Sonatus AI Technicien en construction

00:00 Présentation générale

Bienvenue dans ce nouvel épisode de « Driving Innovation », le podcast consacré à l'exploration des solutions et technologies de pointe qui font entrer l'industrie automobile dans une nouvelle ère d'innovation définie par les logiciels.

Aujourd’hui, nous allons voir comment l’intelligence artificielle, soutenue par une infrastructure SDV adaptée, permet aux constructeurs automobiles d’offrir à leurs clients une expérience de possession de véhicule fluide et agréable.

Je reçois aujourd’hui Steve Stoddard, chef de produit pour l’outil de configuration de techniciens « AI » de Sonatus.

Steve va nous aider à comprendre comment cette solution innovante exploite des données puissantes issues de l'AI e et des données en temps réel sur les véhicules afin de simplifier la gestion et l'entretien des véhicules.

Nous aborderons également les technologies fondamentales de la conduite autonome (SDV) qui rendent possibles ces applications de pointe.

C'est parti.

01h00 : La complexité des technologies automobiles de pointe

Bienvenue sur Driving Innovation, Steve. Merci, Sanjay. Je suis ravi d'être ici. Je suis ravi de vous accueillir. Les véhicules d'aujourd'hui regorgent de technologies.

Et elles deviennent également de plus en plus complexes. Quels sont les défis que cette complexité fait naître pour les gens ?

Oui. C’est une excellente question. Je pense que pour les conducteurs, l’un des problèmes récurrents est une mauvaise compréhension des voyants du véhicule : les symboles qui s’affichent sur le tableau de bord poussent de nombreux constructeurs automobiles à créer ces manuels d’utilisation numériques pour aider à comprendre ces éléments, mais cela passe un peu à côté de ce que ces symboles signifient réellement et de ce qu’il faut concrètement faire face à ceux-ci. Je pense que pour les techniciens d’entretien, cette numérisation conduit souvent à devoir remplacer des pièces entières et à une confusion accrue face à la prolifération des codes d’erreur (DTC) et des codes de signalisation, ainsi qu’à leur signification. Quant aux constructeurs automobiles, ils se heurtent souvent à des difficultés : à l’échelle de l’ensemble de leur parc, ils ne parviennent pas à comprendre ce qui se passe réellement ni à identifier les types de problèmes qui apparaissent, ce qui les empêche d’éviter les rappels.

Bon, nous sommes ici pour parler du configurateur « AI » de la Sonata. Je suppose donc que vous allez me dire que bon nombre de ces problèmes peuvent être résolus grâce à un outil tel que « AI ». Aidez-nous donc à comprendre en quoi consiste le « AI » et ce que recouvre exactement la partie « configurateur » de cette solution.

Oui. Tout à fait. L’une des choses que nous avons constatées, c’est que bon nombre de ces personnes, ces différents utilisateurs de ce genre d’outils, n’ont pas une bonne vision d’ensemble des informations en temps réel concernant ce qui se passe avec leur véhicule. Vous savez, il y a aujourd’hui beaucoup de progrès dans le domaine de l’ AI .

Et je pense que si vous avez un problème avec votre véhicule, vous pouvez vous tourner vers Google ou interroger ChatGPT, mais le problème, c’est que vous obtiendrez des réponses basées en quelque sorte sur ce qui circule sur Internet et sur ce qu’ils pensent de ce qui se passe avec votre véhicule. Ce qui manque vraiment, c’est cette connexion au véhicule, la connexion aux données, ainsi que l’accès aux informations sous-jacentes nécessaires pour répondre à cette question. Nous constatons donc que la technologie sous-jacente requise pour permettre à ces techniciens d’ AI s de travailler repose en réalité sur des véhicules définis par logiciel, sur la capacité à collecter des données – comme le produit « Collector » d’ Sonatus( AI ) –, ainsi que sur la capacité à intervenir directement sur le véhicule, ce qui contribue réellement à faire progresser cette fonctionnalité et à la rendre disponible pour un véhicule.

03 h 09 Présentation d'Sonatus , technicien chezAI

Avant d’aborder certaines des technologies sous-jacentes, vous avez évoqué le SDV. Il est évident que AI joue un rôle dans ce domaine. Concentrons-nous sur ce que le technicien AI peut apporter aux différents types d’utilisateurs susceptibles d’interagir avec cette technologie. Je pense notamment aux propriétaires, aux techniciens d’entretien et même aux ingénieurs des équipementiers. Oui, tout à fait.

