La Ford Model T a vu le jour en 1908 et a perduré grâce à son faible coût, sa robustesse, sa polyvalence et sa facilité d'entretien. On lui attribue d'avoir « mis le monde sur roues », en démocratisant la mobilité via des gains d'efficience industrielle à un prix accessible au plus grand nombre.
Aujourd'hui, l'industrie automobile reste à la pointe et transforme notre façon de passer du point A au point B. Lors de notre webinaire récent, Michael Crabtree, Lead Data Scientist chez Ford Motor Company et formateur de notre cours Credit Risk Modeling in Python, explique que la grande différence, c'est que l'innovation est désormais portée par la science des données, et non plus par la fabrication.
Chez Ford, l'innovation est désormais portée par la science des données — pas par la fabrication.
Les villes intelligentes exigent la science des données dans l'automobile
Comme la production à grande échelle de la Model T a rendu la mobilité accessible au plus grand nombre il y a plus d'un siècle, la science des données élargit aujourd'hui l'accès à la mobilité pour les communautés à faibles revenus. Elle facilite l'accès au transport sans le coût élevé de la propriété et accompagne cette transformation pour toutes et tous, quels que soient leur classe sociale, leur genre ou leur situation de handicap.
Par exemple, des algorithmes d'optimisation permettent aux entreprises de déployer des véhicules écoénergétiques pour desservir les zones rurales, qu'il s'agisse de livraisons Amazon, de plomberie ou de restauration. Les data scientists collaborent aussi avec des ingénieurs fiabilité pour concevoir des véhicules qui répondent aux besoins des personnes en situation de handicap.
Ce ne sont là que deux exemples. Michael souligne qu'il existe une infinité de cas d'usage potentiels pour la science des données, dont beaucoup restent à explorer.
Travailler les données dans l'industrie automobile
Compte tenu de la maturité et de l'ampleur du secteur, les entreprises ont de nombreuses opportunités de se reconstruire autour des données.
Un premier enjeu consiste à exploiter des données issues de systèmes et de types variés. Beaucoup de data scientists travaillent surtout avec des données tabulaires, au format tableau, comme dans Excel. Mais dans l'automobile, la variété est bien plus grande. Par exemple, les données d'instrumentation brutes sont souvent stockées sous forme de flux d'hexadécimaux. On rencontre aussi des données issues de systèmes intelligents sous forme d'images et de nuages de points de capteurs. Et pour comprendre pourquoi un véhicule autonome se comporte d'une certaine manière et comment cela varie selon les modèles, un data scientist automobile peut combiner des nuages de points avec des données d'instrumentation et les relier à des tables.
Autre défi majeur : le volume. La plus grande base créée par Michael chez Ford contient 80 milliards de lignes, avec des requêtes en moins de 10 secondes ! Certains systèmes transactionnels et temps réel du secteur traitent plus de 150 millions d'enregistrements par jour. Étant donné l'ampleur des données générées, d'immenses clusters sont nécessaires. De nombreuses entreprises automobiles opèrent avec des clusters à l'échelle du pétaoctet (un million de gigaoctets).
La science des données intervient à chaque étape du cycle de vie produit
La science des données propulse le développement produit
Avant de vendre un véhicule, de nombreuses étapes sont nécessaires. Tout commence au développement produit. La science des données sert à analyser de nouvelles configurations de modèles et à modéliser la fiabilité des composants. Plutôt que de construire et de tester chaque composant comme un système isolé à chaque étape, on complète le processus par de la simulation et de l'analyse à grande échelle.
La science des données porte l'excellence industrielle
Les data scientists de l'automobile veillent aussi à ce que seuls des véhicules de haute qualité soient commercialisés. Les ingénieurs peuvent tester la qualité de chaque véhicule, mais cela se fait au cas par cas. Les data scientists, eux, analysent l'ensemble des pièces, des fournisseurs et des données de test. Ils examinent de près la performance financière des fournisseurs, prédisent leur capacité à livrer dans les temps au regard de leurs antécédents, et utilisent l'économétrie et les régressions pour évaluer la situation économique des zones où sont implantés les fournisseurs.
La science des données alimente les véhicules connectés et autonomes
Parmi les sujets d'avenir les plus brûlants figurent les véhicules connectés et autonomes, qui s'appuient sur des modèles d'apprentissage profond et des algorithmes de fusion de capteurs. La science des données est essentielle pour les concevoir : elle permet de transformer des indicateurs IoT comme les témoins de vie de l'huile, les indicateurs de charge de batterie et l'instrumentation de diagnostic en informations exploitables. Par exemple, détecter un piéton ne suffit pas : les capteurs doivent aussi anticiper sa trajectoire. Les systèmes de sécurité, qu'il s'agisse de la protection du conducteur ou de la sécurité environnementale, sont tout aussi cruciaux.
Les nouveaux systèmes connectés offrent des services inédits — ils dialoguent avec d'autres véhicules, les villes et les infrastructures. Et nous n'en sommes qu'aux prémices. Le marché mondial des véhicules connectés pesait environ 63 milliards $ en 2019 et devrait presque quadrupler pour atteindre 225 milliards $ d'ici 2027 (Allied Market Research) !
La science des données soutient les initiatives de durabilité
La durabilité est un enjeu majeur pour tous les constructeurs. Les gouvernements fixent des objectifs d'efficacité énergétique, mais chaque entreprise définit aussi ses propres cibles. Chaque véhicule ayant un rendement différent, la science des données est indispensable pour optimiser l'efficacité énergétique de l'ensemble d'une gamme. Ainsi, si une entreprise veut proposer à la fois un grand pick-up gourmand en carburant et une voiture électrique, les data scientists automobiles peuvent mener une optimisation afin de minimiser la consommation de l'ensemble du parc tout en respectant les objectifs commerciaux mondiaux. Ces optimisations permettent aux constructeurs d'obtenir des crédits gouvernementaux liés à l'efficacité énergétique. Triple bénéfice : bon pour l'environnement, plus de valeur pour les clients et une source de revenus potentielle.
Autres cas d'usage de la science des données dans l'automobile
Au-delà de ces exemples, la science des données influence de nombreuses autres étapes du cycle de vie automobile. En marketing et ventes, elle anticipe les mouvements de clientèle et le churn. En service et en analytique client, elle améliore l'expérience après-achat et renforce la qualité produit. Pour explorer plus en détail comment la science des données façonne l'avenir de l'automobile, regardez le webinaire de Michael à la demande.