Ford : les erreurs de l'IA nécessitent l'intervention d'ingénieurs humains

Introduction

Ford, récemment classé n°1 dans le classement de la qualité initiale de JD Power, a ouvert sur les défis qu'il a rencontrés en raison de sa dépendance aux systèmes automatisés dans la production et la conception. L'entreprise a dû faire appel à des ingénieurs expérimentés, dont certains anciens employés, pour corriger les erreurs commises par les robots.

Contexte Technique

Les systèmes automatisés de Ford, basés sur l'IA, n'étaient pas aussi robustes que prévu. L'entreprise a sous-estimé la valeur des connaissances institutionnelles accumulées par ses ingénieurs les plus expérimentés. Selon Charles Poon, VP de l'ingénierie des véhicules, l'IA est puissante mais sujette à des erreurs, et son efficacité dépend de la qualité des données utilisées pour entraîner les modèles.

Les ingénieurs les plus expérimentés de Ford ont quitté l'entreprise avant que toutes leurs connaissances puissent être transférées dans les systèmes automatisés. Cela a nécessité le retour de certains de ces employés pour réentraîner les systèmes ou encadrer les jeunes ingénieurs qui luttaient pour maintenir la qualité des véhicules.

Analyse et Implications

Ford a dû faire face à des problèmes de qualité, notamment avec les lancements de l'Explorer et de l'Aviator, ainsi qu'à des perturbations de la chaîne d'approvisionnement pendant la pandémie de Covid-19. L'entreprise a conclu que son approche de la qualité était trop fragmentée et qu'elle devait passer d'une mentalité de « trouver et corriger » à une approche préventive.

Les équipes de logiciel et de numérique travaillent maintenant en étroite collaboration avec les équipes d'ingénierie des véhicules, de fabrication et de chaîne d'approvisionnement. Ford a créé une équipe de 40 personnes chargée de la qualité des logiciels pour prévenir les problèmes avant qu'ils ne surviennent.

Perspective

Ford est déterminé à intégrer l'IA dans plus de processus, mais avec une approche plus rigoureuse. L'entreprise a étendu ses capacités de test automatisé, avec plus de 100 000 tests basés sur l'IA pour identifier les cas limites et les systèmes de logiciel sous différentes conditions. Les tests sont hautement automatisés, permettant une validation rapide des modifications de logiciel pour garantir qu'elles ne introduisent pas de nouveaux défauts.