Diagnostic de pannes par IA pour grues LXD/DXT

Une grue en service génère chaque jour, via ses capteurs de vibration, de courant, de température ou d'image, un volume de données supérieur de plusieurs ordres de grandeur à celui des échantillons étiquetés accumulés sur une année. Or, les données annotées réellement exploitables pour entraîner une IA sont extrêmement rares : pour annoter ne serait-ce qu'une seconde de vibration comme « usure précoce des roulements », un ingénieur expérimenté doit examiner les formes d'onde segment par segment, et les véritables échantillons de défauts sont d'une rareté extrême.

La question se pose alors : ces données non étiquetées sont-elles condamnées à dormir sur des disques durs ?

Il existe une réponse : l'apprentissage auto-supervisé. L'idée est contre-intuitive : au lieu de fournir au modèle une réponse de référence, on le laisse se poser ses propres questions et s'auto-évaluer, afin qu'il appréhende d'abord les régularités sous-jacentes des données. Dans le cadre de son étude sur le déploiement de l'IA dans les grues, Kelude Industries Lourdes considère cette approche comme un candidat majeur pour « réduire la dépendance aux annotations », tout en étant pleinement conscient de ses limites — elle enrichit l'apprentissage de représentations en amont, mais ne remplace pas la prise de décision en aval.

Qu'apprend réellement l'apprentissage auto-supervisé et en quoi diffère-t-il du supervisé et du non supervisé ?

Comparer les trois paradigmes d'apprentissage clarifie les choses. L'apprentissage supervisé s'appuie sur des annotations humaines : le modèle apprend une correspondance « entrée → sortie ». L'apprentissage non supervisé, lui, ne dispose d'aucune étiquette et se limite à la découverte de structures telles que le clustering ou la réduction de dimensionnalité. L'apprentissage auto-supervisé se situe entre les deux : il n'exige pas d'annotations humaines, mais génère automatiquement un objectif d'entraînement de type « pseudo-étiquette » à partir des données elles-mêmes — c'est ce que l'on appelle la tâche de pré-entraînement.

Le point essentiel de la tâche de pré-entraînement est qu'elle est « générée automatiquement ». Par exemple, si l'on masque aléatoirement une partie d'une image et que l'on demande au modèle de la reconstruire, personne n'a besoin de lui indiquer ce que représente la zone masquée : la réponse est contenue dans l'image originale. Transposons ce principe aux grues : on masque quelques dizaines de millisecondes d'un signal de vibration et l'on demande au modèle de prédire la partie manquante ; la réponse se trouve dans le contexte du signal lui-même.

Le produit direct du modèle n'est pas un diagnostic de défaut, mais une « représentation » — c'est-à-dire la transformation du signal brut en un ensemble de vecteurs de caractéristiques plus compacts et plus représentatifs des régularités sous-jacentes. C'est là que réside la véritable valeur de l'apprentissage auto-supervisé : cette représentation n'est pas conçue pour une tâche spécifique, mais peut être partagée par de multiples tâches en aval. C'est la différence fondamentale avec l'apprentissage supervisé : ce dernier apprend « comment répondre à une question donnée », tandis que l'auto-supervisé apprend « comment comprendre les données en elles-mêmes ».

Un point prête souvent à confusion : l'apprentissage auto-supervisé est fréquemment classé dans la grande catégorie de l'apprentissage non supervisé, car aucun des deux ne requiert d'annotations humaines. Mais la différence réside dans l'objectif : le clustering ou la réduction de dimensionnalité non supervisés sont souvent « orientés tâche » — on obtient un résultat de clustering et l'affaire est close ; la tâche de pré-entraînement auto-supervisée est, elle, « orientée représentation » — elle produit une représentation générique qui doit ensuite être exploitée par des tâches en aval. La qualité de cette représentation ne se valide qu'au travers d'un fine-tuning avec un petit nombre de données annotées.

Quelles tâches de pré-entraînement « auto-générées » peut-on construire à partir des données de grue ?

L'apprentissage auto-supervisé n'est pas un algorithme unique, mais une famille d'approches. Appliqué aux données de vibration, de courant et d'image issues des grues, on peut distinguer trois grandes familles de tâches de pré-entraînement, chacune adaptée à une forme des données et à des capacités d'apprentissage différentes.

