Imaginez le gestionnaire d’une usine laitière de taille moyenne en Ontario qui s’apprête à installer un système d’inspection visuelle et de rejet guidé par l’intelligence artificielle sur une ligne de scellage de contenants. Ce gestionnaire est un personnage fictif inspiré de situations réelles, mais le choix auquel il fait face est courant : deux intégrateurs présentent des démonstrations convaincantes, mais aucune ne montre ce qui se passe lors d’un changement de pellicule d’emballage, après l’assainissement ou en cas de perte de connexion réseau. Le gestionnaire veut réduire le nombre de contenants défectueux qui quittent l’usine sans envoyer inutilement des produits conformes en reprise. Tout aussi important, le système doit demeurer sécuritaire, facile à soutenir et sous le contrôle de la laiterie une fois les techniciens du fournisseur repartis.
Cette dernière préoccupation devient plus concrète lorsque le gestionnaire prend connaissance du cas de Harlan Bakeries, à Indianapolis. Harlan avait acheté un système de 3,6 millions de dollars comprenant trois lignes pour emballer et mettre en boîte des barres de bagel fourrées au fromage à la crème. Bien que l’équipement ait été conçu pour traiter 1 050 barres à la minute, Harlan alléguait qu’il n’arrivait même pas à atteindre le minimum prévu de 700 barres, malgré le fonctionnement simultané des trois lignes. Des capteurs et des valves à vide défectueux étaient en cause dans le litige, tandis qu’un expert évoquait l’utilisation d’une pellicule d’emballage plus mince, un changement qui n’aurait pas été divulgué. Les réparations se sont poursuivies pendant près d’un an. Il s’agissait d’allégations rapportées dans une poursuite judiciaire, et non de faits établis par le tribunal. Le cas donne néanmoins au gestionnaire une bonne question de départ : quelles conditions d’exploitation et quelles responsabilités seront réellement couvertes par l’essai d’acceptation?
Avant la démonstration
Cette question amène le gestionnaire à consulter l’équipe d’assurance qualité avant même de visiter la salle de démonstration d’un fournisseur.
1. Valider le système en fonction de vos dangers et de vos UGS
D’abord, il faut valider l’IA proposée en fonction de l’analyse des dangers de l’usine, et non du pourcentage général de précision annoncé par le fournisseur. Un défaut d’intégrité du scellage, une mauvaise étiquette, une erreur liée aux allergènes et un défaut visible n’ont pas tous les mêmes conséquences. L’équipe d’assurance qualité doit donc établir, pour chaque unité de gestion des stocks (UGS), des limites de défauts non détectés et de rejets à tort, selon le type de défaut. Ces critères doivent notamment couvrir les défauts critiques rares, les cas incertains, les ingrédients saisonniers et les redémarrages après le nettoyage. Selon un guide de rédaction des spécifications publié par l’A3, seulement un client sur dix arrive avec un véritable cahier des charges pour un système de vision. De son côté, les directives de validation de l’ACIA exigent des preuves qu’une mesure de contrôle fonctionne dans les conditions prévues. Des entrevues avec des spécialistes de l’apprentissage automatique confirment également pourquoi les résultats d’essais hors ligne ne suffisent pas à démontrer la performance en production. La laiterie définira ces conditions avant d’inviter les fournisseurs à faire leur démonstration.
2. Confier l’ensemble de l’intégration à un seul partenaire
Une fois les défauts à détecter définis par l’assurance qualité, l’équipe de contrôle-commande examine ce qui doit arriver à chaque contenant par la suite. Deuxièmement, un seul intégrateur doit assumer la responsabilité de bout en bout de la caméra, du modèle, de l’automate programmable (PLC), du dispositif de rejet et des systèmes d’information de l’usine. Une classification correcte à l’écran ne sert pas à grand-chose si un vérin éjecte le mauvais contenant. Dans un témoignage direct publié sur un forum manufacturier, une erreur dans la logique de synchronisation d’un convoyeur pouvait entraîner le rejet d’une bonne pièce située entre deux pièces défectueuses. Une autre question posée par une entreprise de conditionnement de bouteilles à forfait décrivait la difficulté de suivre différents contenants entre la caméra et le vérin de rejet. Il s’agissait d’une question de conception, et non d’une défaillance démontrée. Ces exemples amènent la laiterie à exiger des définitions d’interfaces signées, des accusés de réception du PLC, une confirmation physique des rejets et des essais à différentes vitesses de convoyeur.