Voilà donc trois très bons exemples d'utilisation, correspondant aux utilisateurs cibles de ce type de produit.

Pour les utilisateurs, les conducteurs et les propriétaires de véhicules, l’un des domaines dans lesquels un technicien d’ AI peut les aider est de comprendre les problèmes qui peuvent survenir sur leur véhicule et qui ne sont pas toujours faciles à repérer ou à comprendre. Imaginez par exemple que vous ayez un problème de moteur, mais que le voyant « Check Engine » ne s'allume pas. Les techniciens d’ AI peuvent vous aider à mieux cerner ce qui se passe réellement et vous conseiller, en tant que propriétaire, sur l’opportunité de faire réviser votre véhicule ou non. Ce faisant, ils peuvent également transmettre à l’avance des informations au technicien de maintenance, ce qui lui permet de diagnostiquer plus facilement le problème et de disposer de la pièce adéquate dès votre arrivée. Vous évitez ainsi de devoir revenir trois semaines plus tard, une fois la pièce enfin arrivée, et de vous retrouver sans véhicule pendant une longue période.

Quant aux équipementiers, cela leur permet de collecter ces données, depuis le niveau de la flotte jusqu’aux centres de service, afin d’identifier les problèmes émergents et, peut-être, de mieux comprendre ce qui se passe au sein de leur flotte. Ils peuvent ainsi apporter des améliorations à la prochaine génération de véhicules ou éviter les rappels qui pourraient survenir si le problème venait à s’aggraver.

Je comprends que cela puisse m'inciter, en tant que propriétaire, à me rendre dans les ateliers d'entretien agréés par les constructeurs, étant donné qu'ils disposeront des informations recueillies par le technicien d'AI . Quels sont les avantages généraux qu'une solution comme celle-ci apporterait, non seulement à l'utilisateur, mais aussi aux constructeurs ?

Oui. Tout à fait. Vous avez vraiment mis le doigt dessus. Disposer de ce genre d'informations permet de rationaliser considérablement l'expérience client dans un atelier d'entretien appartenant à un concessionnaire et de la rendre bien plus efficace.

Cela permet ainsi à leurs services après-vente d’être plus efficaces. Mais je pense aussi que, pour le constructeur, cela se traduit réellement par un sentiment de satisfaction, tant chez le client vis-à-vis de ce processus que de l’expérience globale liée à la possession du véhicule. Cela renforce donc la fidélité du client et lui donne le sentiment de vouloir rester fidèle à cette marque à l’avenir, car il vit une expérience très positive en tant que propriétaire de ce véhicule. Pour son prochain achat, il s’adressera à la même marque.

D'accord. D'accord.

05 h 31 Créer des techniciens « AI » avec Builder

Nous avons donc parlé du technicien « AI » en lui-même. Et pour que les choses soient claires, Sonatus ne fabrique pas réellement les techniciens « AI ». C'est là qu'intervient le constructeur. Aidez-nous donc à mieux comprendre cet aspect-là.

Oui. Tout à fait. L’un des points que j’ai évoqués tout à l’heure, c’est que de nombreux équipementiers explorent actuellement ce type d’applications, qu’il s’agisse de manuels d’utilisation numériques ou d’assistants virtuels embarqués. L’une des choses que nous constatons, c’est qu’il faut personnaliser ces solutions pour chaque véhicule, car elles requièrent des connaissances spécifiques à ce véhicule, que ce soit d’un modèle à l’autre, d’une finition à l’autre, etc.

Donc, pour que cela soit évolutif, il faut vraiment disposer d’une plateforme permettant à un équipementier de répéter ce processus à l’infini. Et, dans l’idéal, il ne doit pas être nécessaire d’être un expert en « AI » ni même du véhicule lui-même pour constituer une équipe de techniciens capables de maîtriser ces informations. C’est pourquoi, chez Sonatus, nous avons développé une plateforme de création qui permet à divers utilisateurs au sein de l’équipementier de créer ces différents profils de techniciens en fonction de l’usage qu’ils souhaitent en faire pour leurs clients, en interne auprès de leurs propres ingénieurs, ou même au niveau du service client.

Ils peuvent donc, en gros, former ces techniciens de manière très spécifique à leurs modèles de véhicules, à leurs niveaux de finition, voire, éventuellement, au niveau de chaque propriétaire ?

