L’IA industrielle a besoin d’ingénieurs contextuels, et non d’ingénieurs rapides

Publié à l’origine Septembre 2025, le ARCweb.com par Colin Masson, directeur de la recherche en IA industrielle, ARC Advisory Group Inc.

Dans la récente série de podcasts d’ARC Advisory Group, « Industrial Systems Engineering in the New Era of AI », j’ai exploré les changements fondamentaux qui remodèlent notre industrie avec l’entrepreneur en série Rick Bullotta. Pour ceux qui ont écouté attentivement, en particulier l’épisode 3 sur l’essor des innovateurs spécifiques à un domaine, vous avez probablement entendu le mot « contexte » utilisé généreusement – dans le contexte (Si vous me permettez le jeu de mots) des défis liés aux données industrielles que nous essayons de relever depuis des décennies. Ce n’était pas un hasard. Pendant des années, le problème central a été d’acheminer les bonnes informations au bon endroit et au bon moment.

Ce défi de longue date a maintenant rencontré un nouveau paradigme architectural. Le battage médiatique initial autour de l’IA générative a suggéré que la réponse était « l’ingénierie rapide ». Pourtant, quiconque est allé au-delà des simples chatbots connaît les limites de cette approche dans un environnement industriel complexe. Les processus industriels ne sont pas des événements à tour unique et sans état ; Il s’agit de flux de travail complexes en plusieurs étapes qui nécessitent de la mémoire, l’accès à des données en temps réel et la capacité d’interagir avec d’autres systèmes. Les échecs pratiques des systèmes centrés sur les invites ont clairement montré qu’une discipline plus robuste, au niveau des systèmes, est nécessaire.

Il s’agit du changement architectural des invites tactiques aux systèmes stratégiques. La nouvelle discipline s’appelle Ingénierie contextuelle, et c’est le véritable moteur qui relie le potentiel de l’Industrial Data Fabric à la réalité de l’IA agentique de niveau entreprise.

Un lexique élargi pour la pile industrielle moderne de l’IA

Pour saisir ce changement, nous devons d’abord clarifier notre vocabulaire. Le paysage de l’IA évolue à un rythme effréné, et une compréhension partagée de ces concepts interconnectés est cruciale pour toute organisation qui élabore sa stratégie d’IA industrielle.

• Ingénierie rapide est la compétence fondamentale de l’élaboration d’une seule instruction pour obtenir une réponse souhaitée à partir d’un modèle d’IA. Pensez-y comme si vous donniez un ordre unique et clair. C’est essentiel, mais ce n’est pas une stratégie de gestion d’une opération complexe.
• Ingénierie contextuelle est le sur-ensemble de l’ingénierie rapide. Il s’agit de la discipline au niveau des systèmes qui consiste à concevoir, construire et orchestrer le l’ensemble de l’écosystème d’information un modèle d’IA voit au moment de l’inférence. Si une invite est « ce que vous dites », le contexte est « tout ce que le modèle voit », y compris les instructions système, les connaissances récupérées de la structure de données, les outils disponibles, la mémoire de conversation et l’état opérationnel en temps réel. Il s’agit d’un changement fondamental de la « composition de texte à la conception de systèmes ».
• IA agentique représente l’application de cette pensée. Il s’agit de systèmes capables de raisonner, de planifier et d’utiliser des outils pour atteindre des objectifs complexes en plusieurs étapes avec un certain degré d’autonomie. Un agent d’IA fiable est le résultat de l’ingénierie contextuelle efficace.
• Graphes de connaissances et bases de données vectorielles sont les technologies de données qui alimentent le pilier « Connaissances » de l’architecture contextuelle. Le principal résultat d’une Data Fabric industrielle mature est une Graphe de connaissances qui modélise les relations explicites et structurées entre les actifs industriels et les processus, devenant ainsi la source définitive de vérité fondée.
• MCP (Protocole de contexte de modèle) et A2A (Protocole d’agent à agent) sont des normes ouvertes émergentes qui forment la couche de communication des systèmes agentiques. MCP Normalise De l’agent à l’outil agissant comme une interface plug-and-play universelle permettant à un agent d’accéder en toute sécurité aux données externes et aux API. A2A Normalise inter-agent , permettant à différents agents d’IA de collaborer et de déléguer des tâches.