3. Prouver que l’inférence en périphérie fonctionne sans connexion au nuage
Une fois le parcours physique du rejet établi, le gestionnaire remonte jusqu’à l’ordinateur qui prend la décision. Troisièmement, les opérations d’inférence essentielles à la production doivent s’exécuter sur des équipements informatiques locaux, dans l’usine, et continuer de fonctionner sans connexion Internet. Pendant l’essai, la connexion Internet et l’accès au nuage du fournisseur seront physiquement coupés. On mesurera ensuite la latence maximale entre la caméra et l’actionneur, à la vitesse maximale de la ligne. Les images manquantes, la saturation du stockage, la surcharge du processeur et la perte de connectivité doivent tous déclencher des réactions sécuritaires clairement définies. La vérification à distance d’une licence ne doit jamais pouvoir interrompre une inspection critique. La panne d’AWS de décembre 2021 a perturbé des appareils domestiques connectés. Même si cet événement ne concernait pas la transformation alimentaire, il illustre clairement les risques de rendre des équipements physiques dépendants de services à distance. La laiterie peut autoriser des analyses facultatives dans le nuage tout en conservant le contrôle local de sa production.
4. Préciser les exigences de lavage pour l’ensemble de l’installation
Cet essai hors ligne serait incomplet si l’installation ne résistait pas à son premier cycle de nettoyage. Quatrièmement, les exigences sanitaires et environnementales doivent viser l’ensemble du système installé : éclairage, éléments optiques, connecteurs, câbles, boîtiers et ordinateur de périphérie. Il ne suffit pas d’accepter l’indice de protection de la caméra prise isolément. La condensation, la couleur de l’arrière-plan, la réflectivité de la pellicule et la contamination de la lentille peuvent modifier les images. Des travaux de recherche sur l’analyse d’images alimentaires décrivent la sensibilité des systèmes d’inspection visuelle aux conditions d’acquisition des images. Le gestionnaire prévoit des essais immédiatement après l’assainissement et vérifie l’accessibilité des équipements pour l’entretien en s’appuyant sur les directives de l’ACIA relatives à l’inspection des équipements et à l’assainissement. Les essais matériels reflètent désormais les conditions réelles d’exploitation de la ligne, ce qui rend les questions contractuelles plus difficiles à esquiver.
Offre aux lecteurs · jusqu’au 11 novembreOù se cache le coût dans votre usine?Regardez-la avec 3 mois de Premier gratuits →À la table de négociation
Puisque les caméras capteront des images de la production réelle, la première question contractuelle porte sur les renseignements qui pourraient quitter l’usine.
5. Garder le contrôle des données de l’usine
Cinquièmement, les données de l’usine doivent demeurer sous son contrôle, et toute utilisation pour entraîner d’autres modèles doit être interdite sans autorisation explicite. L’intégrateur doit documenter les flux sortants d’images, de séquences permettant d’identifier des employés, de recettes, de paramètres de ligne, d’étiquettes, de métadonnées et de sauvegardes, ainsi que les accès aux annotations. Il doit ensuite démontrer que les transferts non autorisés sont bloqués. Aucune collecte systématique dans le nuage du fournisseur n’est permise. Au Canada, l’enquête sur la protection des renseignements personnels concernant Tim Hortons portait sur une application, et non sur l’IA en usine. Elle a néanmoins révélé une collecte excessive de données et des conditions trop permissives accordées à des tiers. Une enquête de Reuters sur les enregistrements des caméras de Tesla illustre un risque connexe : l’accès humain à des données visuelles en dehors du secteur alimentaire. Le gestionnaire demande une option d’hébergement des données au Canada et des exceptions vérifiables par audit, tout en reconnaissant que la LPRPDE n’interdit pas catégoriquement le traitement transfrontalier des données.
6. Détenir les droits sur les images, les annotations et les poids du modèle
Contrôler la circulation des données ne garantit toutefois pas la propriété de ce que le système apprend. Sixièmement, la laiterie doit obtenir la propriété ou des droits d’exploitation perpétuels sur ses images, ses annotations, ses définitions de défauts, les poids des modèles entraînés, les seuils et les fichiers de déploiement propres à son installation. Le contrat doit identifier séparément tout modèle de base appartenant au fournisseur et permettre à la laiterie ou à un spécialiste remplaçant le fournisseur d’entretenir et de réentraîner le système mis en service. Dans le témoignage direct d’un ingénieur manufacturier, le personnel de l’usine n’avait pas accès aux diagnostics ni à la logique des PLC installés. Ce cas illustre une dépendance pratique envers le fournisseur, et non une décision judiciaire sur la propriété intellectuelle. Le gestionnaire exige donc qu’un tiers puisse exporter le modèle accepté et le restaurer sur une machine vierge contrôlée par l’usine. Un simple dossier de fichiers, sans licences utilisables ni dépendances logicielles nécessaires à l’exécution, ne sera pas accepté.
