Comment préserver le savoir-faire de vos techniciens: un manuel de réparation d’équipements basé sur l’IA

Un client allemand souhaitait numériser le savoir-faire des techniciens de son usine: compiler les réglages et les réparations de tous les équipements dans un ouvrage de référence unique, accessible à tous, de manière concise et directe, en utilisant leurs propres termes, plutôt que de se référer à un manuel volumineux. La solution retenue a consisté en une base de connaissances vectorielle issue de la documentation de l'entreprise, complétée par Telegram doté d'intelligence artificielle.

Ce qui s'est passé: Une commande dont je n'avais jamais entendu parler auparavant

J'ignorais même que de tels projets existaient. Mais le client m'a vite convaincu: il m'a expliqué que ses concurrents utilisaient déjà en production des bases de données de réglages et de réparations alimentées par l'IA, mais qu'il ne disposait pas d'un tel ouvrage de référence; le savoir était stocké dans la mémoire d'experts chevronnés.

Ce que nous avons fait: nous avons compilé une base de données d’instructions, de vidéos et d’équipements.

Nous avons constitué une base de données vectorielle de tous les équipements de l'entreprise. Nous avons utilisé des manuels internes, des tutoriels vidéo YouTube et deux services prêts à l'emploi:

• iFixit est une communauté et une base de données de guides de réparation et de démontage étape par étape, avec photos et conseils.
• ManualsLib est l'une des plus grandes bibliothèques en ligne gratuites de manuels, de fiches techniques et de schémas originaux au format PDF.

Il ne s'agissait pas d'une simple machine, mais d'une ligne de production complète: déroulement des rouleaux, application du revêtement, traitement thermique, activation de la couche par laser, contrôle qualité et enroulement du matériau fini. Chaque unité possède sa propre logique de configuration et, avant ce projet, toutes les connaissances à ce sujet étaient stockées dans la mémoire des opérateurs; il était impossible de partager ces informations.

Voici à quoi ressemble une partie de cette gamme – le matériel pour lequel le manuel de référence a été rédigé.

La base de données repose sur la documentation d'usine: manuels d'utilisation, sections relatives à la fonction des équipements, aux mécanismes de sécurité et d'arrêt d'urgence, ainsi que les schémas de montage. L'IA transforme ces documents en réponses instantanées, remplaçant ainsi les recherches manuelles dans les documents papier.

L'interface de l'installateur est une conversation Telegram classique sur le service QuestFlow: vous pouvez saisir ou dicter votre question, joindre une photo et recevoir une réponse avec les étapes à suivre.

Qu'est-ce que la recherche vectorielle en termes simples?

Une recherche documentaire classique s'appuie sur des correspondances exactes de mots: si le mot « bloqué» n'est pas présent dans le texte, la section recherchée ne sera pas trouvée, même si elle existe sous un autre nom. La recherche vectorielle fonctionne différemment: les documents sont décomposés en fragments et convertis en une représentation numérique de leur signification. Lorsqu'un technicien pose une question, le système recherche les fragments dont le sens est le plus proche. Ainsi, quelle que soit la formulation de la question – « bloqué» ou « ne bouge pas» –, l'IA trouvera la section du manuel pertinente.

Comment ça marche: à partir d’une question ou d’une photo, des instructions toutes faites

L'IA comprend les requêtes de toute complexité: des configurations de base (« J'ai positionné la pièce, appliqué une règle — et ensuite?») aux scénarios de panne. En cas de problème, le technicien prend une photo du composant, note la cause du dysfonctionnement et reçoit des instructions précises, étape par étape, au lieu de conseils généraux trouvés sur Internet. Il n'a pas besoin de connaître le nom exact du composant ni sa référence: il décrit le problème avec ses propres mots, comme il le ferait à un collègue, et reçoit une réponse basée sur la documentation spécifique de l'entreprise.

Pourquoi la réponse ne crée-t-elle pas de confusion entre les modèles d'équipement?

La réponse se fonde sur la documentation de l'entreprise concernée. Un modèle de langage standard, sans base de données vectorielle, pourrait intégrer des instructions provenant d'une machine similaire mais différente, ce qui aurait pour conséquence que l'opérateur reçoive des instructions inadaptées à son équipement. Une base de données vectorielle limite l'IA aux documents du client, l'empêchant ainsi de mélanger les modèles et de s'approprier les procédures d'autrui.

