Dans une collaboration novatrice, Fujitsu Limited et Headwaters Co., Ltd., un fournisseur de solutions d’IA de premier plan, ont mené à bien des essais sur le terrain utilisant l’IA générative pour révolutionner la création de rapports de transfert pour le personnel de cabine de Japan Airlines Co., Ltd. (JAL). Ces essais, qui se sont déroulés du 27 janvier au 26 mars 2025, ont clairement démontré le potentiel d’économies de temps substantielles et d’une efficacité accrue.
Le défi des rapports de transfert
Les membres du personnel de cabine de JAL consacrent traditionnellement beaucoup de temps et d’efforts à la compilation de rapports de transfert complets. Ces rapports servent de canal essentiel pour le transfert d’informations entre les équipes de cabine successives et le personnel au sol, assurant ainsi un flux opérationnel fluide. Reconnaissant l’opportunité de rationaliser ce processus, Fujitsu et Headwaters se sont lancés dans une entreprise commune pour exploiter la puissance de l’IA générative.
Une solution novatrice : l’IA générative hors ligne
Pour surmonter les limites liées à la dépendance à une connectivité constante au cloud, Fujitsu et Headwaters ont opté pour Phi-4 de Microsoft, un modèle de langage compact (SLM) méticuleusement optimisé pour les environnements hors ligne. Ce choix stratégique a permis le développement d’un système basé sur le chat accessible sur des tablettes, facilitant ainsi la génération efficace de rapports pendant et après les vols.
Les essais ont fourni des preuves convaincantes que cette solution innovante permet aux équipages de cabine de générer des rapports de haute qualité tout en réduisant considérablement le temps consacré à la création de rapports. Cela se traduit par une efficacité accrue pour le personnel de cabine de JAL, contribuant ainsi à une meilleure prestation de services aux passagers.
Rôles et responsabilités
Le succès de cette initiative de collaboration a reposé sur l’expertise et les contributions distinctes de chaque partenaire :
Fujitsu : La société a joué un rôle essentiel dans l’adaptation de Microsoft Phi-4 aux exigences spécifiques des tâches du personnel de cabine. Tirant parti de son service d’IA Fujitsu Kozuchi, Fujitsu a méticuleusement affiné le modèle de langage en utilisant les données des rapports historiques de JAL, garantissant ainsi une performance et une pertinence optimales.
Headwaters : Headwaters a mené le développement d’une application d’IA générative spécifique à l’entreprise alimentée par Phi-4. En utilisant la technologie de quantification, Headwaters a permis la création transparente de rapports sur des tablettes, même dans des environnements hors ligne. De plus, leurs consultants en IA ont fourni un soutien inestimable tout au long du projet, comprenant l’analyse du flux de travail pour la mise en œuvre de l’IA, la mise en œuvre et l’évaluation des essais, et la gestion agile de la progression du développement. Les ingénieurs en IA de la société ont également construit un environnement de réglage fin pour Fujitsu Kozuchi et ont fourni une assistance technique pour l’optimisation adaptée à l’environnement d’utilisation unique du client.
Aperçus de l’industrie
Shinichi Miyata, chef de l’unité commerciale des solutions intersectorielles, Global Solutions Business Group, Fujitsu Limited, a souligné l’importance de cette réalisation, déclarant : ‘Nous sommes heureux d’annoncer cet exemple d’utilisation de l’IA générative dans les opérations de cabine de Japan Airlines. Cette preuve de concept conjointe contribue à l’avancement de l’IA générative dans les environnements hors ligne et a le potentiel de transformer les opérations dans divers secteurs et rôles où l’accès au réseau est limité. Le succès de cette collaboration significative est le résultat des capacités exceptionnelles de proposition de Headwaters combinées à l’expertise technologique de Fujitsu. À l’avenir, nous restons déterminés à renforcer notre partenariat pour soutenir l’expansion commerciale de nos clients et relever les défis sociétaux.’
Trajectoire future
S’appuyant sur les résultats prometteurs des essais sur le terrain, Fujitsu et Headwaters s’engagent à poursuivre d’autres tests afin d’ouvrir la voie au déploiement en production pour JAL. Leur objectif ultime est d’intégrer de manière transparente la solution à la plateforme d’IA générative existante de JAL.
De plus, Fujitsu envisage d’intégrer des SLM spécifiquement adaptés à divers types de travail au sein de Fujitsu Kozuchi, améliorant ainsi davantage la polyvalence et l’applicabilité du service d’IA.
Ensemble, Fujitsu et Headwaters continueront de défendre la transformation opérationnelle de JAL grâce à l’application stratégique de l’IA, en s’attaquant aux défis critiques, en améliorant le service à la clientèle et en abordant les problèmes à l’échelle de l’industrie.
Approfondissement : Dévoilement des nuances de la mise en œuvre de l’IA
La collaboration entre Fujitsu et Headwaters pour améliorer l’efficacité opérationnelle de JAL grâce à l’IA offre une étude de cas convaincante sur la manière dont une technologie de pointe peut être exploitée pour relever des défis du monde réel. Analysons les éléments clés qui ont sous-tendu le succès de ce projet et explorons les implications plus larges pour l’industrie aéronautique et au-delà.