7. Approuver chaque mise à jour du modèle et pouvoir revenir à la version précédente
Une fois cette restauration réussie, le prochain risque est qu’une personne remplace silencieusement le modèle en production. Septièmement, tout changement aux modèles, aux seuils, au prétraitement, à l’étalonnage ou aux comportements pilotés par l’IA doit être approuvé par l’usine. Chaque nouvelle version doit comprendre un jeu de données versionné, sa configuration, son environnement d’exécution, une approbation de l’assurance qualité lorsque nécessaire et un essai permettant de revenir immédiatement à la version précédente. La défaillance de CrowdStrike de juillet 2024 a touché la production automobile. Il s’agissait d’une mise à jour logicielle, et non d’une nouvelle version de modèle d’IA, mais l’événement montre comment des changements gérés à l’externe peuvent interrompre la production. Avant d’accepter des mécanismes de correctifs automatiques, le gestionnaire demande à assister à une mise à jour du modèle, à comparer ses décisions à celles de la version précédente et à restaurer cette dernière avec sa configuration correspondante.
8. Sécuriser la technologie opérationnelle et les accès à distance des fournisseurs
Cette gestion des changements exige aussi un moyen sécurisé de fournir le soutien légitime du fournisseur. Huitièmement, les ordinateurs de périphérie et les accès à distance des fournisseurs doivent faire partie intégrante du programme de cybersécurité des technologies opérationnelles (OT) de l’usine. Le responsable OT de la laiterie doit approuver le zonage du réseau, les inventaires des actifs et des logiciels, l’authentification multifacteur, les sessions à durée limitée, l’enregistrement des accès, les responsabilités concernant les correctifs et les images de restauration. La perturbation causée par le rançongiciel chez JBS en 2021 démontre que la transformation alimentaire peut subir d’importantes interruptions d’origine informatique, même si les reportages ne désignent pas un intégrateur d’IA comme point d’entrée. À l’extérieur du secteur alimentaire, un avis américain concernant des PLC exposés à Internet avec leurs mots de passe par défaut explique pourquoi les connexions d’accès à distance des fournisseurs laissées sans gestion sont inacceptables. Le gestionnaire s’attend à une architecture examinée en fonction des directives du NIST sur la sécurité des systèmes OT, et non à une simple promesse que le réseau du fournisseur est sécurisé.
9. Évaluer la sécurité des robots lorsque l’IA modifie leurs mouvements
Si un fournisseur propose une solution de prélèvement guidé par l’IA ou un système de rejet robotisé, la cybersécurité n’est qu’une partie des risques à considérer. Neuvièmement, il faut réaliser une analyse des risques propres à l’application robotique et exiger une nouvelle approbation de sécurité lorsque l’IA modifie les mouvements du robot. Les dispositifs de protection homologués pour la sécurité doivent fonctionner indépendamment des prédictions du modèle. L’évaluation doit couvrir les préhenseurs, les convoyeurs, l’accès pour le nettoyage, les blocages et les interventions humaines raisonnablement prévisibles. Un accident mortel survenu en 2023 dans un centre de distribution de produits agricoles en Corée du Sud impliquait un travailleur écrasé par un robot de manutention de boîtes. Les reportages n’ont pas établi si ce robot utilisait une IA adaptative, mais le danger lié à l’intégration physique est directement pertinent. Le gestionnaire attribue les responsabilités conformément à la norme ISO 10218-2:2025 avant l’ajout de tout robot à la ligne de la laiterie.