Tout à fait. Ils fourniront notamment la documentation relative au véhicule lui-même. Il s'agira donc de documents tels que le manuel d'utilisation ou, pour un usage davantage destiné au personnel interne, de documents destinés aux techniciens d'entretien, comme un manuel de réparation, des schémas électriques, etc.

Pour un ingénieur OEM en tant qu’utilisateur, on dispose généralement d’un document FMEA ou d’autres arbres de défaillance, etc. Cela constitue en quelque sorte les connaissances techniques relatives au véhicule. Ensuite, on souhaite associer ces informations aux données réelles en temps réel provenant du véhicule ; c’est là que l’on commence à relier des éléments tels que les données réelles du véhicule, qui seront associées au numéro d’identification du véhicule (VIN) et au propriétaire spécifique, ainsi que des éléments tels que les historiques d’entretien et l’historique de fabrication. Tout cela est possible.

Tout dépend en réalité des différentes sources de données qu’un équipementier souhaite réellement connecter. Et cela dépendra des cas d’utilisation et des utilisateurs spécifiques pour lesquels il va développer cet outil destiné aux techniciens.

C'est donc un peu comme si on avait son propre technicien « AI » à disposition. J'adore ça.

07 h 36 Mise en œuvre des technologies SDV et AI

Nous commençons donc à comprendre comment cela fonctionne concrètement. Il y a évidemment une composante « AI », mais on ne peut pas simplement installer AI sur un véhicule. N’est-ce pas ? Il faut manifestement qu’il y ait des étapes préalables ou des conditions préalables qui permettent le déploiement effectif de ce type d’applications. Aidez-nous à comprendre quelles sont certaines de ces technologies fondamentales.

Oui. Tout à fait. L’un des éléments essentiels, selon nous, est donc la capacité à récupérer les données directement depuis le véhicule lui-même. Il s’agit donc de produits qui sont intégrés au véhicule, au sein de son réseau, et qui communiquent avec les différents calculateurs (ECU), en ayant accès à l’ensemble des informations du véhicule, et pas seulement à des codes d’erreur (DTC) spécifiques ou à certaines parties du réseau.

Il s’agit donc d’une technologie fondamentale au cœur du logiciel embarqué dans le véhicule, permettant de collecter ces données en temps réel et d’y accéder depuis les différents nœuds. Un deuxième aspect consiste à renvoyer ces données vers le cloud ; il s’agit davantage d’un produit de collecte de données, tel que le collecteur Sonatus , AI, qui utilise des politiques très légères pour acheminer ces données vers le cloud. Une fois ces composants de base en place, vous pouvez alors commencer à développer des capacités plus globales et intégrer des éléments tels que des modèles d’ AI s spécifiques pouvant être exécutés sur ces données du véhicule.

En somme, il s’agit d’une tâche très spécifique ou nécessitant des connaissances spécialisées dans un domaine donné, de sorte que le système ne repose pas uniquement sur le technicien d’ AI , mais qu’il puisse faire appel à ces différents agents capables d’accéder à ces différents outils et de déduire des informations sur le véhicule.

09 h 06 : Mise en œuvre d'un modèle agentique

On parle beaucoup ces derniers temps d'un modèle agentique, dans lequel on ne se contente pas d'analyser les données et d'en tirer des conclusions, mais où l'on boucle en quelque sorte la boucle. Y a-t-il des éléments dans le générateur de techniciens « AI » ou dans l'infrastructure globale qui se prêtent à un modèle agentique ?

Tout à fait. Donc, toutes ces différentes sources de données dont nous venons de parler, en général, on cherche à les intégrer dans des agents distincts. Il s’agit en quelque sorte de modules spécifiques à l’ AI , qui excellent vraiment dans un domaine précis. Par exemple, analyser les données du manuel d’utilisation, ou créer ces bases de données pour comprendre les signaux émis par le véhicule.

Donc, non seulement il doit pouvoir accéder aux données, mais il doit aussi être capable de les interpréter et de comprendre : « Tiens, ces signaux, surtout en ce moment, signifient telle chose. » Et en s’appuyant sur ces données, en les combinant avec les informations issues de la documentation de conception, il peut alors déterminer : « Oh, quand je vois ce genre de choses, c’est ce type de problème, et c’est ce que je dois recommander à l’utilisateur. » Ainsi, ces différents agents se connectent généralement à ces différentes sources de données, ce qui permet d’exploiter ces différents outils.

