CHICAGO — L’intelligence artificielle (IA) offre de nombreuses promesses aux fabricants de produits alimentaires tout au long de la chaîne de valeur : elle permet de prédire le comportement des consommateurs, de réduire les cycles d’expérimentation lors de la reformulation et de rendre la fabrication plus efficace.

Lors de la conférence FIRST 2024 de l'Institute of Food Technologist (IFT), qui s'est tenue à Chicago du 15 au 17 juillet, Eric Krums, consultant senior en solutions chez Infor, Sandeep Anand, directeur senior, responsable des solutions d'apprentissage automatique chez Infor, et Michael Warter, vice-président senior et directeur des systèmes d'information chez Ruiz Food Products, Denison, Texas, ont expliqué comment l'apprentissage automatique de l'IA et la gestion du cycle de vie des produits offrent des opportunités d'optimisation du développement des produits et de maximisation du retour sur investissement. Le panel a également évoqué certains des défis et des premières étapes que les fabricants de produits alimentaires doivent franchir pour réussir lorsqu'ils utilisent l'IA.

Selon Anand, l’apprentissage automatique par l’intelligence artificielle a un potentiel considérable pour aider les fabricants de produits alimentaires tout au long de la chaîne de valeur. Il peut accélérer le développement de nouveaux produits et même les substitutions d’ingrédients en fonction des prix et de la disponibilité. Il peut également susciter des réactions aux comportements des consommateurs.

« L’apprentissage automatique permet de prendre les données et de créer des modèles prédictifs », a-t-il déclaré. « Avec l’IA, vous souhaitez examiner la relation entre les ingrédients, les recettes et les demandes des clients, mais aussi la fabrication. »

Les fabricants de produits alimentaires ne peuvent pas tirer parti de technologies telles que l'apprentissage automatique par l'IA. Des données propres sont essentielles pour créer des modèles prédictifs fiables sur lesquels l'IA peut travailler. Les systèmes de gestion du cycle de vie des produits (PLM) aident les fabricants à gérer les formules et à se conformer à la réglementation. Ils peuvent même interagir avec les fournisseurs et s'intégrer au système ERP existant dans l'usine d'un fabricant de produits alimentaires.

« C’est l’élément fondamental que tout le monde doit maîtriser avant de pouvoir commencer à réfléchir à l’IA », a expliqué Krums. « C’est là que vous pouvez stocker vos données, avoir les bonnes étiquettes et vous assurer que vous êtes en conformité avec la réglementation. Une fois que tout cela est mis en place, vous pouvez jouer avec des outils amusants comme l’IA. »

En intégrant bon nombre de ces outils fondamentaux pour la collecte et la gestion des données, Ruiz Foods a pu maintenir le lien entre la R&D et la fabrication. Cette intégration est essentielle pour créer des processus plus rapides et prépare Ruiz Foods au succès dans ses expériences avec l’apprentissage automatique par l’IA. Cependant, Warter a noté plusieurs défis qui doivent être relevés concernant l’IA dans le système alimentaire.

La première étape consiste à aider les gens à comprendre ce qu'est l'IA et comment elle peut être utilisée. L'apprentissage automatique de l'IA n'est qu'un type d'IA, les deux autres étant l'apprentissage profond et l'IA générative. L'apprentissage automatique fait des prédictions basées sur des modèles et des données, tandis que l'IA générative peut parfois créer des informations qui ne sont pas vraies, et qui doivent donc toujours être vérifiées.

Le deuxième défi est que l’IA n’est pas un projet relégué au département informatique.

« Si vous souhaitez conduire le changement avec l'IA, vous devez commencer par bien comprendre vos processus et les données qu'ils créent afin de pouvoir créer des modèles efficaces », a expliqué Warter.

Cela implique les équipes d’exploitation, de R&D et d’assurance qualité.

Le troisième défi cité par Warter est le manque de réglementation et de sécurité autour de l’IA générative.

« Je vois la promesse, mais comment pouvons-nous garantir que ce que nous mettons là-dedans reste sûr pour nous ? » a-t-il déclaré.

Krums acquiesça et déclara : « Comment pouvons-nous garder la sauce secrète secrète ? »

L’apprentissage automatique de l’IA a un grand potentiel pour augmenter l’efficacité de l’ensemble d’une boulangerie ou d’une opération de snacking, mais il faut s’appuyer sur un ensemble de données propres et robustes pour créer un modèle efficace à partir duquel l’apprentissage automatique peut travailler.

« L’intérêt réside dans la possibilité d’utiliser l’IA dans l’ensemble de l’écosystème et de pouvoir prendre des décisions basées sur les données qui peuvent être exploitées pour créer un écosystème interconnecté », conclut Anand.