Une chambre froide peut transmettre sa température toutes les quelques minutes tout en laissant à son responsable une tâche difficile : savoir quel changement mérite son attention, trouver la bonne personne et configurer la réponse. Connecter le capteur ne résout qu'une partie du problème. L'AIoT associe l'intelligence artificielle à l'Internet des objets pour aider à interpréter les informations des appareils, établir des prévisions ou exécuter des tâches définies.

Pour moi, la question utile est ce que cette intelligence change dans le travail quotidien. Peut-on décrire la surveillance souhaitée puis examiner la configuration obtenue ? Poser une question sur un appareil inconnu sans perdre de vue l'équipement concerné ? Et vérifier ce qui se passera avant d'accepter une action ?

C'est sur cet aspect que nous travaillons chez Kilo, une plateforme IoT pour connecter, surveiller et commander des appareils. Son assistant IA peut aider à configurer appareils, règles et alarmes au moyen des opérations de la plateforme. Un appareil émulé permet d'explorer ce fonctionnement avant d'acheter du matériel. Voyons d'abord où placer l'IA et quand une automatisation classique suffit.

Qu'est-ce que l'AIoT, et quelle différence avec l'IoT ?

AIoT signifie Artificial Intelligence of Things : l'association de l'IA et des objets connectés. L'IoT fournit les mesures, les identités des appareils et la communication. L'IA peut reconnaître un motif, interpréter une demande, prévoir une situation ou sélectionner une tâche. L'introduction de Cisco à l'AIoT présente cette combinaison à travers les capteurs, les réseaux, le calcul et les applications.

Un capteur de température connecté relève de l'IoT. Une règle qui envoie une alerte lorsqu'une mesure dépasse un seuil configuré relève de l'automatisation classique. Aucun des deux n'exige un modèle entraîné. Un modèle analysant une tendance, ou un assistant interprétant une demande en langage naturel pour configurer le système, ajoute une composante IA.

Ces usages sont différents. Un assistant peut aider à construire une règle déterministe sans que cette règle devienne un modèle d'apprentissage automatique. Après déploiement, elle peut évaluer la condition définie sans demander à un modèle de langage de décider à chaque fois. C'est une répartition utile : l'IA aide à configurer, la logique explicite gouverne l'opération répétitive.

L'AIoT recoupe aussi l'IA physique. L'AIoT part des objets connectés et de l'intelligence appliquée à leurs données ou à leur gestion. L'IA physique met l'accent sur la compréhension de l'environnement matériel et l'interaction avec celui-ci. Un projet de surveillance connectée peut en préparer les fondations sans être déjà un système de commande autonome.

Architecture AIoT : appareils, connectivité, IA et applications

Vous n'avez pas à développer chaque couche, mais vous devez savoir qui assume chaque responsabilité. Sinon, une réponse convaincante dans une conversation peut masquer une mesure manquante ou un destinataire non configuré.

Commencer par une mesure identifiable

Une mesure utile comporte une identité d'appareil, une heure, une unité et un contexte. La valeur 25 peut représenter une température, un pourcentage de batterie ou un niveau de cuve. Même une température correctement étiquetée devient trompeuse si la dernière transmission date d'hier.

Pour un premier projet, nommez clairement l'équipement, vérifiez le décodage de sa charge utile et comparez la valeur à une référence cohérente. Gardez l'heure de mesure visible. Une explication assurée ne permet pas à un modèle de corriger une unité erronée.

Adapter la connectivité à la tâche

La liaison doit transporter les informations à une cadence adaptée à l'application. Un capteur transmettant occasionnellement n'a pas les mêmes besoins qu'un équipement devant répondre rapidement à une commande. Vérifiez séparément l'intervalle de transmission, la couverture, l'alimentation et la réception des commandes.

