Laboratoire de Génie Informatique et d’Automatique de l’Artois

Le projet Mirai (« futur » en japonais) est une initiative portée par Pingflow et soutenue par la Région Hauts-de-France pour démocratiser l’industrie 4.0 auprès des PME et ETI industrielles. Son objectif est de rendre les technologies de pilotage en temps réel accessibles sans complexité technique, grâce à une approche centrée sur le terrain et les besoins opérationnels des équipes. Le projet combine management visuel digital, e-Andon intelligent, objets connectés (IoT), géolocalisation indoor et intelligence artificielle afin d’améliorer la visibilité, la réactivité et la prise de décision dans les ateliers et les entrepôts.

Pour valider ces innovations dans des conditions réelles, Mirai s’appuie sur deux démonstrateurs régionaux : le campus logistique Euralogistic pour les usages liés à la supply chain et la plateforme OptilogiX de l’Université d’Artois pour les applications industrielles. Développé avec des partenaires industriels, académiques et institutionnels, le projet vise à créer une industrie plus agile, humaine et connectée, tout en facilitant l’adoption des technologies numériques par les opérateurs, les responsables de production et les futurs professionnels du secteur.

Le LGI2A joue un rôle clé dans le projet Mirai en apportant son expertise en intelligence artificielle appliquée à l’industrie, à l’aide à la décision et à l’exploitation des données de production. Dans le cadre du démonstrateur industriel déployé sur la plateforme OptilogiX de l’Université d’Artois, les chercheurs du laboratoire travaillent au développement d’un assistant intelligent basé sur les modèles de langage de grande taille (LLM). Cet assistant a vocation à exploiter les données issues du management visuel digital, des systèmes IoT et des indicateurs de performance afin d’accompagner les opérateurs, responsables de production et managers dans l’analyse de situations complexes. Son objectif est de fournir un diagnostic industriel rapide, contextualisé et compréhensible, en identifiant les causes probables des dysfonctionnements, en détectant des anomalies et en proposant des scénarios d’action adaptées au contexte opérationnel.