1. Le choix stratégique d’un petit modèle de langage (SLM)
La décision d’employer Phi-4 de Microsoft, un petit modèle de langage (SLM), au lieu d’un grand modèle de langage (LLM), a été un coup de maître stratégique. Les LLM, bien qu’ils affichent des capacités impressionnantes, nécessitent généralement des ressources informatiques substantielles et une connectivité constante aux serveurs cloud. Cela pose un défi important dans les environnements où l’accès au réseau est peu fiable ou inexistant, comme pendant les vols.
Les SLM, d’autre part, sont conçus pour fonctionner efficacement sur des appareils avec une puissance de traitement et une capacité de stockage limitées. Phi-4, en particulier, a été méticuleusement optimisé pour les environnements hors ligne, ce qui en fait un choix idéal pour le projet JAL. Cette approche garantit non seulement que le personnel de cabine peut accéder au système de génération de rapports alimenté par l’IA, quelle que soit la disponibilité du réseau, mais réduit également la dépendance à une infrastructure cloud coûteuse.
2. Réglage fin pour la spécificité du domaine
Bien que les SLM offrent l’avantage d’un fonctionnement hors ligne, ils manquent souvent de l’étendue des connaissances et de la compréhension contextuelle de leurs homologues plus grands. Pour surmonter cette limitation, Fujitsu a utilisé son service d’IA Kozuchi pour affiner Phi-4 en utilisant les données des rapports historiques de JAL.
Le réglage fin consiste à entraîner un modèle de langage pré-entraîné sur un ensemble de données spécifique pour améliorer ses performances sur une tâche particulière ou dans un domaine spécifique. Dans ce cas, en exposant Phi-4 à une multitude de rapports passés de JAL, Fujitsu a permis au modèle d’apprendre les nuances des rapports du personnel de cabine, y compris la terminologie spécifique, les conventions de formatage et les problèmes courants rencontrés pendant les vols.
Ce réglage fin spécifique au domaine a considérablement amélioré la précision et la pertinence des rapports générés par l’IA, garantissant ainsi qu’ils répondent aux exigences strictes des procédures opérationnelles de JAL.
3. Technologie de quantification pour une efficacité accrue
La contribution de Headwaters au projet s’est étendue au-delà du développement de l’application basée sur le chat. La société a également utilisé la technologie de quantification pour optimiser davantage les performances de Phi-4 sur les tablettes.
La quantification est une technique qui réduit l’empreinte mémoire et les exigences de calcul d’un réseau neuronal en représentant ses paramètres en utilisant moins de bits. Par exemple, au lieu d’utiliser des nombres à virgule flottante de 32 bits, les paramètres du modèle peuvent être représentés en utilisant des entiers de 8 bits.
Cette réduction de la précision entraîne un léger coût en termes de précision, mais le compromis en vaut souvent la peine en termes d’amélioration de la vitesse et de réduction de la consommation de mémoire. En quantifiant Phi-4, Headwaters a veillé à ce que le modèle d’IA puisse fonctionner de manière fluide et efficace sur les ressources limitées des tablettes, offrant ainsi une expérience utilisateur transparente au personnel de cabine.
4. Développement agile et expertise collaborative
Le succès du projet JAL était également attribuable à la méthodologie de développement agile employée par Headwaters et à l’esprit de collaboration du partenariat Fujitsu-Headwaters.
Le développement agile met l’accent sur le développement itératif, la rétroaction fréquente et la collaboration étroite entre les parties prenantes. Cette approche a permis à l’équipe de projet de s’adapter rapidement aux exigences changeantes et de relever les défis imprévus.
L’expertise complémentaire de Fujitsu et de Headwaters a également été essentielle au succès du projet. Fujitsu a apporté sa compréhension approfondie de la technologie de l’IA et de son service d’IA Kozuchi, tandis que Headwaters a apporté son expertise dans le développement d’applications d’IA, l’analyse du flux de travail et la gestion de projet agile. Cette synergie de compétences et de connaissances a permis à l’équipe de développer une solution véritablement innovante et efficace.
Les implications plus larges pour l’industrie aéronautique
Le projet JAL offre un aperçu de l’avenir de l’IA dans l’industrie aéronautique. En automatisant les tâches de routine, telles que la génération de rapports, l’IA peut libérer le personnel de cabine pour qu’il se concentre sur des responsabilités plus importantes, telles que la sécurité des passagers et le service à la clientèle.
De plus, l’IA peut être utilisée pour améliorer l’efficacité opérationnelle dans divers autres domaines, notamment :
- Maintenance prédictive : L’IA peut analyser les données des capteurs des aéronefs pour prédire quand une maintenance est nécessaire, réduisant ainsi les temps d’arrêt et améliorant la sécurité.
- Optimisation des itinéraires : L’IA peut analyser les conditions météorologiques, les conditions de circulation et d’autres facteurs pour optimiser les itinéraires de vol, économisant ainsi du carburant et réduisant le temps de trajet.
