détectant automatiquement les anomalies et déclenchant des alertes et interventions, allégeant la charge de travail des opérateurs et éliminant les zones d’ombre de l’inspection manuelle.

Dans le domaine de la chimie, l’agent doit relever le défi de l’optimisation des procédés de production chimique, caractérisés par « multi-variables, non linéarité et forte couplage ». « Le processus de lavage du charbon est principalement physique, tandis que les procédés chimiques impliquent souvent des réactions chimiques, où la régulation d’un paramètre peut déclencher une réaction en chaîne, rendant la prédiction et l’optimisation très difficiles. » confie Gao Zhen. La R&D de l’agent pour la distillation du méthanol a nécessité près d’un an d’efforts. Résultat : après déploiement chez Yulin Energy & Chemical, la consommation de vapeur de méthanol par tonne a diminué de 3,2 %, avec une augmentation annuelle de 180 tonnes de production de méthanol, et une réduction des coûts et une amélioration de l’efficacité d’environ 4,5 millions de yuans par usine.

L’industrie du pétrole et du gaz voit également l’agent se déployer à grande échelle. En 2024, YunDing a remporté un projet de grand modèle d’IA pour un groupe de réseaux de pipelines, étendant la capacité de l’agent 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 de l’agent repose sur la résolution des véritables points douloureux du secteur, apportant des bénéfices tangibles. » indique Gao Zhen.

Construire un « support dur » pour l’industrie traditionnelle

Le succès de l’agent dans l’industrie traditionnelle repose sur un système technologique adapté aux scénarios industriels. Contrairement à la « généralité » des agents pour le consommateur, le développement d’agents industriels privilégie « praticité » et « sécurité », formant 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 le secteur de l’énergie, et en 2025 a présenté le modèle chimique Fuxi. Aujourd’hui, une famille de grands modèles industriels couvre plusieurs secteurs. « 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 génériques de l’industrie, pour une adaptation flexible selon les scénarios. » explique Gao Zhen. Cette conception « secteur + généraliste » rend la technologie plus résiliente.

« L’agent industriel ne peut pas se contenter de données génériques ; il doit s’enraciner dans les scénarios industriels pour accumuler des données spécifiques. » Gao Zhen révèle qu’à partir de la construction du grand modèle industriel, YunDing a mis l’accent sur l’accumulation de données industrielles, disposant aujourd’hui de plus d’un million d’images annotées et de centaines de milliards de données de production. Leur jeu de données a été sélectionné pour le projet pilote de construction de jeux de données de haute qualité par le Bureau national des données en 2025. Ces données, imprégnées de « chaleur industrielle », rendent les décisions de l’agent plus précises et adaptées à la réalité.

La plateforme autonome de YunDing, Cangjie, facilite la mise en œuvre technique. « Nous voulons que même les ouvriers non programmateurs puissent utiliser l’agent. » indique Gao Zhen. La plateforme offre des fonctions d’orchestration d’applications et de collaboration multi-agents, permettant aux utilisateurs de construire rapidement des applications intelligentes via glisser-déposer. Actuellement, elle supporte la composition autonome de scénarios de traitement du langage naturel, avec une extension prévue vers la surveillance de la sécurité industrielle et l’optimisation des procédés.

L’aspect crucial est que l’agent industriel doit intégrer une « sécurité intrinsèque ». Face à la tolérance zéro en matière de sécurité dans l’industrie, l’agent doit comporter des mécanismes de sécurité complets lors de sa conception et de son fonctionnement. Par exemple, en enregistrant tous les logs d’opération pour une traçabilité complète, avec une coupure automatique en cas d’anomalie ; ou en soumettant les « paquets de compétences industrielles » à une vérification et un contrôle stricts.

« Le succès d’OpenClaw a confirmé la valeur concrète de l’agent, 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 central. » souligne Gao Zhen.

Accélérer l’évolution 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 processus 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 difficulté de la rénovation des anciennes usines, les barrières de données et le manque de standardisation freinent aussi 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 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 justement leur force — « résoudre les problèmes complexes et difficiles ».

« En raison de la complexité, de la spécificité et de l’ouverture des scénarios industriels, les agents sont encore principalement appliqués à des segments ou des scènes locales. La prochaine étape est la collaboration multi-agents pour intégrer ces points dispersés, créer des ‘groupes d’agents’, et développer des solutions systémiques comme la gestion d’urgence minière, la planification de sécurité ou la prévision des risques, pour enfin bâtir un véritable ‘cerveau AI’. » envisage Gao Zhen.

Le grand modèle minier de YunDing, évalué par la China Coal Industry Association, atteint un niveau international de pointe, ses capacités étant évaluées par une tierce partie nationale comme étant dans la première rangée mondiale. 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, Anhui North Coal & Electric.

« 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 une gestion centralisée des agents de vision, de prédiction et de traitement du langage naturel.

Au niveau politique, le Bureau national de l’énergie et d’autres départements ont publié plusieurs politiques encourageant l’intégration profonde de l’IA dans l’énergie, soutenant ainsi l’application des agents intelligents. Ces derniers, avec des résultats tangibles, aident l’industrie traditionnelle à passer d’une « conduite par l’expérience » à une « conduite par les données. »