L'une d'entre elles consiste, par exemple, à se connecter à un collecteur Sonatus AI , où vous pouvez déployer de nouvelles politiques de collecte de données en fonction de l'interprétation d'un technicien AI . Ainsi, le système pourrait analyser les données provenant du véhicule en fonction de la requête de l'utilisateur, puis lancer une nouvelle politique de collecte de données, la déployer sur le véhicule et commencer à collecter des données qui, sans cela, n'auraient même pas été disponibles.

On dirait que le technicien d'AI s réfléchit presque en temps réel aux prochaines étapes à suivre et aux informations supplémentaires dont j'ai besoin pour poser le bon diagnostic et apporter la bonne réponse.

10 h 42 AI Modèles concernés

Parlons un peu de certaines des technologies spécifiques à l’ AI .

S'agit-il de vos modèles ML traditionnels de type « AI » ? Quel type de modèles utilisez-vous pour cela ?

Oui, tout à fait. En général, nous utilisons les grands modèles de langage (LLM) exactement comme dans bon nombre des autres applications que l’on commence à voir aujourd’hui. En fin de compte, cela repose sur les grands modèles de langage de base, mais nous préférons l’open source, ce qui nous permet ensuite de les affiner et d’en faire des modèles propres à l’entreprise. Et cela s’explique en partie par le fait qu’ils sont alors plus performants dans le domaine spécifique de l’automobile. Une deuxième raison est que de nombreux équipementiers souhaitent héberger leurs propres modèles et s’assurer que leurs données sont protégées, tant du point de vue de l’utilisateur final pour les données à caractère personnel, que pour les données propriétaires qu’un équipementier pourrait fournir comme sources de connaissances aux techniciens d’ AI . Nous nous appuyons donc sur ces grands modèles de langage (LLM) personnalisés, puis intégrons des techniques telles que la génération augmentée par la recherche (RAG) et le cadre agentique ; globalement, nous apportons notre savoir-faire en matière de « system prompting » pour que tous ces éléments fonctionnent ensemble de manière transparente.

D'accord.

11 h 43 : Synthèse et conclusion

Donc, pour résumer, vous avez la partie « AI » de la solution, mais vous avez également l’infrastructure sous-jacente qui va avec. Et vous avez évoqué la nécessité d’un réseau plus accessible, avec, disons, des échanges de données communs pour alimenter les modèles en données. J’imagine que c’est là qu’interviennent des concepts tels que les architectures basées sur les services ou les architectures orientées services. C’est en quelque sorte la partie « SDV » de l’équation globale.

Oui. L’architecture EE embarquée joue sans aucun doute un rôle important. Et le fait d’avoir accès à toutes ces différentes sources de données permet d’intégrer des éléments tels que, vous savez, la télémétrie générale, mais aussi les codes d’erreur (DTC), les fichiers journaux, toutes sortes de choses, voire les données de trafic réseau qui peuvent s’avérer utiles, notamment en matière de cybersécurité et dans ce genre d’applications. Il est donc vraiment important de comprendre que plus l’architecture est moderne, plus ces techniciens d’ AI s sont performants, c’est certain.

Parfait. Tout cela est d’ailleurs décrit dans la dernière fiche de présentation que nous venons de publier, intitulée « Fiche de présentation de la solution « Technician Builder » d’ AI ». Merci donc, Steve. Cette intervention a été très instructive et nous avons hâte de vous accueillir à nouveau dans un prochain épisode d’« driving innovation ».

Génial. Merci, Sanjay. C'était vraiment sympa. L'outil de configuration technique « AI » de Sonatusillustre parfaitement comment les technologies SDV et l'AI automobile peuvent aider les équipementiers à transformer l'expérience des propriétaires de véhicules, en éliminant les tracas et le stress liés à l'entretien et à la réparation des véhicules, tout en renforçant la fidélité à la marque et en générant de la valeur client sur toute la durée de vie du véhicule.

Téléchargez la fiche de présentation de la solution « Technician Builder » d’ AI sur sonatus .com pour en savoir plus et prenez rendez-vous pour une démonstration afin de la découvrir en action.

Merci de nous avoir suivis dans cet épisode d'« Driving Innovation », et nous avons hâte de vous retrouver dans un prochain épisode.