- Service à la clientèle : Les chatbots alimentés par l’IA peuvent fournir une assistance instantanée aux passagers, répondre aux questions, résoudre les problèmes et fournir des recommandations personnalisées.
Alors que la technologie de l’IA continue d’évoluer, son potentiel de transformation de l’industrie aéronautique est immense. Le projet JAL sert d’exemple précieux de la manière dont l’IA peut être utilisée pour améliorer l’efficacité, renforcer la sécurité et améliorer l’expérience des passagers.
Au-delà de l’aviation : la polyvalence de l’IA hors ligne
Le succès du projet Fujitsu-Headwaters pour JAL souligne l’applicabilité plus large des solutions d’IA hors ligne dans divers secteurs et industries. La capacité de déployer des modèles d’IA dans des environnements avec une connectivité réseau limitée ou inexistante ouvre un monde de possibilités pour les organisations cherchant à exploiter la puissance de l’IA dans des environnements éloignés ou difficiles.
1. Les soins de santé dans les zones reculées
Dans les communautés rurales ou mal desservies, les fournisseurs de soins de santé sont souvent confrontés à des difficultés liées à un accès limité à une connectivité Internet fiable. Les solutions d’IA hors ligne peuvent donner à ces fournisseurs des outils de diagnostic, des recommandations de traitement et des capacités de surveillance des patients, même en l’absence d’une connexion Internet stable.
Par exemple, les algorithmes de reconnaissance d’images alimentés par l’IA peuvent être déployés sur des appareils portables pour aider les travailleurs de la santé à identifier les maladies à partir d’images médicales, telles que des radiographies ou des tomodensitométries. De même, les systèmes d’aide à la décision pilotés par l’IA peuvent fournir des conseils sur les protocoles de traitement en fonction des symptômes des patients et de leurs antécédents médicaux, même dans les zones où l’accès à l’expertise spécialisée est limité.
2. L’agriculture dans les pays en développement
Les agriculteurs des pays en développement n’ont souvent pas accès aux dernières informations et technologies agricoles. Les solutions d’IA hors ligne peuvent combler cet écart en fournissant aux agriculteurs des recommandations personnalisées sur la sélection des cultures, les techniques d’irrigation et les stratégies de lutte antiparasitaire, même sans accès à Internet.
Les outils d’analyse d’images alimentés par l’IA peuvent être utilisés pour évaluer la santé des cultures, identifier les maladies des plantes et détecter les infestations de ravageurs, permettant ainsi aux agriculteurs de prendre des mesures rapides pour protéger leurs rendements. De plus, les modèles de prévisions météorologiques pilotés par l’IA peuvent fournir aux agriculteurs des prévisions météorologiques précises et localisées, les aidant à prendre des décisions éclairées concernant la plantation, la récolte et l’irrigation.
3. Secours aux sinistrés et intervention d’urgence
À la suite de catastrophes naturelles, telles que des tremblements de terre, des inondations ou des ouragans, l’infrastructure de communication est souvent perturbée, ce qui rend difficile pour les secouristes de coordonner leurs efforts et de fournir une assistance à ceux qui en ont besoin. Les solutions d’IA hors ligne peuvent jouer un rôle crucial dans ces situations en fournissant aux secouristes des outils pour la connaissance de la situation, l’évaluation des dommages et l’allocation des ressources.
Les algorithmes de reconnaissance d’images alimentés par l’IA peuvent être utilisés pour analyser les images satellites ou les séquences vidéo de drones afin d’évaluer l’étendue des dégâts et d’identifier les zones où une assistance est nécessaire de toute urgence. De même, les plateformes de communication pilotées par l’IA peuvent permettre aux secouristes de communiquer entre eux et avec les communautés touchées, même en l’absence de connectivité cellulaire ou Internet.
4. Fabrication et automatisation industrielle
Dans les usines de fabrication et les installations industrielles, une connectivité Internet fiable n’est pas toujours garantie, en particulier dans les zones reculées ou dans les environnements soumis à des interférences électromagnétiques. Les solutions d’IA hors ligne peuvent permettre aux fabricants d’automatiser divers processus, tels que le contrôle de la qualité, la maintenance prédictive et la gestion des stocks, même sans connexion Internet stable.
Les systèmes de vision alimentés par l’IA peuvent être utilisés pour inspecter les produits afin de détecter les défauts, garantissant ainsi que seuls les articles de haute qualité sont expédiés aux clients. De même, les modèles de maintenance prédictive pilotés par l’IA peuvent analyser les données des capteurs des équipements pour prédire quand une maintenance est requise, réduisant ainsi les temps d’arrêt et améliorant la productivité.
Le projet Fujitsu-Headwaters pour JAL constitue une démonstration convaincante de la puissance et de la polyvalence des solutions d’IA hors ligne. Alors que la technologie de l’IA continue de progresser, nous pouvons nous attendre à voir encore plus d’applications innovantes de l’IA hors ligne dans un large éventail d’industries et de secteurs, permettant aux organisations de résoudre des problèmes du monde réel et d’améliorer la vie des gens, quel que soit leur accès à la connectivité Internet.