En bref, le Fabric de données industrielles crée les connaissances prêtes pour l’IA. Ingénierie contextuelle est la discipline qui consiste à orchestrer ces connaissances et à les connecter à des outils (via MCP) et autres agents (via A2A). Et IA agentique est le système autonome que toute cette pile permet.

La Data Fabric industrielle : condition sine qua non de l’intelligence

Cela nous ramène au cœur de notre série. L’ingénierie contextuelle, malgré toute sa puissance, est une architecture logicielle théorique sans base de données contextualisées de haute qualité. C’est là que sa relation symbiotique avec l’Industrial Data Fabric devient évidente. L’IDF est la pile technologique spécialisée spécialement conçue pour créer et servir les composants de « connaissance » et d'« état » orchestrés par la couche d’ingénierie contextuelle.

Lorsqu’un agent d’IA industrielle doit dépanner une ligne de production, son système d’ingénierie contextuelle ne se contente pas d’une invite intelligente. Il assemble dynamiquement une fenêtre contextuelle en :

1. Interrogation du graphe de connaissances de l’Industrial Data Fabric pour connaître l’état en temps réel de tous les actifs pertinents, leur historique de maintenance et leurs dépendances amont/aval.
2. Récupération des procédures opérationnelles standard à partir d’une base de données vectorielle.
3. Accéder à sa mémoire d’événements passés similaires.
4. Chargement des définitions des outils qu’il peut utiliser via MCP, comme la création d’un ordre de travail dans un système ERP.
5. Déléguer potentiellement une sous-tâche (comme vérifier la disponibilité des pièces de rechange auprès d’un fournisseur) à un agent d’approvisionnement spécialisé par l’intermédiaire du A2A protocole.

Ce changement architectural n’est pas seulement théorique ; Il est activement construit par des innovateurs dans l’espace industriel. En fait, je discuterai bientôt de ce sujet et de ses implications pratiques dans un prochain podcast avec le fondateur et PDG de Litmus Automation , Vatsal Shah, dont l’équipe se concentre sur la fourniture de données prêtes pour l’IA qui rendent tout cela possible.

Un cadre mis à jour : des services de solutions d’IA de qualité industrielle

Cette évolution d’une architecture centrée sur les données à une architecture centrée sur l’intelligence nous oblige à mettre à jour notre cadre pour ce qui constitue une solution d’IA complète de qualité industrielle. Les services requis vont au-delà de la simple gestion des données pour englober cette nouvelle couche d’orchestration et d’intelligence, rendue possible par des standards ouverts. Comme promis, voici la liste mise à jour et élargie des services de base que les organisations devraient prendre en compte lorsqu’elles assemblent leur pile d’IA industrielle moderne.