10. Chiffrer le coût du système sur cinq à sept ans
Après avoir défini les exigences techniques, le gestionnaire cherche à savoir combien il en coûtera pour les maintenir. Dixièmement, il exige un modèle des coûts d’exploitation sur cinq à sept ans, avec des conditions tarifaires encadrant la croissance du système. Ce modèle doit inclure le remplacement des ordinateurs de périphérie, les licences, les caméras, le stockage, le réentraînement, l’annotation des données, le soutien spécialisé, les correctifs de sécurité ainsi que les coûts d’ajout d’UGS ou de migration vers une autre plateforme. Selon un témoignage autodéclaré d’un utilisateur d’IA concernant sa facture de GPU dans le nuage, les frais dépassaient 400 $ par mois malgré une capacité généralement inutilisée. Il ne s’agit ni d’une facture vérifiée ni d’un exemple provenant d’une usine alimentaire, mais ce témoignage montre pourquoi les hypothèses de calcul informatique méritent d’être examinées. Chaque partenaire doit chiffrer, dans une même grille, le scénario de base de la laiterie, une hausse du débit de production et un réentraînement plus fréquent.
11. Mettre à l’essai le plan de sortie avant de signer
Plus l’horizon de coûts est long, plus la pérennité du fournisseur devient importante. Onzièmement, il faut mettre le plan de sortie à l’essai avant de devenir dépendant du serveur de licences ou de l’expertise du fournisseur. Après la décision de DoorDash de fermer Chowbotics en 2022, les reportages indiquaient que les robots de préparation de salades déjà déployés seraient retirés du service. Cela s’est produit en restauration plutôt que dans une usine laitière, tandis que l’annonce du retrait d’un important service infonuagique d’Internet des objets offre un autre exemple comparable pour les équipements connectés. Le gestionnaire exige des droits perpétuels d’exécution de la dernière version acceptée, des mécanismes pratiques de dépôt sous séquestre du code source ou des fichiers de déploiement lorsque c’est possible, des plans de pièces de rechange et de soutien, ainsi qu’une simulation de fermeture du fournisseur. Ces droits ont peu de valeur tant que l’usine n’a pas démontré qu’elle peut les exercer lors des essais d’acceptation.
Lors de la mise en service
Les engagements signés doivent encore être démontrés sur la véritable ligne de production. C’est donc lors de la mise en service que le gestionnaire demande au partenaire de faire ses preuves.
12. Assister aux essais d’acceptation en usine et sur site pour l’ensemble de la ligne
Puisque les engagements contractuels doivent être vérifiés en présence de témoins, douzièmement, les essais d’acceptation en usine et sur site doivent couvrir l’ensemble du système et toutes les conditions de produit convenues. Le gestionnaire a pris connaissance du litige concernant Carando Gourmet Frozen Foods : pendant un essai d’acceptation en usine réalisé en mai 2017 en présence des propriétaires, l’équipement n’était pas terminé et un moteur est tombé en panne. Des essais ultérieurs réalisés sans témoins ont été contestés, et un essai en octobre ne portait que sur une seule taille de coquille. Il s’agit de faits contestés dans le cadre d’un litige, et non d’un jugement général sur les intégrateurs. Pour la laiterie, ce cas justifie la présence de témoins de l’usine et la réalisation d’essais planifiés avec des contenants conformes et défectueux côte à côte, des déclenchements manqués, des redémarrages, des bacs de rejet pleins, des pannes du système MES, différentes pellicules et le premier démarrage après l’assainissement. Le document d’acceptation consigne les essais réussis, les échecs et les responsables des correctifs.
13. Conserver des traces de décision que l’assurance qualité peut reconstituer
Ces dossiers doivent demeurer utiles après le départ des témoins. Treizièmement, il faut conserver des traces permettant de reconstituer les décisions de l’IA et confier la vérification indépendante de la salubrité alimentaire à une personne désignée. L’équipe d’assurance qualité doit pouvoir retrouver, pour un lot donné, l’image d’entrée, l’UGS, les versions du modèle et des seuils, les interventions manuelles, la commande de rejet transmise au PLC et la confirmation physique du rejet, sans dépendre du nuage du fournisseur. Les directives de l’ACIA sur la tenue des documents traitent notamment des dossiers électroniques, de leur récupération, des accès et de l’historique des modifications. Ses directives de vérification précisent que la vérification doit être effectuée par une autre personne que celle qui surveille la mesure de contrôle. Les dossiers applicables aux contrôles préventifs doivent respecter les exigences de conservation, y compris la période de deux ans décrite dans les directives de l’ACIA. Comme la vision inspecte uniquement les caractéristiques visibles, d’autres contrôles, comme la détection des métaux et l’inspection par rayons X, demeurent nécessaires lorsque l’analyse des dangers l’exige.
