- Après plus de 2 ans chez Harrison Manufacturing, la CEO Julie Harrison s’interroge : quelle part d’intelligence confier à la machine ? L’expérience montre que l’IA excelle dans des tâches précises, mais que le reste est souvent du marketing.
- L’IA optimise la précision des formules de lubrifiants sous des contraintes de température et de pression.
- Déployée via Microsoft Copilot, l’IA a prouvé son efficacité en finance et en gestion administrative.
- Le principe « garbage in, garbage out » reste crucial : si les données sont mauvaises, l’IA produit des erreurs.
- Les systèmes obsolètes (legacy) deviennent des goulots d’étranglement face à la rapidité de traitement de l’IA.
- L’IA en production exige une validation humaine ; la curiosité et le scepticisme des experts sont indispensables.
- L’intuition d’un ingénieur chevronné devant un manomètre est une sagesse que l’IA ne peut égaler.
- L’IA ne remplace pas l’humain mais booste la productivité quand son rôle est clairement défini par des experts.
- Une dépendance excessive est risquée : une simple erreur de l’IA peut gâcher tout un lot de production.
- L’IA offre des opportunités majeures en R&D en accélérant les simulations basées sur les données internes. 📌 Conclusion : Après 2 ans, Harrison Manufacturing juge l’IA efficace pour l’optimisation et la finance, à condition d’avoir des données de qualité. L’IA accélère la R&D mais ne remplace pas l’expérience et le discernement humain.