• Connectivité et ingestion de données (incl. Événements, Agents, A2A) Ce service fondamental se connecte à toutes les sources de données IT, OT et ET. Dans une pile moderne, l’informatique doit également gérer des architectures basées sur les événements et la communication d’agent à agent via des protocoles tels que A2A, en ingérant non seulement des données brutes, mais aussi des messages et des tâches provenant d’un écosystème distribué d’agents d’IA collaboratifs.
• Traitement des données et contextualisation : la base de l’ingénierie contextuelle (y compris MCP) Cela reste la valeur fondamentale de l’Industrial Data Fabric : transformer des données brutes et cloisonnées en un modèle d’opérations cohérent et compréhensible. Les données contextualisées et les capacités de la structure sont exposées en toute sécurité sous forme d'« outils » que les agents d’IA peuvent découvrir et utiliser via la norme MCP, transformant la structure d’un référentiel passif en une ressource active et interrogeable pour tout agent d’IA conforme.
• Stockage et modélisation des données (Incl. Base de données vectorielle, graphes de connaissances) Ce service fournit la couche de persistance. Les graphes de connaissances sont essentiels pour modéliser les relations explicites et structurées entre les actifs industriels pour un raisonnement précis. Les bases de données vectorielles complètent cela en permettant la recherche sémantique sur des données non structurées telles que des manuels techniques. Ensemble, ils forment la « mémoire à long terme » complète qui fonde les agents d’IA sur des connaissances factuelles et spécifiques à l’entreprise.
• Ingénierie contextuelle : la couche d’orchestration et d’intelligence de l’IA Il s’agit de la couche d’intelligence active qui se trouve au sommet de la structure de données, servant de « système d’exploitation » pour l’IA. Ce service est chargé d’orchestrer Intelligence des processus et du domaine (AI+). Il assemble dynamiquement la fenêtre contextuelle en codifiant les règles métier et l’expertise du domaine en instructions, et en sélectionnant intelligemment les connaissances dans le graphe de connaissances de la structure, en gérant la mémoire et en décidant quand utiliser les outils (via MCP) ou déléguer des tâches (via A2A).
• Développement et gestion de modèles d’IA/ML (Cycle de vie) Ce service fournit les outils et la gouvernance nécessaires au développement, à la formation, au déploiement et au suivi des modèles d’IA eux-mêmes. Dans un système d’ingénierie contextuelle, cela va au-delà du MLOps traditionnel pour inclure la gestion du cycle de vie des modèles agentiques spécialisés et l’évaluation de leurs performances en fonction de la qualité du contexte qu’ils reçoivent.
• Agent d’IA et orchestration du flux de travail Cette capacité fait évoluer la gestion traditionnelle des flux de travail en s’appuyant sur des agents d’IA sensibles au contexte. Il s’agit d’automatiser et de gérer des pipelines de données et des flux de travail analytiques, avec la participation active et même la direction de ces flux de travail en fonction du contexte en temps réel fourni par la couche d’ingénierie contextuelle.
• Applications intelligentes : fournir des agents et des copilotes d’IA aux utilisateurs Ce service fournit la puissance du système agentique aux utilisateurs finaux. Il ne s’agit plus seulement de tableaux de bord. Cela inclut désormais la création de « copilotes » d’IA pour les travailleurs de première ligne, la création d’interfaces conversationnelles pour le dépannage complexe et la fourniture d’outils pour la surveillance humaine dans la boucle des actions des agents autonomes.
• Normes et protocoles de l’industrie Une pile d’IA industrielle mature doit être construite sur une base d’ouverture et d’interopérabilité. Ce service garantit le respect des normes de données critiques de l’industrie (p. ex., OPC-UA) ainsi que des protocoles de communication d’IA émergents tels que MCP et A2A pour éviter la dépendance vis-à-vis d’un fournisseur et garantir l’évolution de l’écosystème de l’IA.

Le message est clair : si l’industrie s’est concentrée à juste titre sur la construction de la structure des données, la prochaine frontière concurrentielle est déjà là. La maîtrise appartiendra à ceux qui non seulement construisent les fondations, mais maîtrisent également l’art et la science de l’ingénierie contextuelle pour construire des systèmes véritablement intelligents et collaboratifs sur celle-ci.

Restez connecté

Le dialogue sur l’IA industrielle et la transformation numérique est en constante évolution. Pour rester informé et entendre plus d’informations de la part des leaders de l’industrie, nous vous invitons à vous abonner à la série de podcasts sur la transformation numérique de l’ARC Advisory Group.

Je discuterai bientôt de l’ingénierie contextuelle et de ses implications pratiques dans un prochain podcast avec le fondateur et PDG de Litmus Automation , Vatsal Shah, dont l’équipe se concentre sur la fourniture de données prêtes pour l’IA qui rendent tout cela possible.

Nous croyons que les meilleures conversations incluent des perspectives diverses. Si vous êtes un innovateur dans ce domaine et que vous souhaitez contribuer à une discussion future, veuillez contacter Colin Masson de l’ARC Advisory Group.

Collaborer avec le Groupe consultatif de l’ARC

Pour obtenir les recommandations du groupe consultatif de l’ARC sur la navigation dans les guerres de l’IA, la réduction de la fracture numérique en adoptant l’IA industrielle, l’assemblage de votre structure de données de qualité industrielle et la gouvernance et l’orientation des décisions majeures concernant les logiciels d’entreprise, de cloud, de périphérie industrielle et d’IA, veuillez contacter Colin Masson à l’adresse suivante : cmasson@arcweb.com ou organisez une réunion avec moi ou mes collègues analystes d’ARC Advisory Group pour en savoir plus sur notre service d’analyse de l’exécutif pour les organisations industrielles et notre service d’analyse de l’IA industrielle pour les fournisseurs.