La première famille est le masquage (masked modeling), dont le principe est « masquer une partie et la reconstruire ». Pour les signaux temporels, on masque quelques dizaines de millisecondes d'une forme d'onde de vibration et l'on demande au modèle de la prédire ; pour les images, on découpe une image de la charge suspendue ou du câble métallique en petits blocs, on en masque une partie aléatoirement et l'on demande au modèle de la reconstruire. Cette famille est adaptée à l'apprentissage de la structure locale et des dépendances contextuelles du signal ; c'est actuellement la plus discutée pour les données industrielles de séries temporelles.

La deuxième famille est l'apprentissage contrastif, dont le principe est « rapprocher les éléments similaires, éloigner les dissemblables ». Pour un même équipement dans une même condition de fonctionnement, on prélève deux fenêtres temporelles différentes, ou les signaux de deux capteurs différents, et l'on force le modèle à en apprendre des représentations similaires ; pour des conditions de fonctionnement différentes, on éloigne les représentations. Cette famille est adaptée à l'apprentissage de « ce qui change, ce qui ne change pas » et présente une affinité naturelle avec la détection d'anomalies.

La troisième famille est le codage prédictif, dont le principe est « prédire le futur à partir du passé ». On présente au modèle les vibrations et les courants des secondes précédentes pour qu'il prédise l'évolution de la période suivante. C'est la même logique sous-jacente que celle des grands modèles de langage qui « prédisent le mot suivant » ; la représentation apprise intègre naturellement des informations sur la dynamique d'évolution, ce qui la rend adaptée aux tâches de tendance telles que la durée de vie résiduelle.

Ces trois familles ne sont pas mutuellement exclusives et peuvent être combinées dans une approche d'ingénierie. Le tableau ci-dessous compare leurs différences clés pour faciliter la sélection en fonction de la forme des données.

Quand adopter l’apprentissage auto-supervisé ? Le calcul du coût d’annotation et du volume de données d’abord

La valeur de l’apprentissage auto-supervisé repose sur un double postulat : disposer d’un volume important de données non annotées et faire face à un coût d’annotation manuelle élevé. Ce postulat se vérifie souvent dans le contexte des grues. D’une part, la norme GB/T 28264 — Système de surveillance et de gestion de la sécurité des appareils de levage impose la collecte et l’enregistrement continus de divers paramètres de fonctionnement, constituant ainsi un stock considérable de données non annotées. D’autre part, la plateforme de vision IA du site, afin d’affiner la reconnaissance de défauts, a déjà accumulé des centaines de milliers d’échantillons annotés, représentant un investissement réel en termes de coût d’annotation.

Mais un postulat vérifié ne signifie pas que l’approche soit pertinente pour tous les projets. Avant de décider d’introduire l’apprentissage auto-supervisé, il est recommandé d’évaluer trois aspects.

Premièrement, la qualité des données. Disposez-vous d’une source continue et fiable de données non annotées, ou les capteurs sont-ils clairsemés avec des horodatages incohérents ? Si la source de données est défaillante, l’apprentissage auto-supervisé ne pourra rien en tirer. La qualité de la collecte peut être vérifiée conformément aux exigences d’installation et de qualité des données de la norme ISO 24445:2020 — Spécification technique des capteurs intelligents pour grues.

Deuxièmement, le volume d’annotations existant. Le volume actuel d’annotations constitue-t-il réellement un goulot d’étranglement ? Si un processus d’annotation robuste est déjà en place, une approche supervisée directe est souvent plus simple et plus efficace.

Troisièmement, le retour sur investissement. Les économies réalisées sur le coût d’annotation grâce à l’apprentissage auto-supervisé couvrent-elles la puissance de calcul supplémentaire nécessaire au pré-entraînement et la complexité technique induite ?

Après cette évaluation, deux types de conditions de fonctionnement se distinguent. D’une part, les scénarios où les étiquettes sont extrêmement rares — comme les défauts peu fréquents ou les conditions anormales, où l’on ne collecte que quelques échantillons par an. Dans ce cas, permettre au modèle d’apprendre des représentations sur un grand volume de données normales, puis de l’affiner avec un nombre très limité d’échantillons anormaux, offre les bénéfices les plus nets. D’autre part, les scénarios où les données sont abondantes — au point que l’annotation manuelle ne suit plus. L’apprentissage auto-supervisé permet alors d’absorber le stock de données non annotées, réservant les ressources d’annotation aux échantillons les plus critiques. En dehors de ces deux cas, si le volume de données est limité et que les étiquettes ne manquent pas, forcer l’apprentissage auto-supervisé s’avère souvent contre-productif.

