L’IA peut amplifier les capacités des ingénieurs, mais pas remplacer les fondamentaux, affirme Gopi

Gopichand Katragadda soutient que l’intelligence artificielle modifie l’échelle et le rythme de l’ingénierie, mais pas les fondements dont dépend une ingénierie de qualité. Dans un entretien rapporté par The Times of India, il affirme que les ingénieurs ont toujours besoin de solides bases techniques, d’une compréhension de la façon dont les composants fonctionnent ensemble, ainsi que de la discipline nécessaire pour concevoir, tester et documenter des produits utiles.

Katragadda a occupé des postes de direction dans la technologie chez GE et Tata Sons. Il a été directeur général du GE India Technology Centre à Bengaluru, avant de devenir le premier directeur technique du groupe et responsable de l’innovation de Tata Sons. Il dirige aujourd’hui Myelin Foundry, une entreprise d’intelligence artificielle active dans les secteurs des médias et du divertissement, de l’IoT industriel et des applications automobiles.

Selon lui, l’ingénierie peut être comprise à travers trois domaines liés : la théorie et les connaissances pratiques ; l’expertise au niveau des composants associée à une vision systémique ; et l’exécution. Cette dernière comprend le développement efficace de produits, l’évaluation de leur capacité à générer une réelle valeur commerciale et la consignation d’informations suffisantes pour permettre aux équipes suivantes de comprendre et d’améliorer le travail réalisé.

Les domaines dans lesquels l’ingénierie indienne doit progresser

Katragadda affirme que l’Inde a acquis une force considérable en mathématiques, en théorie et dans la conception de composants individuels. Il estime toutefois que le pays doit redoubler d’efforts pour développer l’ingénierie pratique, la compréhension des systèmes dans leur ensemble, la recherche et la documentation.

Une personne peut savoir concevoir une pale d’éolienne, explique-t-il, sans être nécessairement en mesure de déterminer comment configurer un parc éolien entier. Cette vision plus large exige des ingénieurs qu’ils comprennent les interactions entre les différents composants, les conditions de fonctionnement et la finalité du système complet.

Il remet également en question l’habitude de considérer le faible coût comme le principal indicateur d’une exécution réussie. Développer quelque chose à moindre coût ne suffit pas si le produit fini n’est pas viable commercialement ou n’apporte pas une valeur significative. Selon lui, les équipes d’ingénieurs doivent investir les ressources nécessaires pour produire un travail performant dans le monde réel.

La documentation constitue un autre point faible. Les ingénieurs peuvent conserver personnellement une grande quantité de connaissances, mais ne pas les mettre par écrit peut compliquer la collaboration et priver les équipes futures du raisonnement qui sous-tendait les décisions antérieures. Katragadda considère l’IA comme un moyen possible de rendre la documentation plus systématique, et non comme un substitut à la compréhension des ingénieurs eux-mêmes.

Pourquoi l’expérience compte à l’ère de l’IA

Katragadda met en garde les jeunes ingénieurs contre le fait de faire de l’IA leur première source d’expertise. Au début d’une carrière, explique-t-il, il faut apprendre le domaine sous-jacent sans s’appuyer sur des raccourcis. C’est l’expérience des données, du matériel et de l’environnement d’exploitation qui permet à un ingénieur de poser de meilleures questions et de reconnaître si une réponse est fiable.

L’IA peut soutenir cet apprentissage en expliquant des notions théoriques complexes, en aidant à trouver des informations pertinentes et en suggérant des moyens d’acquérir une expérience pratique. Elle peut également contribuer au codage, à l’analyse et à la rédaction de comptes rendus. Mais l’ingénieur reste responsable de l’identification du problème, de la compréhension des principaux points de défaillance et de la décision concernant les améliorations à apporter par rapport aux systèmes précédents.

Cette responsabilité devient particulièrement importante lorsqu’un système associe matériel et logiciel. Les ingénieurs ne connaissent peut-être pas tous les détails au début, mais ils doivent être capables d’étudier des documents techniques, d’analyser les défaillances et de vérifier qu’un algorithme fonctionne sur l’appareil pour lequel il a été conçu. La position de Katragadda est que les ingénieurs ne doivent pas simplement accepter un résultat généré par l’IA : ils doivent le vérifier et assumer la responsabilité du résultat final.

Un exemple tiré des moteurs d’avion illustre la valeur des connaissances du domaine. Les pales de turbine comportent différents types de trous. Certains servent au refroidissement, tandis que d’autres réduisent le poids et contribuent à améliorer le rapport poussée/poids sans compromettre la résistance structurelle. Comprendre la raison d’être de ces caractéristiques exige davantage que la génération d’une explication plausible : cela nécessite de connaître le problème d’ingénierie et les contraintes qui ont façonné la conception.

Des applications de l’IA déjà utilisées

Les produits de Myelin Foundry illustrent le type d’ingénierie que Katragadda estime que l’IA peut rendre possible. L’un des systèmes de l’entreprise réduit d’environ 40 % les besoins en bande passante vidéo. Il peut aussi améliorer une vidéo basse résolution afin de l’utiliser sur des écrans modernes. La réduction de la bande passante se traduit par une baisse comparable des coûts de diffusion des contenus, et le système est utilisé par plusieurs entreprises internationales de streaming over-the-top.

L’entreprise a également développé un système de caméra de recul pour véhicule conçu pour donner à une image nocturne une apparence beaucoup plus proche de celle d’une image prise en plein jour. L’objectif est d’aider les conducteurs à voir plus clairement lorsqu’ils reculent. Parmi les autres applications citées par Katragadda figurent la détection d’anomalies, l’anticipation des besoins de maintenance et la génération de documents.

Ces exemples soulignent son idée principale : une ingénierie de l’IA utile ne consiste pas simplement à demander une réponse générique à un modèle. Elle suppose de comprendre les équipements physiques, les logiciels, les données et les limites de l’environnement dans lequel la technologie doit fonctionner. L’IA peut accroître la portée d’un ingénieur, mais les fondamentaux, les tests pratiques et la responsabilité du système final restent essentiels.