Kilo documente l'exécution de commandes pour les appareils MQTT compatibles, les appareils LoRaWAN de classe C et les appareils émulés dont cette fonction est activée. Un capteur LoRaWAN de classe A ouvre ses fenêtres de réception après une transmission montante ; ne le considérez pas comme un actionneur disponible en permanence. Vérifiez l'appareil et son connecteur avant de prévoir une commande à la demande.

Définir le rôle et l'emplacement de l'IA

L'intelligence peut fonctionner près de l'équipement, dans un service cloud ou dans un assistant utilisant les outils d'une plateforme. Le choix dépend de la tâche, de la disponibilité de la connexion, des données nécessaires et du délai acceptable. Déplacer le calcul vers une passerelle est un choix d'architecture, pas une capacité à déduire du mot AIoT.

Pour un assistant, demandez quelles données parviennent au fournisseur du modèle et quelles opérations il peut appeler. L'assistant intégré à Kilo et un client MCP externe constituent deux voies distinctes. Leur configuration et leur comportement d'approbation doivent être évalués séparément.

Rendre l'exécution et le retour explicites

Si l'IA propose une action, un composant doit encore valider ses paramètres, transmettre la commande et rapporter son état. Proposition, demande acceptée et résultat physique sont trois événements différents. L'acceptation d'une commande par un contrôleur ne prouve ni le mouvement d'une vanne ni l'obtention de la température souhaitée.

Définissez ce qui établira le succès : état remonté par l'appareil lorsqu'il est pris en charge, mesure ultérieure ou contrôle humain. Prévoyez une issue spécifique lorsque le retour manque. Le silence ne vaut pas réussite. Cette responsabilité doit être définie avant d'activer une commande automatique.

Exemples d'AIoT : où l'intelligence change le travail

Prenons trois exemples pratiques. Ce sont des conceptions illustratives, pas des résultats clients mesurés ni des modèles prédictifs présentés comme intégrés à Kilo.

Dans une chambre froide, une surveillance classique peut prévenir l'employé responsable lorsqu'une condition de température persiste. Un assistant peut l'aider à définir la règle et les destinataires. Un modèle prédictif distinct pourrait estimer l'apparition d'un défaut de réfrigération, mais il faudrait des données historiques adaptées et une évaluation. Une alarme de seuil ne constitue pas, à elle seule, de la maintenance prédictive.

Dans un bâtiment équipé de plusieurs compteurs, un analyste peut vouloir comparer la consommation sur une période donnée. Un assistant facilite la formulation de la question, mais la réponse exige les bons compteurs, unités et dates. Vérifiez que l'explication peut être reliée aux mesures d'origine. Sans ce lien, un résumé séduisant reste difficile à utiliser de façon responsable.

Pour un équipement connecté, une personne peut demander à l'assistant d'exécuter une commande existante. Le fonctionnement documenté de Kilo consiste à lister les commandes configurées, présenter les paramètres pour confirmation puis rapporter l'état d'exécution. Il ne rend pas commandable un appareil incompatible et n'invente pas une commande d'actionneur à partir d'une phrase.

La valeur de chaque exemple vient d'une réduction précise du travail nécessaire pour comprendre ou configurer le projet. Identifiez ce travail en premier. Si une simple alerte répond déjà au besoin, conservez-la. Ajoutez l'intelligence là où son utilité peut être démontrée.

Que doit offrir une plateforme AIoT ?

Une évaluation devient plus utile lorsqu'elle suit une tâche de bout en bout. Demandez à chaque fournisseur de montrer le même appareil, les mêmes données d'exemple et la même réponse attendue. Notez ce qui est inclus, ce qui exige un autre service et ce que votre équipe doit configurer.

Le contexte des appareils. Pouvez-vous identifier l'équipement à l'origine d'une mesure et son heure ? Examiner le champ décodé, l'unité et la connexion ? Demandez ce qui se passe quand un appareil devient silencieux, au-delà de l'apparence du tableau de bord lorsque tout fonctionne.