Combien cela coûte-t-il et combien de temps cela permet-il de gagner?

C'était mon premier projet de ce type, j'ai donc fourni une estimation réaliste: le coût total pour le client équivalait à un mois de salaire pour un technicien d'installation. Le retour sur investissement est évident, sans calculs complexes: un nouvel employé n'a plus besoin d'attendre qu'un technicien daigne se détacher de la machine pour lui expliquer le fonctionnement en termes simples, et les spécialistes expérimentés sont moins distraits par les questions répétitives. Les commandes similaires à venir seront plus simples et plus rapides: le processus est désormais bien rodé. Je pense que le gain de temps provient de petits détails: auparavant, dans une situation similaire, il aurait fallu chercher un guide papier ou appeler un collègue, alors que maintenant, il suffit d'ouvrir une conversation avec le chatbot.

À qui s'adresse ce répertoire d'IA?

Pour ceux qui souhaitent numériser le savoir-faire de tous les opérateurs de réglage expérimentés et le centraliser dans un ouvrage de référence unique, afin de ne plus dépendre du départ à la retraite inopportun de l'un d'entre eux. Cette solution convient à toute unité de production disposant d'un parc de machines diversifié: plus le nombre de modèles de machines est élevé et moins les procédures changent fréquemment, plus la base de données est rapidement rentabilisée. Pour une ligne composée d'une ou deux machines, c'est moins pratique: un opérateur de réglage expérimenté peut déjà tout gérer sans problème, mais avec des dizaines d'équipements de différents fabricants, la gestion manuelle devient difficile.

Trois signes indiquant que ce travail vous convient:

1. Un nouvel employé passe des semaines à suivre un expert en sinistres expérimenté au lieu de travailler de manière indépendante.
2. Les mêmes questions concernant la configuration et les pannes typiques se répètent d'un quart de travail à l'autre.
3. La documentation relative à l'équipement existe, mais elle est éparpillée: une partie est sur papier, une autre au format PDF fournie par le fournisseur, et une autre encore ne se trouve que dans la mémoire de la personne qui partira bientôt en vacances ou à la retraite.

Si au moins un point correspond, cela suffit généralement à amortir le coût d'assemblage d'une telle base grâce au temps gagné par les techniciens.

Quel est le rapport avec 1001site AI?

Ce projet illustre comment l'IA interagit avec des données d'entreprise réelles. 1001site AI utilise la même logique, mais pour les sites web: l'outil de création génère un site web à partir de votre lien ou description, puis l'assistant IA du tableau de bord modifie le contenu en fonction de vos besoins spécifiques. La différence réside dans l'objectif: un site est un annuaire pour un atelier, l'autre un site web destiné aux clients. Cependant, le principe de « l'IA au service de vos données» reste le même. Vous pouvez tester cette logique sur votre site web ici.

Sources

• QuestFlow – un service pour les bots Telegram dotés d'IA
• iFixit - base de données communautaire et de guides de réparation
• ManualsLib - une bibliothèque de manuels et de fiches techniques d'équipement
• Publication et discussion sur Telegram

Vous pouvez observer le fonctionnement d'une plateforme d'IA similaire pour Telegram dans l'analyse de QuestFlow, sur laquelle est basé le bot de ce projet.

Questions et réponses

Qu'est-ce qu'une base de connaissances vectorielles en termes simples?

Les documents sont fragmentés et stockés afin que l'IA puisse trouver le fragment pertinent en fonction du contexte de la question. La réponse est élaborée à partir de documents spécifiques à votre entreprise, et non à partir des connaissances générales du modèle.

Est-il possible d'ajouter les connaissances des experts en réglage qui ne sont incluses dans aucune instruction?

Oui. Les notes vocales et les photos de Telegram sont également incluses dans la base de données, et l'IA les utilise dans ses réponses ultérieures, en complément des documents officiels.

Est-il nécessaire de former les employés à l'utilisation d'un tel répertoire?

L'interface est celle d'une conversation Telegram standard: vous posez une question par écrit ou vocalement, et vous joignez une photo. La formation ne prend que quelques minutes et aucune application spécifique n'est requise.