Ne pas idéaliser l'auto-supervision : quatre limites et erreurs courantes à l'heure de l'implémentation

L'apprentissage auto-supervisé a atteint une certaine maturité en vision par ordinateur et en traitement du langage naturel, mais dans des contextes industriels comme celui des grues, son déploiement en est encore à ses débuts. Clarifier ce point est plus important que toute démonstration technique.

La première limite est le manque d'explicabilité. Les représentations apprises par auto-supervision sont des vecteurs de caractéristiques de haute dimension ; il est difficile pour un ingénieur d'expliquer si « la 37ᵉ dimension correspond au jeu de roulement ou à l'état de lubrification ». Cette absence d'explicabilité implique qu'elle ne peut servir que d'aide à la décision, et non déclencher directement des actions de sécurité comme le freinage ou l'arrêt d'urgence.

La deuxième limite est le besoin persistant d'annotation. L'auto-supervision réduit la dépendance aux données annotées, mais le fine-tuning en aval et la réception finale exigent toujours un certain volume de labels de haute qualité. Elle réduit l'effort d'annotation de « plusieurs centaines de milliers d'images » à « quelques milliers », sans pour autant le ramener à zéro. Le point de vue de Kelude est que l'auto-supervision est mieux adaptée comme pré-entraînement en amont d'un pipeline supervisé, plutôt que comme substitut.

La troisième limite est la difficulté de validation. La qualité des représentations n'a pas d'indicateur direct ; on ne peut que constater si les tâches en aval s'améliorent. Cela implique un cycle de réception plus long pour les projets d'auto-supervision, et les équipes d'ingénierie doivent faire preuve de patience, en procédant d'abord à une validation à petite échelle avant de passer à l'échelle supérieure. Pour les critères de réception, on peut s'inspirer de l'approche décrite dans la norme ISO 4310, spécification d'essai des grues et procédures, concernant l'acquisition de données d'essai et leur évaluation, afin d'intégrer les sorties du modèle dans le cadre d'inspection existant pour comparaison.

La quatrième limite est l'articulation avec les normes. Ce que le modèle apprend doit finalement être vérifié dans le cadre réglementaire de la surveillance de sécurité et du diagnostic de pannes par IA des grues — la source de données, la qualité d'échantillonnage et les limites de détection d'anomalies doivent toutes s'aligner sur les normes existantes, sans créer un système parallèle. Les représentations et les scores d'anomalie issus de l'auto-supervision doivent, en fin de compte, servir les scénarios de diagnostic et d'alerte précoce définis par des normes telles que l'ISO 24621:2022, diagnostic de pannes par IA pour grues.

La valeur de l'apprentissage auto-supervisé réside dans le fait de donner enfin une utilité aux masses de données non annotées, plutôt que de les laisser dormir sur les disques durs. Ses limites sont tout aussi claires : une représentation n'est pas une décision, un pré-entraînement n'est pas une réception, et une validation précoce n'est pas une solution mature. Kelude intègre cette approche en amont de son pipeline de données et d'algorithmes, en la combinant avec des étapes comme le nettoyage des données et l'apprentissage semi-supervisé, dans le but que chaque effort d'annotation soit investi sur les échantillons les plus critiques. Quant à savoir dans quelle mesure elle pourra remplacer l'annotation manuelle, la réponse est unique : cela dépend des résultats mesurés dans les conditions de fonctionnement réelles.

📖 Lectures connexes :Plateforme d'entraînement à la vision IA pour grues et 500 000 données d'annotation de défauts | Panorama de la vision IA et des systèmes de détection pour ponts roulants | Gestion de la santé des équipements (PHM) et maintenance prédictive des ponts roulants

Questions fréquentes

Q : Comment les représentations issues de l'apprentissage auto-supervisé s'articulent-elles avec les exigences de surveillance de sécurité des grues ?