Un rôle défini pour l'IA. S'agit-il d'un assistant de configuration, d'inférence de modèles, d'analyse prédictive ou de plusieurs fonctions ? Elles ne sont pas interchangeables. Pour une prévision, demandez comment l'évaluer sur des données représentatives, y compris les faux résultats et les événements manqués.

Des opérations inspectables. Pouvez-vous voir ce que l'assistant a créé ou modifié ? Kilo documente l'ajout d'appareils et la configuration de règles et d'alarmes par l'assistant. Examinez les objets, destinataires et conditions obtenus ; une déclaration dans la conversation ne remplace pas le test.

Un moyen de tester les effets externes. Le débogueur Kilo propose Execute, Skip et Mock pour les nœuds concernés. Execute effectue réellement l'opération et est sélectionné initialement. Choisissez délibérément Skip ou Mock pour éviter cette opération pendant un test. Un émulateur ne rend pas automatiquement toutes les actions externes inoffensives.

Un processus de mise en service maîtrisé. Distinguez la configuration en cours d'édition de l'artefact exécuté en production. Dans Kilo, restaurer une règle antérieure crée une nouvelle version du brouillon ; sa construction et son déploiement sont distincts. La restauration n'annule pas les actions déjà réalisées par les équipements.

Une vision complète des coûts. Comptez les appareils, la connectivité, l'usage éventuel du fournisseur de modèle, la capacité de la plateforme et le travail d'installation et de maintenance. Un compte gratuit facilite l'apprentissage, mais ne rend pas gratuits le matériel et le réseau.

Ces questions permettent aussi de comparer les capacités de commande d'une plateforme AIoT à vos besoins. L'objectif est un fonctionnement que votre équipe comprend suffisamment pour l'exploiter, l'étendre et le dépanner.

Démarrer un projet de plateforme IoT avec IA dans Kilo

Commencez avec un appareil de test clairement nommé, une vue utile et une réponse. Un capteur de température émulé alimentant un tableau de bord et une règle constitue un exemple abordable. Gardez un contexte de test et des valeurs d'exemple ; elles ne sont pas des limites recommandées pour un équipement réel.

  1. Créer le compte et l'appareil. Ouvrez Kilo pour démarrer gratuitement puis suivez la documentation des appareils émulés. L'offre gratuite actuelle comprend jusqu'à cinq appareils, un tableau de bord et une règle. Consultez les tarifs avant d'étendre le projet.
  2. Confirmer les données. Donnez un nom explicite à l'appareil. Examinez le champ, l'unité et l'horodatage avant de les afficher. Envoyez une valeur connue et vérifiez qu'elle correspond bien à cet appareil.
  3. Décrire la règle souhaitée. Indiquez à l'assistant l'appareil, la mesure, la condition et la réponse attendue. Pour une notification, identifiez le destinataire et configurez le canal nécessaire. L'existence d'une alarme dans la plateforme ne prouve pas sa réception par une personne.
  4. Examiner et tester le résultat. Vérifiez la règle avec des valeurs qui doivent et ne doivent pas déclencher la condition. Contrôlez Execute, Skip et Mock avant tout effet externe. Examinez la sortie d'exécution, pas uniquement la dernière phrase de l'assistant.
  5. Introduire le matériel progressivement. Vérifiez le modèle, la charge utile, la région radio, la passerelle ou le réseau et les commandes prises en charge. Achetez le matériel du projet chez Kilo Electronics, la boutique matérielle distincte. Appareils et connectivité ont des coûts séparés de l'abonnement à la plateforme.

Si le projet exige ensuite davantage d'appareils, de tableaux de bord ou de règles, choisissez une offre adaptée à sa taille réelle. Prouvez d'abord qu'une mesure arrive au bon endroit et que la réponse définie peut être testée. Vous disposerez d'une base concrète avant d'ajouter prévision ou commande d'équipement.

Poursuivez avec le guide de configuration par l'assistant IA Kilo, qui explique les opérations disponibles et les informations nécessaires. Avant de passer aux actions physiques, lisez le guide de première expérimentation en IA physique.