Transformer la précision d’une démonstration en pertes quotidiennes
Une fois que l’assurance qualité peut relier un rejet au contenant réel, le gestionnaire convertit le pourcentage impressionnant présenté par le fournisseur en charge de travail quotidienne. Dans un calcul illustratif, la ligne produit 100 contenants à la minute pendant 15 heures, soit 90 000 contenants par jour. Le partenaire A affiche une précision de 99,5 % sur des échantillons sélectionnés, ce qui ne permet pas d’établir son taux réel de rejets à tort en production. Le partenaire B propose de recueillir des images réelles pendant trois semaines, sur six UGS, notamment durant les changements de production et la première heure suivant l’assainissement, avec un objectif vérifié en présence de témoins de moins de 0,5 % de rejets à tort par UGS. À un taux illustratif de 0,5 %, la laiterie retirerait 450 bons contenants chaque jour pour les revérifier. Si un changement de pellicule faisait grimper ce taux à 2 %, elle en retirerait 1 800. Voilà pourquoi le gestionnaire évalue séparément les défauts non détectés et les bons produits rejetés, plutôt que de considérer un seul pourcentage de précision comme une preuve suffisante.
Après le démarrage en production
Le démarrage en production n’est pas la fin du projet, puisque les conditions de l’usine continuent d’évoluer après le départ des ingénieurs du partenaire.
14. Détecter la dérive et encadrer le réentraînement par contrat
Même un essai approfondi ne peut reproduire toutes les futures variations de pellicules ou d’ingrédients. Quatorzièmement, la détection de la dérive et le réentraînement doivent donc faire partie d’un service rémunéré, assorti de délais précis et soumis à l’approbation de l’usine. L’équipe d’assurance qualité échantillonne les résultats de référence validés selon l’UGS, le quart de travail et la catégorie de défaut. De son côté, l’intégrateur surveille les rejets à tort, les défauts qui passent l’inspection, la qualité des images et le niveau de confiance des prédictions. Une étude de 2023 fondée sur des données de fraisage CNC, réalisée hors du secteur alimentaire, a constaté une détérioration de la performance du modèle lorsque les conditions changeaient. Un autre témoignage direct concernant la maintenance prédictive signalait environ 40 % de fausses alertes au troisième mois, contre moins de 10 % au dix-huitième mois. Ce témoignage ne concernait pas l’inspection visuelle et n’a pas fait l’objet d’une vérification indépendante. Ensemble, ces exemples convainquent le gestionnaire de désigner un ingénieur responsable de l’apprentissage automatique, de fixer les délais d’intervention, de définir les déclencheurs de réentraînement et de revalider chaque nouvelle version acceptée.
15. Transférer les compétences de récupération à votre propre personnel
Cet expert ne peut toutefois pas être la seule personne capable de remettre la ligne en service. Quinzièmement, il faut exiger un transfert pratique des compétences aux opérateurs, à l’assurance qualité, à la maintenance, à l’équipe de contrôle-commande et à un responsable de l’IA désigné au sein de l’usine. Ces personnes doivent savoir nettoyer et réaligner les éléments optiques, distinguer une prédiction incertaine d’un défaut réel, annoter des exemples avec l’appui d’un expert, restaurer un ordinateur de périphérie et revenir à une version précédente du modèle. Des travaux sur la révision humaine des images associées à un faible niveau de confiance appuient le recours à des vérifications ciblées par des experts plutôt qu’à l’annotation systématique de toutes les images. De leur côté, des travaux sur le MLOps industriel décrivent les difficultés persistantes liées aux données, à l’intégration et à l’exploitation. Le gestionnaire veut un spécialiste désigné, un droit d’approbation des personnes qui le remplacent, une relève assurée et un exercice final où le personnel de l’usine récupère un dossier d’audit et rétablit le service sans qu’un employé du fournisseur touche au clavier.
Comparer les deux propositions à l’aide d’une grille de pointage
Une fois les quinze engagements définis, le gestionnaire peut comparer les deux propositions sans laisser une démonstration soignée prendre le dessus sur les risques opérationnels. La grille de pointage illustrative suivante utilise des pondérations totalisant 100 et des cotes de preuve allant de 0 à 3 : 0 = aucune preuve; 1 = proposé; 2 = partiellement démontré; 3 = démontré et inscrit au contrat. Chaque pointage pondéré correspond à la pondération multipliée par la cote, pour un maximum de 300 points.
| Ce qu’il faut faire | Pourquoi c’est important, avec une source en lien | Pondération (exemple) | Partner A | Partner B |
|---|---|---|---|---|
| Valider chaque UGS et chaque danger critique dans des conditions de production réelles | L’ACIA exige des preuves de l’efficacité des mesures de contrôle | 10 | 1 | 3 |
| Attribuer la responsabilité de l’intégration du PLC, du suivi des produits, du rejet et du MES | Un praticien rapporte des erreurs de synchronisation des rejets | 9 | 2 | 3 |
| Démontrer l’inférence en périphérie et les réactions sécuritaires aux défaillances, sans connexion au nuage | Une panne d’AWS a perturbé des appareils connectés | 9 | 0 | 3 |
| Valider la résistance au lavage, l’éclairage et l’ensemble de l’installation | Les conditions d’acquisition des images influencent la performance de la vision alimentaire | 5 | 2 | 3 |
| Bloquer l’exportation non autorisée de données et leur utilisation pour d’autres entraînements | Une enquête canadienne a révélé des conditions de partage de données trop permissives | 8 | 0 | 3 |
| Obtenir les droits sur les modèles et les annotations; démontrer l’exportation et la restauration | Du personnel manufacturier décrit des diagnostics verrouillés | 8 | 1 | 3 |
| Approuver, versionner et pouvoir annuler chaque nouvelle version de l’IA en production | Des modifications logicielles ont perturbé la production automobile | 8 | 0 | 3 |
| Contrôler les accès OT, la segmentation, les correctifs et la récupération | Un rançongiciel chez JBS a perturbé la transformation alimentaire | 8 | 1 | 3 |
| Évaluer la sécurité de l’application robotique et les changements de mouvement liés à l’IA | Un robot de manutention de produits agricoles a causé la mort d’un travailleur | 6 | 1 | 2 |
| Chiffrer les coûts du cycle de vie complet, de la croissance et du réentraînement | Un utilisateur de calcul IA a déclaré payer pour une capacité inutilisée | 5 | 2 | 2 |
| Démontrer l’autonomie de l’usine lors d’une simulation de fermeture du fournisseur | La fermeture de Chowbotics a touché des robots déjà déployés en restauration | 6 | 0 | 3 |
| Assister aux essais d’acceptation en usine et sur site pour toute la ligne | Le litige Carando a soulevé des contestations sur la portée et les conditions des essais | 4 | 2 | 3 |
| Conserver les traces de décision par lot et assurer des vérifications indépendantes par l’assurance qualité | L’ACIA encadre les dossiers électroniques des contrôles préventifs | 5 | 1 | 3 |
| Surveiller la dérive et encadrer par contrat le réentraînement et la revalidation | Une étude sur le fraisage CNC a constaté une dégradation liée aux changements de conditions | 5 | 1 | 2 |
| Démontrer les compétences de récupération du personnel et garantir le soutien d’un spécialiste désigné | Une revue du MLOps industriel décrit les défis du cycle de vie | 4 | 1 | 3 |
| Total des points pondérés (sur 300) | Total des pondérations : 100 | 100 | 92 | 284 |
Une fois les pointages calculés, le partenaire A obtient 92/300 et le partenaire B, 284/300. Ces évaluations sont fictives et ne représentent pas les résultats de véritables soumissionnaires. Le partenaire A possède certaines compétences classiques en intégration et en équipement, mais présente peu de preuves de son autonomie hors ligne, de son contrôle des données, de sa gestion des mises à jour ou de sa capacité à permettre une transition vers un autre fournisseur. Le partenaire B est recommandé, à condition que ses engagements démontrés et son programme d’essais d’acceptation de trois semaines deviennent des obligations contractuelles exécutoires. Les éléments partiellement démontrés concernant la sécurité, les coûts et la dérive doivent également être réglés avant l’achat.
Ce que le gestionnaire fait cette semaine
Le gestionnaire ontarien a donc un travail concret à accomplir cette semaine, plutôt que d’assister à une autre rencontre avec des fournisseurs sur le potentiel de l’IA. L’équipe d’assurance qualité rassemblera des images de contenants conformes, défectueux et incertains pour les six UGS. L’équipe de contrôle-commande documentera la synchronisation entre la caméra et le dispositif de rejet, tandis que la maintenance consignera les changements observés après le nettoyage. Les deux intégrateurs présélectionnés recevront le même protocole d’essais fondé sur les dangers et les quinze exigences contractuelles. Au prochain changement de pellicule sur la scelleuse, la laiterie aura besoin de plus qu’une caméra précise : il lui faudra des preuves, des accès et un partenaire responsable du bon fonctionnement de toute la ligne.
